2023级：

2023/09-今, 李楠楠(专硕), 基于Yolo v7的钢板表面缺陷检测.

2023/09-今, 李江伟(学硕), 仅有正样本的异常缺陷检测.

2023/09-今, 孙海洋(专硕), 基于机器视觉的货运汽车尺寸测量.

2023/09-今, 王耀邦(学硕), 基于六轴机械臂的铸件多表面缺陷检测.

2023/09-今, 梁文博(学硕-巩老师学生), 复杂场景下任意形状文字识别.

2022级：

2022/09-今, 郑泽昊(在职博士), 异常检测.

2022/09-今, 朱建鸣(学硕), 无人机视角下的目标跟踪.

2022/09-今, 孙智涵(专硕), 基于模板的PCB元器件缺陷检测.

2022/09-今, 安源(专硕), 增值税发票的OCR检测与识别.

2022/09-今, 赵洪斌(专硕), 眼白诊断.

2022/09-今, 潘宇萌(专硕), 小目标检测.

2022/09-今, 张锦龙(学硕), 医学图像分割.

2021级：

2021/09-今, 刘光虎(直博), 基于深度学习的不同属性表面缺陷检测技术研究.

2021/09-今, 甘辉鑫(学硕), OCR检测与识别：印章+字符.

2021/09-今, 郑飞(学硕), 基于机器视觉和机械臂的PCB板元器件漏焊检测.

2021/09-今, 高阳(专硕), 基于GAN的图像风格迁移学习.

2021/09-今, 王晨旭(专硕), 多角度下的车牌、车标、车型检测与识别.

2021/09-今, 刘玲(学硕), 等式约束LDM（SVM）分类器.

2021/09-今, 章谦(专硕-杨院长学生), 基于双目视觉的定位、度量、三维重建技术研究.

2020级：

2020/09-今, 刘历铭(博士), 非平行支持向量机研究.

2020/09-2023/03, 王伟(专硕), 基于深度学习的双目定位流水线抓取系统. [pdf] [data]

摘要：

为提升工业生产效率，研究人员正在将智能算法和计算机视觉技术引入工业设备，以克服传统控制方式的缺点。本文研究了机械臂在流水线上对物体进行分拣的任务，使用双目视觉和深度学习目标检测技术来检测和定位运动物体，并通过嵌入式终端控制机械臂来抓取目标物。

为了进行后续实验，本文设计了一套工业模拟平台，并完成相关准备工作，包括搭建工业流水线平台、选型各个硬件、确定组件连接关系以及双目相机的标定矫正任务。通过建模和关系推理，确定了空间坐标到图像像素坐标之间的关系式，并选取张氏标定法完成标定矫正任务，并确保获取到的双目视图是正常无畸变且水平对应的。

为了实现对动态流水线物体的实时检测，本文针对性的提出了YOLOX-GRC深度检测算法，以完成对双目图像上目标物体的检测。本文首先基于搭建好的系统，构建了用于深度学习的数据集。然后在YOLOX模型的基础上针对工业流水线识别场景的特征进行改进。首先针对边缘设备算力受限的情况，对YOLOX模型进行分支削减，除去影响力较小的检测分支。然后针对检测环境中小目标难以识别的情况，将原始模型中的FOCUS模块修改为GHOST模块，减少信息损失。针对场景中大背景的特征在模型中引入RFB模块和注意力机制模块，提升模型特征的感受野，突出模型的重点检测区域。最后，调整主干网络中各个特征提取模块的数量，确保实现最优的检测效率。最终提出了适用于本文研究环境的YOLOX-GRC模型，在所构建的工业模拟数据集上，精度达到了81.6%，而推理时间仅仅为19.6ms，效果远超原始模型和常用的神经网络检测模型。

为实现对流水线物体的空间定位，本文提出了基于YOLOX-GRC目标检测模型的YOLOX-3d算法，结合双目视觉定位逻辑和双目对应点之间的约束进行目标物三维点识别。算法部署在嵌入式平台上，并使用TensorRT技术进行优化。实验结果表明，YOLOX-3d在嵌入式平台上完成一次运算仅耗费42.63ms，在20次模拟抓取任务中，成功完成18次，另外两次通过异常检测排除模块进行了处理，避免了误检测所导致的系统异常。

2020/09-2023/03, 束伟(专硕), 面向监视视频的小尺度物体鲁棒检测算法研究. [pdf] [data]

摘要：

近年来，随着深度学习得到大力发展，计算机视觉中的各类任务得到了广泛的研究，深度学习目标检测便是其中一个重要的分支。目前，研究员们所提出的目标检测网络以及优化策略等，针对于中、大尺度目标的检测已经达得了一个比较鲁棒的效果，但是对于小尺度目标的检测效果却差强人意。小尺度目标由于其绝对或相对尺寸较小、特征较为模糊、容易与背景中局部区域产生混淆的特点，导致现有目标检测网络检出率不高。为了提高小尺度目标的检出率，本文以面向监视视频的小尺度无人机检测为背景，从以下三个方面做出改进：

1) 提出一种通用的注意力模型。由于小尺度目标特征模糊的客观因素，本文在多头自注意力的基础上，提出四点改进来增强目标特征，提高小尺度目标的检测精度。首先，本文使用卷积模块替换多头自注意力中的全连接层，使改进后的模型具备即插即用性；然后，针对特征模糊的特性，在多头自注意力中融入CBAM模块，通过调整自注意力的输入，初步增强小尺度目标的特征；接着，针对目标有效区域小的特性，在CBAM中融合特征金字塔的特性，提高网络搜索小尺度目标有效特征的能力；最后，考虑到浅层特征中包含较多目标的有效特征，在CBAM中融入残差特性，提高浅层特征的复用率。

2) 提出一种针对小尺度目标特性优化的YOLOv5s网络结构。由于小尺度目标的绝对或相对尺寸较小，提供给网络学习的有效特征十分有限。选择合适大小的感受野，能有效的辅助网络提取到更多目标特征，减少背景冗余特征的引入，有利于提高检测效果。本文调整YOLOv5s网络结构并提高深层特征的利用率得到s-YOLOv5s，使s-YOLOv5s结构能较好的学习小尺度目标的特征，提高检测精度。

3) 提出一种小尺度目标检测网络轻量化研究方法。目前，大多数深度学习目标检测算法为了提高检测精度，常采用复杂的连接关系、堆叠网络深度或者加大网络宽度等方法。这样做一般会导致参数量、计算量较大，难以部署至边缘计算设备上。本文提出一种轻量化检测方法，通过先轻量化模型再提高精度的思路，来实现本文的轻量化策略。首先，考虑到卷积神经网络的参数量基本集中在卷积核上，本文通过在s-YOLOv5s的基础上大幅度减少卷积核数目，实现模型的轻量化；然后，考虑到浅层特征中包含较多有效的目标特征，通过设计三种无参特征重构模型，提高浅层特征的利用率以及浅层特征和深层特征的融合率，构建更加鲁棒的语义特征，提高小尺度目标检测的精度。

2020/09-2023/03, 梁浩(专硕), 基于支持向量回归机的转炉炼钢终点预测模型的研究. [pdf]

摘要：

钢铁需求量随着社会工业化的进程不断加大，质量要求也在不断提高。高质量钢材的生产离不开炼钢终点控制系统，而终点预测模型的建立是终点控制的核心问题，同时炼钢终点时钢水碳含量和温度是决定出钢质量是否满足钢种冶炼要求的关键因素。因此，建立准确的转炉炼钢终点预测模型对于钢铁的冶炼有着重要意义。相比于其他理论方法，SVR模型解释性好，有着严格的数学推导以及解决了易陷入局部最优的问题，不依赖图像采集设备；适合用于工业生产。针对现有模型在转炉炼钢终点预测应用中存在的问题，本文在了解转炉炼钢生产原理的基础上做了如下几个方面的研究：

(1) 预测模型是利用转炉炼钢的历史熔炼数据建立的，数据集势必会影响模型的效果，需要对原始数据进行处理。首先，由于相同钢种熔炼过程相对固定，因此对于采集的数据存在部分值缺失的问题，使用K近邻插值(KNNI)方法找出其邻近k个相似样本，并通过高斯权值分别赋予不同的权重，通过这k个样本的加权平均值完成缺失数据的填补。其次通过偏相关系数法、灰色关联度分析(GRA)与熵权法相结合的方法计算分析输入特征之间、输入特征与输出之间的关联程度，完成输入特征的选择，防止特征冗余增加建模难度。

(2) 为了降低奇异值样本和离群点样本对模型终点命中率的影响，在SVR和LDMR等相关理论的基础上，提出了一种具有ε间隔优化的加权支持向量回归机(ε-MOWSVR)模型。该模型为了避免落在ε间隔附近的奇异值样本对预测结果的影响，同时计算了间隔内外样本的损失，通过在最小化ε间隔损失和样本整体损失之间做出权衡，优化了样本整体分布。此外，通过引入密度权值信息，降低了离群点样本的影响。除了在UCI公共数据集和转炉炼钢原始数据集上进行实验，还通过向数据集中人工添加奇异值样本和离群点样本的方法进一步验证了改进策略的有效性。

(3) 为了解决ε-MOWSVR的参数搜索效率低的问题，本文提出了基于群体智能的掠食者竞争优化算法(PCOA)，并将其与ε-MOWSVR相结合应用于转炉炼钢终点预测中，建立了ε-MOWSVR-PCOA模型。该算法通过随机搜索策略优化参数，避免了参数的局部最优的问题。实验结果表明，该方法在节省参数搜索时间的同时，还能获得更高的终点命中率。

2020/09-2023/03, 刘淑明(专硕), 空中手写字符的生成与识别方法及应用研究. [pdf]

摘要：

如今，空中手写识别技术取得了一定的成绩，但目前仍处于初步发展阶段，仍然需要进一步的研究。为了解决现有空中手写识别存在的问题，实现快速、稳定、安全和易拓展的空中手写识别方式，满足人们对人机交互方式更自然、更灵活和更智能的需求，我们对空手写识别技术进行了深入的研究，并提了一种新的空中手写字符识别系统。本文对空手写识别技术的发展主要做出以下贡献：

(1) 为了解决现有空中手写识别方式存在的速度慢和缺乏稳定性，以及应用中缺少安全和拓展性等问题。我们提出了一种新的空中手写字符识别系统。该系统结合了轻量型的目标检测模型、单目标跟踪模型和字符识别模型，完成了空中手写字符和字符识别任务，实现了快速、稳定、安全和易拓展的人机交互方式。

(2) 为了快速稳定地绘制空中手写字符，我们对空中手写字符识别系统中的单目标跟踪算法进行了深入的研究。通过单目标跟踪模型跟踪手牌，实现了空中手写字符轨迹的绘制。针对单目标跟踪算法提出了两点改进策略。首先，为了提高跟踪的精确度，基于感受野理论设计了一种特征提取网络，完成深层特征的提取。然后，为了优化网络提高网络的推理速度，在主干网络中采用了可分离的深度卷积。

(3) 为了识别空中手写的字符，以及拓展字符识别的类型，设计了一种空中手写字符的识别方法。在该方法中，主要提出了一种空中手写字符的预处理和两种字符识别模型。首先，利用空中手写字符的预处理，将空中手写的倾斜字符进行了矫正，并对空中手写字符的轨迹坐标进行归一化处理，解决了不同字符识别模型输入图像尺度不同的问题。然后，针对空中手写的单个字符的识别，提出了一种并行卷积神经网络。该网络通过融合不同感受野的特征提高了单个字符识别率。最后，针对空中手写的连续字符，提出了一种融合循环神经网络。在融合循环神经网络中，提出了一种由融合模块构成的特征提取网络，并控制全连接神经元的数量，降低了预测网络的参数量和计算量。

(4) 为了将空中手写字符识别系统应用到具体的实践，将该系统部署到嵌入式平台，用于验证该系统的可移植性。在嵌入式平台上，对该系统进行了整体的测试。从测试的结果能够发现，该系统满足了快速、稳定的要求。此外，为了验证该系统的易拓展性，在该系统的基础上设计了两个简易应用，分别是空中简易计算器和空中简易邮件。空中简易计算器能够完成空中手写单个数字和运算书写的数字，并给出运算的结果。空中简易邮件能够完成空中简易邮件书写和发送。

2020/09-2023/03, 焦玉鹏(专硕), 基于无人机图像的地面环境三维重建技术研究. [pdf]

摘要：

随着科技的发展，高危环境下的信息探测成为国内外研究者研究的热点，智能机器人替代高危环境下的工作人员成为了不可阻挡的发展趋势。随着这一需求的日益迫切，研究人员相继提出了众多解决方案，其中同时定位与建图(Simultaneous Localization and Mapping, SLAM)技术是现阶段完成复杂环境探测任务中性能最好的技术。然而便携式无人机和无人车等小型智能机器人的嵌入式芯片算力有限，现有的SLAM技术过于繁琐不适合在嵌入式设备上实时运行。因此将SLAM框架部署在算力有限的嵌入式设备中，并且实时重建出信息量较为丰富的三维环境是必要的。本文研究基于无人机的地面环境三维重建技术，本文所做的具体工作如下：

首先，针对设备运行环境中存在光照变化和光照不均等一系列的光照问题，提出了一种基于四叉树的ORB特征点提取与匹配算法。在特征点提取阶段，将传统四叉树均衡化的基础上加入图像增强算法，克服了光照对特征点提取效果的影响；在特征点匹配阶段，将四叉树算法的定向分块特性与特征点对之间的匹配方向进行结合，剔除了部分误匹配特征点对，降低了RANSAC迭代过程中的外点数目。实验证明，本文改进算法减弱了光照对ORB特征提取的影响，解决了RANSAC算法消耗时间长匹配精度差的缺点。

然后，针对SLAM系统前端里程计初始化精度较低的问题，提出了一种基于线特征与概率分布的前端里程计算法。在单目初始化环节，首先使用线特征选择出合适的变换矩阵；接下来通过概率分布原理结合变换矩阵对误匹配特征点进行分类；最后得到准确的单目初始化数据。在里程计运行环节，使用视觉与惯导相互耦合的定位与建图算法恢复出地图的绝对尺度。实验证明，本文改进算法能够选择出正确的变换矩阵并且具有较好的定位与建图效果。

最后，针对SLAM系统后端回环算法效率低的问题，提出了一种多数据融合的回环检测算法。首先，将相关滤波算法和IMU信息应用于回环系统中，通过多种条件的综合指标对回环结果进行判定；然后，使用位姿变换将回环位置的同一特征点进行融合；最后，使用BA优化算法对整个过程中的所有关键帧和地图点进行优化。实验证明，本文回环检测算法可以保证匹配效率，并且回环所需的图像帧数量出现了大幅减少；本文所搭建的SLAM系统在光照较苛刻的环境中依然可以发生回环，并且所重建地图的轨迹误差相对更小。

2020/09-2023/03, 李雪露(专硕-杨院长学生), 基于深度学习的钢板表面缺陷检测研究. [pdf]

摘要：

钢板的质量直接影响着钢板产品的等级与性能。钢板表面有无缺陷，对于发展钢板制造业至关重要。采用传统机器视觉的缺陷检测算法检测效率低，而且推理速度差。因此，本文使用基于改进Cascade R-CNN(cascade region-based convolutional neural network)的深度学习算法实现高效和准确的缺陷检测具有重要研究价值，其主要研究内容有以下几个方面：

(1) 针对钢板表面缺陷图像存在的光照不均、对比度低和光照不足等问题，提出了一种钢板表面缺陷图像增强算法。首先通过小波变换，将输入的表面缺陷分解成高、低频两部分分量；其次使用基于引导滤波的Retinex算法对低频部分进行增强；同时使用软、硬阈值去噪算法对高频部分进行增强；然后进行图像重构，并对重构的图像进行伽马变换。

(2) 针对六类钢板表面缺陷种类较杂、形状多变的问题，采用表格、直方图、扇形图等可视化方式分析其特点。采用YOLOv3(the third version of you only look once)、SSD(single shot multibox detector)、Faster R-CNN(faster region-based convolutional neural network)、Cascade R-CNN等几种模型对钢板表面缺陷数据集进行检测，比较各种模型的优缺点，选出最优的检测模型。通过各种实验性能指标及缺陷检测可视化结果的综合分析，可知Cascade R-CNN更适合作为基础的钢板缺陷检测模型。

(3) 针对钢板表面缺陷领域存在的检测精度低、小目标缺陷漏检率和误检率高的问题，提出一种基于改进Cascade R-CNN的检测算法。首先对数据集进行数据增强，并对原始Cascade R-CNN模型进行改进，使用ResNeXt-101-64×4d作为Cascade R-CNN模型的骨干网络，加强网络的特征提取能力；然后提出利用递归特征金字塔网络以反馈连接的方式进行特征优化，以更好地保留细节和语义信息；同时提出使用可切换的空洞卷积替换主干网络的卷积层，以改变感受野的方式提高检测性能；最后引入软化非极大值抑制算法，减低冗余框对网络模型的影响。

2020/09-2023/03, 王莹(专硕-杨院长学生), 汽车驾驶训练系统的研究与应用. [pdf]

摘要：

最近几年我国汽车数量不断增长，随之增长的还有汽车驾驶人数量，参加驾驶证的考试对人们来说是不可避免的，然而在驾校学习过程中，一方面存在教练少、学员多的情况，导致部分学员在练车时不能被教练照顾到，直接影响到学员的练习效果和拿证速度；另一方面学员不能直观的领悟教练传授的练车技巧。因此，对利用机器视觉来实现教练车驾驶辅助系统的研究是十分必要的。本文的主要研究内容为：

(1)本文为驾驶辅助系统的研究提供一个总体的设计思路，该设计思路详细阐述了两个部分，系统界面设计部分和系统功能结构搭建部分。

(2)为了准确识别教练车的初始位置，本文通过对ORB算法、SIFT算法、SURF算法进行比较分析，选择SURF算法来识别教练车的初始位置。在不同光照强度下对三种算法进行图像匹配实验，并以匹配正确率和匹配速度作为该实验的评价指标，结果表明SURF算法的匹配正确率更高，匹配速度更快。

(3)由于fDsst跟踪算法的跟踪框不具备倾斜角度，无法准确定位教练车的位置。为了更好的实现教练车的动态跟踪，本文提出了一种改进的fDsst算法。该算法在fDsst算法基础上融合了轮廓检测算法和图像处理算法，在自制视频序列上对其进行了测试，并与Boostingbox、KCFbox、MILbox等算法比较，结果表明改进的新算法在跟踪成功率和跟踪准确率上都有了很大的提升。

(4)为了实现科目二中五个项目的路径规划，根据实车选取车辆参数，建立坐标系，建立车辆运动学模型。该模型通过两个约束条件完成路径规划。两个约束条件包括：车辆运动学约束条件、规划的行车路径应该满足的运动学约束条件。利用MATLAB对五个场地的路径分别进行仿真验证，并对得到路径仿真效果图进行可行性分析，进一步验证了该路径设计的合理性。

2020/09-2023/03, 王秋惠(专硕-杨院长学生), 基于深度学习的人脸表情识别研究. [pdf]

摘要：

二十一世纪以来，人脸表情识别技术不断发展，在游戏休闲、医疗卫生、交通运输等领域都取得了成功应用，极大地提高了生产效率，改善了人们生活质量。但由于人脸表情的复杂性、环境因素的多样性、异物遮挡等客观原因也使该技术在实际应用中仍面临着众多挑战。因此如何设计出识别率高、识别速度快、鲁棒性好的表情图像特征提取方法，依然是该领域亟待解决的难题。本课题基于深度学习方法，采用CSLBP改进的特征提取算法和融合DeblurGAN & Mobile vit算法分别对清晰与模糊的人脸图片进行表情识别研究。具体研究内容如下：

(1) 本研究首先针对人脸识别的关键因素特征提取环节进行研究，通过分析LBP特征及扩展特征，针对原始LBP中各邻域像素点关联性不强的问题进行改进，提出一种基于CSLBP改进的特征——WCSLBP特征。在一个与CSLBP相同的邻域内，取以中心像素点为对称的三对像素值分别求和后做差值，既保留在特征维度上的优势，又能提取更多的纹理信息；然后进行对比实验，分别采用WCSLBP算法与CSLBP算法对人脸进行特征提取，结果表明WCSLBP算法的网络识别率比CSLBP算法高，验证了WCSLBP特征算法的有效性。

(2) 本研究为提升正常情况下的人脸表情识别准确率，提出一种局部特征与全局特征相融合的深度卷积神经网络算法。新的网络体系由全局和局部卷积神经网络两个分支组成，局部分支采用改进的CSLBP提取局部特征，使提取的纹理信息更全面，并将提取的局部特征与全局特征进行加权融合，得到融合后的纹理特征；然后使用softmax分类器对人脸表情进行分类。实验在RAF-db、CK+和FERplus三个具有代表性的数据集上进行验证。分别提升了0.39%、0.44%、1.13%，进一步证明该方法有效提高了表情识别准确率。

(3) 针对人脸图片模糊情况下人脸表情识别失真的问题，提出一种融合DeblurGAN和Mobile vit算法去除模糊算法。首先由于模糊人脸表情图像数据集较少，在数据预处理阶段选择复制并叠加像素的方式处理原数据集图像，使图像造成近似于动态模糊的效果。其次，使用基于DeblurGAN网络作为模型的主干特征提取网络，使得图像的模糊部分得到修复。最后，将优化激活函数后的轻量级网络MobileVit替换DeblurGAN的主干网络部分，使得新网络的运行速度大大提升。经过对比实验结果表明新网络对图像去模糊有较好的效果。

2019级：

2019/09-今, 齐新雨(博士), 等式约束下的超球体支持向量机理论研究.

2019/09-2022/03, 周根(专硕), 基于深度学习的静态和动态手势识别研究. [pdf]

摘要：

近年来，基于手势的人机交互系统逐步成为研究的重点对象，它具有更自然、更舒适、更符合人类交互习惯等特点，已广泛应用于生活的方方面面。由于现实生活中存在手势交互背景相对比较复杂、不同人执行同一手势千差万别的问题，故而给手势识别带来了诸多的挑战。为了更精准、更快速地实现手势识别，本文将从静态手势识别和动态手势识别两方面展开深入研究。与此同时，为了更便捷地、更智能实现人机交互，本文设计了一套人机交互系统，可以使用手势控制电脑中的音乐播放器等软件执行相对应的操作。主要的工作如下：

（1）针对传统静态手势识别方法存在识别精准率低、识别速度慢的问题，提出了基于改进YOLOv3的静态手势识别算法——YOLOv3-FH算法。首先提出了k-means++算法重新聚类先验框以满足手势检测的特定需求，然后删减部分残差单元同时添加四条网络支路以达到深层特征信息和浅层语义信息融合，最后将批标准化层和卷积层合并以加速网络模型前向推理的速度。实验结果表明，YOLOv3-FH算法在手势数据集上的平均精度值达到95%以上，单张图片的识别时间大约是13ms，平均交并比达到83.12%。

（2）针对二维卷积神经网络不能有效地提取动态手势的时序特征信息，提出了基于改进3DCNN的动态手势识别算法——3DCNN-FH算法。首先提出了ResNetxt-50作为主干网络进而提升网络的特征提取能力和表征能力，然后引入了卷积块注意力模块（CBAM）增强网络对重点区域的关注度，最后采用了Mish激活函数避免了网络中出现神经元坏死的情况。经实验结果证明，3DCNN-FH算法相比原始的3DCNN算法在动态手势数据集上识别的准确率提升了8.2%，与其他主流动态手势算法相比准确率都有一定的提升。

（3）针对传统人机交互的局限性，本文设计了一种基于手势识别的人机交互系统。首先使用Qt设计人机交互系统的UI界面，然后使用多线程的方式分别调用静态手势识别模型和动态手势识别模型，再然后将手势和对用的软件功能相关联，最后使用手势控制控制软件执行关联动作。经实验证明，通过手势能够有效地控制计算机中的音乐播放器执行相应的功能，并且每一种功能执行的准确率皆高达92%以上。

2019/09-2022/03, 翟紫璇(专硕), 基于孪生支持向量机的钢板表面缺陷分类方法研究. [pdf]

摘要：

随着钢铁行业的日益发展和市场对钢材的质量要求逐渐提高，钢板表面缺陷检测技术成为了关键。其中，钢板表面缺陷检测系统的重点是缺陷识别，而缺陷的正确分类是缺陷识别中的一个重要环节。因为现有的钢板表面缺陷分类模型大都以理想化为主，不足以满足钢材表面缺陷的实际情况。且非平衡缺陷数据会影响分类器的分类性能。为此，本文对钢板表面缺陷的分类模型进行了研究，主要内容如下：

(1) 为了使分类模型满足钢板表面缺陷的实际情况，本文提出了一种基于专家样本和粗分样本的孪生支持向量机(TSVM based on expert and rough samples, ER-TSVMs)分类模型。一方面，ER-TSVMs模型分别使用专家样本和粗分样本进行训练，符合工业的实际生产情况，具有一定的适用性。另一方面，ER-TSVMs引入了基于K-近邻方法(K-nearest neighbors, KNNs)获得的高斯权重信息。实验结果表明，该模型能够抑制噪声对分类模型的不利影响，且获得了较高的分类精度，具有一定的可靠性。

(2) 为了解决非平衡缺陷数据分类的问题，构建了一种改进的ER-TSVMs模型(Improved ER-TSVMs, IER-TSVMs)。首先，考虑到二叉树结构中存在的数据量不平衡问题，提出一种策略。该策略的核心是将“1vs1”结构嵌套进每一个二叉树子模型，使每一子模型中构建多个IER-TSVM二分类器。这样不但解决了样本数量不平衡的问题，同时还降低了时间成本。另外，在IER-TSVMs模型中引入样本的类内离散度信息，调节因分散或聚集造成的样本分布不平衡问题。通过实验证明了该算法不但能够解决非平衡缺陷数据分类的问题、提高钢板表面缺陷数据的分类精度，还能提高运算效率。

(3) 针对模型中超参数的问题，本文提出了IER-TSVMs-SPBO参数选择方法。采用新型的学生心理学优化算法(Student Psychology Based Optimization, SPBO)与IER-TSVMs模型相结合，并对IER-TSVMs模型中的惩罚参数和核函数参数进行寻优选择。结果显示，该方法不仅能快速选择到最优参数，还能获得最优的分类精度。

2019/09-2022/03, 李良玉(学硕), 基于特征点和超球体的钢板表面缺陷识别研究. [pdf]

摘要：

随着市场对钢铁制品质量要求日益提高，钢板表面缺陷的检测与识别成为众多研究人员的主要课题。本文就钢板表面缺陷的检测与识别问题，在分析了大量国内外研究成果的基础上，就图像处理技术，特征提取手段和支持向量机分类技术对六种钢板表面缺陷进行研究，其主要工作和研究成果如下：

(1) 针对钢板表面缺陷图像的预处理问题，采用对比实验和评价指标确定了相关的预处理算法。对于缺陷图像的光照不均现象，通过灰度直方图分布指标，选择Retinex算法；对于缺陷图像中存在的噪声，通过有均方误差和峰值信噪比客观指标，选择引导滤波算法；为了获取图像中的缺陷区域，根据准确率和召回率，选择最大类间方差法对图像进行分割处理。

(2) 为了增加对钢板表面缺陷特征的描述，提出了一种新的基于LBP (Local Binary Pattern)图的SIFT(Scale Invariant Feature Transform)特征点统计特征。该特征以缺陷图像的LBP图为基础，提取SIFT特征点，然后对其进行不变矩和灰度统计描述。实验结果显示新的统计特征在表征缺陷方面是有效的，其类内差异较小、类间差异较大。另外，本文也通过实验选取了一些常用的特征来描述缺陷，如几何特征、灰度特征、不变矩特征、纹理特征等。

(3) 为了有效地识别钢板表面缺陷类型，并解决缺陷数据中绝对不平衡问题，提出了一种新的超球体支持向量机模型——绝对不平衡超球体支持向量机(Absolutely Unbalanced Hypersphere Support Vector, AUHSVM)。首先，提出一种全局-局部边界样本提取策略。利用该策略从训练集中提取不含标签噪声和离群点的边界样本，以替代训练样本，从而实现了绝对不平衡到相对不平衡的转化。然后，在SVDD-neg模型的基础上构造AUHSVM多分类模型。AUHSVM中的调节参数可改变分类超球面，进而减少了特征噪声对分类模型的不利影响。AUHSVM中的参数可在一定程度上解决多分类过程中相对不平衡问题。最终经过大量实验证明本文提出的策略和多分类算法是有效的。

2018级：

2018/09-2021/03, 张莉(学硕), 矿物显微颗粒图像检测与分类研究. [pdf]

摘要：

近年来，利用电子显微境采集研磨后的矿物颗粒图像，可以确定矿物的微观结构和元素分布等信息。虽然电子显微镜避免了个人主观影响，提高了效率，但采集的矿物显微图像存在过渡区和颗粒粘连问题。这些问题会造成分割精度低，影响后续矿物元素分类。另一方面，矿物元素数据种类多、维度高、数量少，造成了分类的精度底下。因此，本文在已有分割和分类方法的基础上，研究处理矿物显微颗粒图像过渡区和粘连颗粒、研究颗粒图像的精分割及矿物元素分类。

（1）对矿物显微颗粒图像进行预处理，利用改进的k均值算法处理矿物显微颗粒图像的过渡区和粘连区。首先，利用改进的k均值算法和canny算法提取矿物显微颗粒过渡区,然后，应用形态学去除过渡区，最后填充空洞。另一方面，基于距离的分水岭变换算法提出了一种新的粘连分割算法。首先利用多次腐蚀提取粘连定点，然后计算定点与相对面积小的颗粒之间的距离，缩小粘连区域，最后应用Freeman链码角点检测对分割线进行检验和校正。实验结果证明了该算法的有效性。

（2）对预处理后的图像进行分割。本文结合图论的思想，提出了一种改进的基于图的图像分割算法。首先，改变了基于图的图像分割算法中的合并条件，对两个区域中的最大灰度值和最小灰度值做差，小于设定阈值的两个区域合并，否则计算两个区域平均灰度差值，小于设定平均阈值的两个区域合并。实验证明改进的算法实现了对矿物显微颗粒的细分割。

（3）对分割后的矿物显微颗粒图像进行矿物元素分类。由于矿物元素种类多、数量少，所以本文提出一种新的多胞胎超球体支持向量机分类模型。利用支持向量数据描述算法得到每一类的球心，然后构造一个半径尽可能大的超球体，并且使其包含的此类样本尽可能的多。实验证明该模型有效地实现了对矿物元素的分类。

2018/09-2021/03, 于安池(专硕), 基于改进随机森林算法的乳腺癌预测模型. [pdf]

摘要：

乳腺癌对女性的身心健康威胁很大，并且这种疾病正在年轻化。随着机器学习与临床医学的不断深入结合，在乳腺癌的预测诊断过程中，随机森林算法已被证明优于许多算法。在实际临床中，往往会出现患病的样本远少于未患病的样本，这种样本的不平衡极易造成误诊。因此，针对不平衡的乳腺癌数据，本文对决策树和随机森林进行改进，并在此基础上进行半监督学习以实现对乳腺癌的精准预测。

第一，针对乳腺癌样本的不平衡问题，引入强化学习思想，提出一种基于马尔可夫决策过程的改进决策树方法。根据马尔可夫决策过程，当前分裂特征的标准化互信息和马修斯相关系数作为信息增益率的奖励或者惩罚，形成新的特征选择标准。

第二，为了进一步提升随机森林的分类能力，使用具有强化学习策略的决策树作为随机森林的基础分类器，提出一种基于直觉模糊的改进随机森林算法。首先按照强化学习策略构造若干决策树，其次根据直觉模糊相似度对所有决策树进行划分，增加随机森林中决策树的差异性，最后从每一个类簇中筛选出分类能力最好的一棵决策树，重新组建成新的随机森林。

第三，将上述获得的随机森林算法和密度峰值算法相结合，以解决乳腺癌样本存在大量的未标签样本，训练的模型分类能力不高的问题。根据共享最近邻的思想，提出了一种密度自适应的邻域构造方法以确定最终邻居集，作为候选聚类中心的初次筛选。为了保证密度的相对性，根据数据的全局特征和局部特征重新定义了局部密度。并且密度峰值算法融合了候选聚类中心计算概念以选出不同的候选聚类中心。然后对这些候选聚类中心再次进行密度峰值聚类，将剩余的点分配到所对应的候选中心点所在类簇中。

2018/09-2021/03, 冯加明(专硕), 基于深度学习的车辆信息检测与识别方法研究. [pdf] [data]

摘要：

为了更好地协助交通管理部门管理交通问题，科研人员开始使用计算机视觉的方法检测与识别交通道路中违法违规的车辆，而车牌、车标与车型等车辆信息的检测与识别是车辆识别的关键。在计算机视觉领域中，深度学习方法在速度与精准度等方面相比传统的机器视觉方法具有极大的优势，因此本文使用深度学习方法对图像中的车辆信息进行检测与识别，具体的研究内容如下：

首先，检测出图像中的车辆信息，包括车牌、车标与车脸。本文选用YOLOV3算法作为主要的检测算法。针对YOLOV3算法模型稳定性差、检测速度慢、小目标物体漏检等问题提出了基于YOLOV3-fass的车辆信息检测算法。该算法以Darknet-53网络结构为基础，删减了部分残差结构，降低了卷积层的通道数，添加了1条下采样支路和3个尺度跳连结构，增加了一个检测尺度，并通过K-均值聚类与手动调节相结合的方法计算出12组锚框值。最后通过迁移学习机制对YOLOV3-fass算法进行微调。在车辆数据集上，与经典算法模型相比YOLOV3-fass算法模型表现更加稳定，YOLOV3-fass算法能够更快的检测到图像中小尺寸的车辆信息。

然后，根据检测出的车标信息确定车辆所属的品牌。本文针对车标数据集中存在的模糊车标难识别问题，设计了基于ResNet18的RDCNet双重抗模糊车标识别模型；针对模型收敛速度慢的问题提出了Turn-relu激活函数；针对车标数据集规模小以及光线对车标识影响较大的问题，在模型的输入端添加了随机数据增强处理装置。在车标数据集上进行实验验证，结果表明RDCNet模型具有抗模糊的性能，车标识别率达到了99.62%，Turn-relu激活函数显著的提高了模型的收敛速度。

最后，在车辆品牌确定之后，基于车脸完成了车型识别。针对同一品牌车辆的车脸相似度较高的问题，本文提出了一种基于RPNet车脸图像区域分治策略的车型识别算法。RPNet是基于经典模型设计的由双路并行卷积运算模块组成的模型结构，并使用了改进的融合下采样模块对特征图进行下采样处理。车脸图像区域分治策略是按照先验经验将车脸切分生成五个区域图像，再使用RPNet模型分别提取各区域图像的精细特征。在车型数据集上进行了实验验证，本文算法的车型识别精度远高于经典模型，并再次验证了Turn-relu激活函数的有效性。

2018/09-2021/03, 张东洋(专硕-杨院长学生), 空间站舱内飞行机器人自主定位导航研究. [pdf]

摘要：

空间站舱内飞行机器人能够协助航天人员完成部分工作，从而减少了航天人员的工作量。近年来，具有自主定位导航功能的空间站舱内飞行机器人成为了新的研究热点。本文主要针对空间站舱内飞行机器人的自主定位、环境地图构建和3 维空间中的路径规划等技术进行研究，设计了一款能够在未知环境下进行自主定位与导航的空间站舱内飞行机器人，为空间站舱内智能飞行机器人的发展奠定基础。本文主要工作如下：

(1) 完成环境信采集工作：经过调研分析，选用性价比较高的Intel RealsenseD435 深度相机采集环境信息，并利用自适应区域生长算法去除深度图像中的噪声，为构建稠密的点云地图和计算像素点的空间坐标做准备；再进行深度图像配准，解决RGB 图与深度图像素点不对应的问题，至此完成环境信息采集工作。

(2) 视觉里程计设计：利用四叉树将RGB 图像均等划分，并提取每个网格中的Fast 角点。以网格为根节点构建多个四叉树，并采用节点自适应深度划分的方法管理特征点；利用FLANN 算法完成特征匹配，并采用EPnP 算法估算帧间位姿，完成飞行机器人的初始定位。

(3) 实现视觉SLAM 后端优化和路径规划：构建BoW 词袋模型和位姿图，并采用图优化方法对全局位姿进行优化，减小飞行机器人在运行中产生的累计误差。将构建的稠密点云地图稀疏化处理，转化成用于导航的OctoMap 地图，并采用改进的RRT*路径规划算法，完成3D 环境中的路径规划。

(4) 飞行机器人自主定位导航综合实验：在Ubuntu16.04 系统的Kdevelop开发软件中编写和调试各模块的程序，并将调试完成的程序移植到飞行机器人平台上，实现视觉SLAM 的定位和3 维地图构建。最后，在宿舍和宿舍厨房完成飞行机器人自主定位和导航的综合实验。实验结果表明，本文设计的空间站舱内飞行机器人能够在空间站舱内模拟环境中实现自主定位、路径规划和3 维地图构建等功能，且具有良好的实时性和鲁棒性。

2017级：

2017/09-2020/03, 冯瑶(学硕), 基于超球体的钢板表面缺陷多分类方法研究. [pdf]

摘要：

近年来，我国钢铁产业在生产设备、生产工艺品种类和质量方面有了很大的改善，并且年产量常居世界第一。然而面对严峻的市场压力和严格的质量要求，仍然不能满足目前发展现状。钢板表面质量的好坏是衡量钢板是否合格的重要标准之一。其中，表面缺陷是阻碍钢铁企业提高钢产品质量的最重要的一个问题。因此，对钢板表面缺陷监测技术的研究成为了关键。大多数钢铁企业采用具有视觉采集装置的表面缺陷检查系统去监控钢板表面缺陷。在检测和识别过程中，缺陷分类是核心的任务，也是表面质量监控的最终目标之一，因为缺陷的类型是钢产品等级划分的重要依据。本文对钢板表面缺陷分类模型进行了研究，主要内容如下：

(1) 为了提高钢板表面缺陷分类精度，本文优先考虑以超球面作为分类面的分类模型。而且，为了抑制特征噪声对分类精度的影响，在孪生超球体支持向量机(THSVM)的基础上，本文提出了一种具有抗特征噪声能力的支持向量超球体多分类模型(ASVHs)。该分类模型通过引入新颖的抗噪属性，改变了原有的依靠边界样本点构造分类面的特点，从而达到抑制边界特征噪声的目的。

(2) 为了解决由于缺陷样本数据量大造成的储存空间大、效率低的问题。在ASVHs分类模型的基础上，提出了一种样本稀疏化策略，即参数迭代调整 (PIA)策略。该策略依靠支持向量描述方法(SVDD)对每类缺陷数据构造一个超球体，通过控制SVDD中的惩罚参数来调整超球体的大小，修剪掉超球体内部的缺陷样本，保留外部的缺陷样本。为了不影响分类精度，本文保留了每类训练缺陷样本的一部分。另外，在PIA策略的基础上，基于稀疏化后的样本重新构造了ASVHs分类模型。因此，基于PIA策略的ASVHs分类模型降低了存储空间开销和在线运行时间。

(3) 为了进一步提高ASVHs分类模型的运行效率，本文提出了ASVHs-WOA参数选择方法。选用新型的鲸鱼优化算法(WOA)与ASVHs分类模型相结合，对ASVHs分类模型中的三个参数进行寻优选择。实验表明，在保证分类精度的基础上，大幅度提高了程序运行效率。

2016级：

2016/09-2019/03, 刘历铭(学硕), 结构支持向量机分类模型研究. [pdf]

摘要：

在机器学习领域，支持向量机(SVM)作为一种新型的、有效的分类或回归方法受到了广泛的应用。相比于传统的机器学习方法，SVM具有很好的泛化性能。然而，在计算复杂度上SVM仍然存在着很大的提升空间。为了降低SVM的计算复杂度，有人提出了孪生支持向量机(TSVM)。它的训练速度比SVM快，同时，它能够提高泛化性能。因此，现阶段，TSVM成为了最受欢迎的分类方法。虽然，SVM和TSVM已经是非常成熟的分类算法，但是，SVM和TSVM都忽略了样本自身隐藏的重要结构信息。因此，本文提出了3种更有效的基于潜在结构信息的分类模型，具体的工作包括以下三个方面：

(1) 相比于数据集的全局结构信息，对于泛化性能来说，局部结构信息也是至关重要的。因此，受近邻边界Fisher判别分析算法(NMFDA)和Fisher判别分析算法(FDA)的启发，在SVM的基础上，本文提出了具有局部结构信息的支持向量机(LSI-SVM)。该算法需要进行三个步骤才可以获得最终的分类超平面。首先，基于FDA算法挖掘数据集的全局结构信息，其次，依据NMFDA算法提取数据集的类内K近邻和类间K近邻局部结构信息，然后，将获得的结构信息引入到SVM中，构造出新的分类模型。最后，在UCI数据集上的测试结果表明本文提出的LSI-SVM算法能够有效的提高模型的分类精度。

(2) 相比于全局间隔，局部类间间隔更能真实的反映样本之间的可分性。因此，受NMFDA算法的启发，在TSVM的基础上，本文提出了一种具有局部结构信息的孪生支持向量机(LSI-TSVM)。首先，基于NMFDA的思想，针对每类样本，挖掘它的类内K近邻和类间K近邻局部结构信息，然后将获得的结构信息引入到TSVM中，获得一个新的分类模型。最终，所有的实验结果表明，本文提出的LSI-TSVM算法在泛化性能上优于现有的算法。

(3) 相比于间隔理论，对于泛化性能来说，间隔分布是更重要的。为了提高TSVM的泛化性能，本文提出了一种基于可调节大间隔分布的孪生支持向量机(ALD-TSVM)。首先，基于大间隔分布机(LDM)的思想，针对每类样本，重新构造间隔分布，然后引入重构的间隔分布到TSVM中，获得一个新的分类模型。最后，数值实验结果表明，本文提出的ALD-TSVM算法在泛化性能上有明显的提升。

2015级：

2015/09-2018/03, 高嵩(专硕), 支持向量机增量学习算法研究. [pdf]

摘要：

支持向量机（Support Vector Machine，SVM）是由Vapnik在上世纪90年代针对分类和回归问题提出的一种全新的机器学习方法。它基于统计学习理论和结构风险最小化原理，在解决小样本、非线性及高维模式学习问题中表现出许多特有的优势，目前已经广泛的应用在各个领域。孪生支持向量机（Twin SVM，TWSVM）是在SVM基础上提出的一种机器学习方法，它在形式上类似于SVM，但计算时间是SVM的四分之一。

随着科技和信息时代的发展，会有海量的数据需要我们处理，想一次性的获取全部信息并对其处理是很难做到的。增量学习技术的出现解决了这类问题，它可以随着数据不断的积累和增加并提高学习精度。增量学习技术对历史结果进行了完美的处理，对它进行了保留和利用，通过对历史结果的利用减少了新增样本的训练时间。因此，研究支持向量机增量学习算法是有必要的。

本文的主要工作包括：

（1）对机器学习问题和统计学习理论进行了研究，剖析了支持向量机的优缺点。

（2）介绍了支持向量机增量学习算法，引入边界向量预选取概念，针对二分类问题提出了基于K-近邻中心密度的支持向量机增量学习算法。在UCI数据集上对算法性能进行了验证，实验结果表明该算法同标准支持向量机训练算法相比，在对精度影响不大的情况下，训练速度得到了明显的提高。

（3）针对多类别分类问题，在孪生支持向量机的基础上个提出了新的分类模型，结合这个模型提出了新的增量学习算法。实验证明，新增量学习算法在对训练精度影响不大的情况下，提高了训练效率。

2014级：

2014/09-2017/07, 侯晓萌(工硕), 基于PMS系统的配电网抢修指挥管理平台的设计与实现. [pdf]

摘要：

随着经济的不断发展和生活水平的不断提高，对配电网供电可靠性、电网设备故障率和故障抢修及时率的要求越来越高。传统的配电网抢修指挥模式主要由抢修指挥人员依据经验和不全面的抢修信息进行调度安排，在配电网布局越来越复杂的今天，抢修模式的局限性渐渐凸显，为了改善传统模式下抢修效率低、抢修信息共享不及时、资源配置不合理的现状，以多重流转系统为基础的智能配网抢修指挥管理模式已成为一种发展趋势。

本文以国内外配网管理文献为基础，根据鞍山市配网抢修指挥工作的实际需要，重点研究了基于PMS的配电网抢修指挥管理平台的建立。首先，通过对配电网抢修指挥业务的背景研究，分析出传统配电网抢修指挥模式下所存在的抢修效率低、工单流转困难、信息获取延时等问题，然后详细介绍了国内外先进配网管理经验，通过对比分析，详细阐述了建立配电网抢修指挥平台的核心思想和实际应用意义；其次，利用J2EE技术中的MVC模式和地理信息技术，先后对平台总体架构、物理架构、数据架构进行设计，应用了基于SOA架构的数据服务器，以PMS系统为基础平台，进而完成对配电网抢修指挥平台的设计与开发。本课题实现了PMS系统与GIS系统、SG186系统、配电自动化系统之间建立数据接口，实现抢修数据的共享；将平台功能划分为4个模块，对每个模块进行功能性评价，对优化部分进行应用；对停电信息报送功能、工单自动流转功能、移动掌上APP功能等进行添加，并对智能工单转派系统进行测试。最后，利用数据与图例形式，展示系统数据实时共享、工单快速流转、辅助优化调度等功能实现。

配电网抢修指挥平台的建立，将打破部门间横向协同壁垒，提高供电公司信息系统实时共享的高效性。更将提高配电网抢修指挥的事前预控，事中处置和事后跟踪能力，实现配电网精益化管理。