研究方向：

計算機視覺：以機器學習、深度學習和深度神經網絡等技術為重點，結合傳統圖像處理方法，實現對圖像的智能化自動化識別與檢測。近年來我們將計算機視覺技術應用到了工業視覺、醫療儀器和智慧城市等多個應用領域，在理論上取得了多項突破性進展，開發成功一系列智能產品，陸續進入產業化推廣階段，市場前景廣闊。

核心技術：

高反光表面缺陷檢測：通過在高反光表面不同光照、產品下取得不同類型、形態、尺寸的劃痕缺陷圖像塊作為訓練樣本訓練多層卷積神經網絡深度學習算法，再利用訓練好的網絡模型檢測識別出高反光表面劃痕缺陷，解決了傳統圖像識別方法無法識別光影區域內劃痕缺陷的難題。該技術可廣泛應用于手機屏、液晶玻璃、金屬等各種反光材料表面的高精度劃痕、斑點的檢測。

復雜背景下的缺陷檢測方法：以深度學習中的卷積神經網絡為核心，以所采集的缺陷數據為驅動，采用當前計算機視覺中最為前沿的圖像分類，目標檢測以及實例分割等視覺檢測技術來自動分析大規模缺陷圖像數據，精確定位出數據中出現缺陷。

醫療顯微圖像自動分類技術：以AI深度學習為主要技術手段,綜合了醫學影像學、遺傳學、計算機科學與人工智能等多學科知識，為人類染色體核型分析提供專家級自動化解決方案，為細胞遺傳分類、物種間親緣的關系以及染色體數目和結構變異的研究提供重要依據。

微小筆畫缺陷檢測技術：以 Shi-Tomasi角點技術為基礎，快速地從圖像中提取到對應特征，在充分考慮遮擋/仿射形變/非線性光照等因素的情況下，使用圖像形態學處理手段增強容錯性，最終實現印刷圖案的精確定位，包括位置和角度偏差。再利用統計聚類方法啟發式地/自動地搜尋印刷圖案缺陷。

相關業績：

在工業檢測領域：

1、為華為南方工廠開發成功了全國首套服務器外觀質量檢測系統。

2、與手機廠合作，成功開發了手機導光板缺陷自動檢測系統。

醫療AI領域：

和三甲醫院合作，實現了染色體影像核型分類與編號模型的開發，可以和染色體顯微批量成像系統對接,實現染色體核型的自動配對分析，分類配對準確率達到90%，大大優于國外軟件，染色體核型分析效率提升3倍以上。該技術可廣泛應用于各種醫療顯微影像的自動識別處理。

在智能交通領域：

1、公路病害檢測系統，采用對抗神經網絡技術，對公路路面監測影像進行自動處理，識別并定位公路路面病害如裂縫、龜裂、灰漿等等，彌補了目前自動化圖像采集與后期人工手動判斷之間的巨大鴻溝，可廣泛應用與對各類交通設施如邊坡、隧道、橋梁等檢測中。

2、與警燈廠家合作，研發成功的新型警車違章取證系統實現了違章場景和車牌號的自動識別，通過了公安部的評審，并開發成功了高速路版、城區版和摩托車版等系列化產品，在短短一年時間里已在全國推廣應用了200多套。

智能視頻分析領域：

獲得省質監局2016年廣東省現代服務業先進標準體系試點項目立項 “智能人像識別社區管理應用先進標準體系試點”；參與編寫了廣東省兩項和人臉識別相關的標準制定:TGDMA 3-2018《人像特征庫建設規范》、TGDMA 2-2018《人像特征核心元數據》。合作研發的多角度人臉識別系統實現了在真實環境下的多維動態人像庫的建立，在廣東省公安廳打擊刑事犯罪“2016颶風專項成果展”中，表現優異，獲公安廳好評；在2017年廣東省公共安全技術防范協會舉辦的公共安全設備展覽中獲“廣東省公共安全科技創新成果獎”。

實驗設施設備：

高性能深度學習服務器一臺、激光系統一套。