一、个人基本情况
钱晓亮，男，汉族，1982年10月出生，于2013年在西北工业大学自动化学院控制科学与工程专业获工学博士学位，现为郑州轻工业大学电气信息工程学院副教授，硕士生导师，人工智能与智能系统团队负责人。兼任中国图象图形学会的高级会员和遥感图像专业委员会委员，中国电工技术学会高级会员，河南省电工技术学会和河南省仪器仪表学会理事，IEEE、中国计算机学会和中国人工智能学会的会员。担任国家自然科学基金、教育部学位与研究生教育发展中心的网评专家。担任IEEE TPAMI、IEEE TGRS、IEEE TMM、IEEE TSMCA、IEEE TCSVT、IEEE TIV、IEEE TASE等多个IEEE会刊，和IEEE、Elsevier、Springer、IET、Wiley等多个著名出版商旗下的30余本SCI期刊，以及遥感学报、吉林大学学报（工学版）和工程科学学报等多个国内优秀EI期刊的审稿专家。
主要从事人工智能、计算机视觉、高分辨率遥感影像解译、机器视觉检测及其在新能源发电设备质量检测中的应用等方向的研究工作。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，河南省科技攻关项目2项、河南省高等学校重点科研项目基础研究专项1项，企业委托横向项目6项，总计到账经费300余万元。作为第一完成人，获河南省科学技术进步奖二等奖、河南省教育厅科技成果奖一等奖、《遥感学报》和《仪器仪表学报》年度优秀论文奖各1项，河南省教育厅优秀科技论文奖一等奖2项。作为第一或通讯作者，发表SCI/EI索引论文40余篇，其中，中科院一区Top期刊论文7篇（含ESI高被引论文2篇）、二区论文11篇；中文EI期刊论文6篇。作为第一发明人，授权发明专利9项。作为第一著作人，在电子工业出版社出版学术专著2部。
邮箱：qxl_sunshine@163.com
二、承担课程
本科生：《专业导论与工程伦理》、《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、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] 河南省高等学校重点科研项目计划基础研究专项，小样本条件下基于协同视觉显著性和深度学习的高分遥感图像解译方法研究，2024.01~2026.12，30万元，主持
[4] 河南省重点研发与推广专项（科技攻关）项目，小样本条件下基于深度学习的高分遥感图像有向目标检测技术研究，2023.01-2024.12，10万元，主持.
[5] 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.
[6] 郑州轻工业大学科技创新团队项目，人工智能驱动的视/触觉理解与复杂系统智能控制，2024.01-2028.12，50万，主持
[7] 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，2021.08-2023.07，102万，主持.
[8] 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.
[9] 郑州丰嘉科技有限公司（横向项目），基于人工智能的超脑模型训练系统开发，2021.01-2023.01，29万，主持.
[10] 南京东大能源工程设计院有限公司（横向项目），国网南通供电公司2023年基于面向固定和机载相机视角的违章行为识别技术研究服务，2023.11-2023.12，20.4万，主持
[11] 江苏思极科技服务有限公司（横向项目），2023年思极南通分公司工作票违章自动识别技术服务，2023.10-2023.12，12万，主持
2.科技奖励
[1] 太阳能电池组件故障诊断中的视觉检测关键技术及应用，河南省科学技术进步奖，二等奖，2023.03，第一完成人。
[2] 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，2021.06，第一完成人。
[3] Micro-cracks detection of solar cells surface via combining short-term and long-term deep features，河南省教育厅优秀科技论文奖，一等奖，2022.06，第一完成人。
[4] Object Detection in Remote Sensing Images Based on Improved Bounding Box Regression and Multi-Level Features Fusion，河南省教育厅优秀科技论文奖，一等奖，2023.06，第一完成人。
[5] 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，《遥感学报》年度优秀论文奖，2020，第一完成人。
[6] 基于视觉显著性的太阳能电池片表面缺陷检测，《仪器仪表学报》年度优秀论文奖，2019，第一完成人。
3.代表性论文（*代表通讯作者）
[1] Xiaoliang Qian, Yinfeng Zeng, Wei Wang*, Qiuwen Zhang*, Co-saliency Detection Guided by Group Weakly Supervised Learning, IEEE Transactions on Multimedia, 2023, 25: 1810-1818.. (IF=7.3, 中科院一区Top, ESI高被引)
[2] Xiaoliang Qian, Baokun Wu, Gong Cheng*, Xiwen Yao, Wei Wang*, Junwei Han, Building a Bridge of Bounding Box Regression Between Oriented and Horizontal Object Detection in Remote Sensing Images, IEEE Transactions on Geoscience and Remote Sensing, 2023, vol. 61, pp. 1-9, Art no. 5605209. (IF=8.2, 中科院一区Top, ESI高被引)
[3] Xiaoliang Qian, Chenhao Wang, Wei Wang*, Xiwen Yao, Gong Cheng*, Complete and Invariant Instance Classifier Refinement for Weakly Supervised Object Detection in Remote Sensing Images, IEEE Transactions on Geoscience and Remote Sensing, 2024, DOI: 10.1109/TGRS.2024.3408895. (IF=8.2, 中科院一区Top)
[4] Xiaoliang Qian, Yu Huo, Gong Cheng*, Xiwen Yao, Wei Wang*, Mining High-quality Pseudoinstance Soft Labels for Weakly Supervised Object Detection in Remote Sensing Images, IEEE Transactions on Geoscience and Remote Sensing, 2023, vol. 61, pp. 1-15, Art no. 5607615. (IF=8.2, 中科院一区Top)
[5] Xiaoliang Qian, Jing Li, Jinde Cao, Yuanyuan Wu*, Wei Wang*, Micro-cracks detection of solar cells surface via combining short-term and long-term deep features, Neural Networks, 2020, 127: 132-140. (IF=9.657, 中科院一区Top，河南省教育厅优秀科技论文奖一等奖)
[6] Xiaoliang Qian, Chao Li, Wei Wang*, Xiwen Yao, Gong Cheng*, Semantic Segmentation Guided Pseudo Label Mining and Instance Re-Detection for Weakly Supervised Object Detection in Remote SensingImages, International Journal of Applied Earth Observation and Geoinformation, 2023, volume 119, Art no. 103301, pp. 1-11. (IF=7.5, 中科院一区Top)
[7] Xuan Xie, Gong Cheng*, Xiaoxu Feng, Xiwen Yao, Xiaoliang Qian*, Junwei Han, Attention Erasing and Instance Sampling for Weakly Supervised Object Detection, IEEE Transactions on Geoscience and Remote Sensing, 2023, vol. 62, pp. 1-10, Art no. 5600910. (IF=8.2, 中科院一区Top)
[8] Xiaoliang Qian, Chenhao Wang, Chao Li, Zhehui Li, Li Zeng, Wei Wang*, QingE Wu*, Multi-Scale Image Splitting Based Feature Enhancement and Instance Difficulty Aware Training for Weakly Supervised Object Detection in Remote Sensing Images, IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2023, 16: 7497-7506. (IF=5.5，中科院二区Top)
[9] 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. (IF=5.5，中科院二区Top)
[10] Xiaoliang Qian, Xiaohao Chen, Weichao Yue, Xianglong Liu, Jungang Guo, Zhehui Li, Yinhua Li*,Wei Wang*, Generating and Sifting Pseudolabeled Samples for Improving the Performance of Remote Sensing Image Scene Classification, IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2020, 13: 4925-4933. (IF=5.5，中科院二区Top)
[11] Xiaoliang Qian, Chenyang Lin, Zhiwu Chen, Wei Wang*, SAM-Induced Pseudo Fully Supervised Learning for Weakly Supervised Object Detection in Remote Sensing Images, Remote Sensing, 2024, 16(9): 1-19, Art no. 1532. (IF=5.0, 中科院二区)
[12] Xiaoliang Qian, Niannian Zhang, Wei Wang*, Smooth GIoU Loss for Oriented Object Detection in Remote Sensing Images, Remote Sensing, 2023, 15(5): Article 1259, 1-21. (IF=5.0, 中科院二区)
[13] Xiaoliang Qian, Sheng Lin, Gong Cheng*, Xiwen Yao, Hangli Ren and Wei Wang*, Object Detection in Remote Sensing Images Based on Improved Bounding Box Regression and Multi-Level Features Fusion, Remote Sensing, 2020,12(1): Article 143, 1-21. (IF=5.0, 中科院二区)
[14] Jia Li, Yujia Liao, Junjie Zhang, Dan Zeng, Xiaoliang Qian*, Semi-Supervised DEGAN for Optical High-Resolution Remote Sensing Image Scene Classification, Remote Sensing, 2022, 14: Article 4418, 1-21. (IF=5.0, 中科院二区)
[15] Xiaoliang Qian, Xi Cheng, Gong Cheng*, Xiwen Yao, Liying Jiang*, Two-stream Encoder GAN with Progressive Training for Co-Saliency Detection, IEEE Signal Processing Letter, 2021, 28: 180-184. (IF=3.9, 中科院二区)
[16] Yu Huo, Xiaoliang Qian*, Chao Li, Wei Wang*, Multiple Instances Complementary Detection and Difficulty Evaluation for Weakly Supervised Object Detection in Remote Sensing Images, IEEE Geoscience and Remote Sensing Letters, 2023, vol. 20, pp. 1-5, Article 6006505. (IF=4.8, 中科院二区)
[17] Xiaoliang Qian, Erkai Li, Jianwei Zhang, Su-Na Zhao, Qing-E Wu, Huanlong Zhang, Wei Wang*, Yuanyuan Wu*, Hardness Recognition of Robotic Forearm Based on Semi-supervised Generative Adversarial Networks, Frontiers in Neurorobotics, 2019, 13: Article 73, page 1-10. (IF=3.1, 中科院二区)
[18] 钱晓亮，李佳，程塨，姚西文，赵素娜，陈宜滨，姜利英*，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，遥感学报，2018，22(5): 758-776. (EI，杂志社年度优秀论文奖，入选中国知网“高PCSI论文、高被引论文、高下载论文”)
[19] 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. (EI，杂志社年度优秀论文奖，入选中国知网“高PCSI论文、高被引论文、高下载论文”)
[20] 钱晓亮，曾银凤，林生*，张博，任航丽，王慰，融合自适应窗口显著性检测和改进超像素分割的高光谱异常检测，遥感学报，2023，27(12): 2748-2761. (EI)
[21] 钱晓亮，白臻，陈渊，张鼎文，史坤峰，王芳，吴青娥，毋媛媛*，王慰*，协同视觉显著性检测方法综述，电子学报，2019，47(6): 1352-1365. (EI)
[22] 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. (EI)
[23] 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. (EI)
4.学术专著
[1] 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。
[2] 钱晓亮，基于深度学习的高分辨率遥感图像场景分类，电子工业出版社，2022.04。
5.发明专利
[1] 弱监督学习引导的协同显著性检测方法，ZL202210375572.2，2023.01，第一发明人
[2] 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，ZL202011558989.X，2021.09，第一发明人
[3] 基于协同显著性生成式对抗网络的协同显著性检测方法， ZL201911368623.3，2020.10，第一发明人
[4] 基于新的边框回归损失函数的遥感图像目标检测方法，ZL201911340541.8，2020.10，第一发明人
[5] 基于生成式对抗网络的半监督高分辨率遥感图像场景分类方法， ZL201910948951.4，2020.09，第一发明人
[6] 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， ZL201910511774.3，2020.05，第一发明人
[7] 基于自适应特征和离散余弦变换的视觉显著性检测方法，ZL201610927514.0，2018.05，第一发明人
[8] 基于栅线检测的单晶硅太阳能电池片表面缺陷检测方法，ZL201710438495.X，2018.03，第一发明人
[9] 基于自学习特征和矩阵低秩复原的视觉显著性检测方法，ZL201610926623.0，2017.09，第一发明人