钱晓亮

发布者:张曲遥发布时间:2020-03-22浏览次数:1118

一、个人基本情况

2004年获西安工业大学电子信息工程学院学士学位,2007和2013年分获西北工业大学自动化学院硕士和博士学位。2013.09至2014.03在西安理工大学自动化与信息工程学院工作,2014.04至今工作于郑州轻工业大学电气信息工程学院。邮箱qxl_sunshine@163.com。

兼任IEEE会员,中国计算机学会、中国图象图形学学会、自动化学会会员,河南省仪器仪表学会理事,河南省人工智能学会会员,河南省电工技术学会会员。担任IEEE Transactions on Multimedia, IEEE Transactions on Geoscience and Remote Sensing, IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing,IEEE Signal Processing Letter, IEEE Access,Artificial Intelligence Review,Neurocomputing, International Journal of Remote Sensing,Neural Processing Letters,EURASIP Journal on Advances in Signal Processing,Optik,HELIYON,工程科学学报,吉林大学学报(工学版),遥感学报等国际/国内期刊的审稿专家。

先后主持国家自然科学基金面上项目和青年科学基金项目各1项,河南省科技攻关计划、河南省高等学校重点科研项目各1项。作为第一作者发表学术论文23篇,其中,SCI收录11篇,EI收录9篇。作为第一发明人授权发明专利8项。作为第一著作人出版学术专著1部。主持完成河南省教育厅科技成果奖一等奖1项参与完成河南省科学技术进步奖二等奖、三等奖各1项。

二、承担课程

本科生:《传感器与检测技术》

研究生:《图像处理与模式识别》

三、研究方向

人工智能、计算机视觉、高分辨率遥感影像解译、目标检测、机器视觉检测及其在新能源发电设备质量检测中的应用

四、近年科研项目、代表性论著、发明专利、荣誉与获奖

1.科研项目

[1]国家自然科学基金面上项目,基于协同视觉显著性和渐进式标注的半监督高分遥感图像有向目标检测,2021.01-2024.12,59万元,主持.

[2]国家自然科学基金青年科学基金项目,基于自学习对比度视觉注意模型和自适应深度特征的无分类目标检测,2016.01-2018.12,19万元,主持.

[3]河南省重点研发与推广专项(科技攻关)项目,机械手柔性抓取中基于半监督GAN和多深度特征LSTM的物体硬度识别技术研究,2020.01-2021.12,10万元,主持.

[4]河南省高等学校重点科研项目,基于视觉显著性的太阳能电池片表面缺陷在线检测技术的研究,2015.01-2016.12,3万,主持.

[5]河南士土多电力科技有限公司(横向项目),基于深度学习和机器视觉的太阳能电池缺陷检测系统研发2021.08-2023.07102万,主持.

[6]河南士土多电力科技有限公司(横向项目),安防监控中基于深度学习的目标检测系统研发,2019.05-2020.12,98万,主持.

2.代表性论著

[1] Xiaoliang Qian, Jing Li, Jinde Cao, et al. Micro-cracks detection of solar cells surface via combining short-term and long-term deep features [J]. Neural Networks, 2020, 127: 132-140.

[2] Xiaoliang Qian, Heqing Zhang, Cunxiang Yang, et al. Micro-cracks detection of multicrystalline solar cell surface based on self-learning features and low-rank matrix recovery [J]. Sensor Review, 2018, 38(3): 360-368.

[3] Xiaoliang Qian, Jing Li, Jianwei Zhang, et al. Micro-crack Detection of Solar Cell Based on Adaptive Deep Features and Visual Saliency [J]. Sensor Review, 2020, 40(4): 385-396.

[4] Xiaoliang Qian, Erkai Li, Jianwei Zhang, et al. Hardness Recognition of Robotic Forearm Based on Semi-supervised Generative Adversarial Networks [J]. Frontiers in Neurorobotics, 2019, 13: 1-10.

[5] Xiaoliang Qian, Sheng Lin, Gong Cheng, et al. Object Detection in Remote Sensing Images Based on Improved Bounding Box Regression and Multi-Level Features Fusion [J]. Remote Sensing, 2020, 12(1): 1-21.

[6] Xiaoliang Qian, Yu Huo, Gong Cheng, Xiwen Yao, Ke Li, Hangli Ren, Wei Wang, Incorporating the Completeness and Difficulty of Proposals into Weakly Supervised Object Detection in Remote Sensing Images, IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2022, 15: 1902-1911.

[7] Xiaoliang Qian, Xiaohao Chen, Weichao Yue, et al. Generating and Sifting Pseudo Labeled Samples for Improving the Performance of Remote Sensing Image Scene Classification [J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2020, 13: 4925-4933.

[8] Xiaoliang Qian, Xi Cheng, Gong Cheng, et al. Two-stream Encoder GAN with Progressive Training for Co-Saliency Detection [J]. IEEE Signal Processing Letter, 2021, 28: 180-184.

[9] Xiaoliang Qian, Junwei Han, Gong Cheng, et al. Optimal contrast based saliency detection [J]. Pattern Recognition Letters, 2013, 34(11): 1270-1278.

[10] Xiaoliang Qian, Qian Liu, Qingbo Li, et al. Fixed-Time Synchronization for Dynamical Complex Networks with Nonidentical Discontinuous Nodes, Mathematical Problems in Engineering, 2021, Article 6654193, 1-14.

[11] 钱晓亮,张鹤庆,张焕龙等. 基于视觉显著性的太阳能电池片表面缺陷检测[J]. 仪器仪表学报,2017,38(7): 1570-1578.

[12] 钱晓亮,李佳,程. 特征提取策略对高分辨率遥感图像场景分类性能影响的评估[J]. 遥感学报,2018,22(5): 758-776.

[13] 钱晓亮,白臻,陈渊等. 协同视觉显著性检测方法综述[J]. 电子学报,2019,47(6): 1352-1365.

[14] 钱晓亮,郭雷,韩军伟等. 一种基于加权稀疏编码的频域视觉显著性检测算法[J]. 电子学报,2013,41(6): 1159-1165.

[15] 钱晓亮,郭雷,韩军伟等. 视觉显著性检测:一种融合长期和短期特征的信息论算法[J]. 电子与信息学报,2013,35(7): 1636-1643.

[16] 钱晓亮,王慰,王延峰,曾黎. 视觉显著性检测方法及应用. 电子工业出版社,2018.08.

3.发明专利

[1] 钱晓亮,栗靖,田二林等,融合短时和长时深度特征的太阳能电池片表面缺陷检测方法,发明专利,专利号:ZL201910511774.3,授权时间:2020.05.

[2] 钱晓亮,张鹤庆,李清波等,基于栅线检测的单晶硅太阳能电池片表面缺陷检测方法,发明专利,专利号:ZL201710438495.X,授权时间:2018.03.

[3] 钱晓亮,林生,王淑娟等,基于新的边框回归损失函数的遥感图像目标检测方法,发明专利,专利号:ZL201911340541.8,授权时间:2020.10.

[4] 钱晓亮,李佳,刘玉翠等,基于生成式对抗网络的半监督高分遥感图像场景分类方法,发明专利,专利号:ZL201910948951.4,授权时间:2020.09.

[5] 钱晓亮,李清波,耿盛涛等,基于自适应特征和离散余弦变换的视觉显著性检测方法,发明专利,专利号:ZL201610927514.0,授权时间:2018.05.

[6] 钱晓亮,张焕龙,刘玉翠等,基于自学习特征和矩阵低秩复原的视觉显著性检测方法,发明专利,专利号:ZL201610926623.0,授权时间:2017.09.

[7] 钱晓亮,白臻,任航丽等基于协同显著性生成式对抗网络的协同显著性检测方法,发明专利,专利号:ZL201911368623.3,授权时间:2020.10.

[8] 钱晓亮,成曦,岳伟超,基于双编码器生成式对抗网络的协同视觉显著性检测方法,发明专利,专利号:ZL202011558989.X,授权时间:2021.09.

4.荣誉与获奖

[1] 复杂环境下视觉检测与理解关键技术及应用,河南省教育厅,科技成果奖一等奖2021第一.