研究方向：

计算机视觉：以机器学习、深度学习和深度神经网络等技术为重点，结合传统图像处理方法，实现对图像的智能化自动化识别与检测。近年来我们将计算机视觉技术应用到了工业视觉、医疗仪器和智慧城市等多个应用领域，在理论上取得了多项突破性进展，开发成功一系列智能产品，陆续进入产业化推广阶段，市场前景广阔。

核心技术：

高反光表面缺陷检测：通过在高反光表面不同光照、产品下取得不同类型、形态、尺寸的划痕缺陷图像块作为训练样本训练多层卷积神经网络深度学习算法，再利用训练好的网络模型检测识别出高反光表面划痕缺陷，解决了传统图像识别方法无法识别光影区域内划痕缺陷的难题。该技术可广泛应用于手机屏、液晶玻璃、金属等各种反光材料表面的高精度划痕、斑点的检测。

复杂背景下的缺陷检测方法：以深度学习中的卷积神经网络为核心，以所采集的缺陷数据为驱动，采用当前计算机视觉中最为前沿的图像分类，目标检测以及实例分割等视觉检测技术来自动分析大规模缺陷图像数据，精确定位出数据中出现缺陷。

医疗显微图像自动分类技术：以AI深度学习为主要技术手段,综合了医学影像学、遗传学、计算机科学与人工智能等多学科知识，为人类染色体核型分析提供专家级自动化解决方案，为细胞遗传分类、物种间亲缘的关系以及染色体数目和结构变异的研究提供重要依据。

微小笔画缺陷检测技术：以 Shi-Tomasi角点技术为基础，快速地从图像中提取到对应特征，在充分考虑遮挡/仿射形变/非线性光照等因素的情况下，使用图像形态学处理手段增强容错性，最终实现印刷图案的精确定位，包括位置和角度偏差。再利用统计聚类方法启发式地/自动地搜寻印刷图案缺陷。

相关业绩：

在工业检测领域：

1、为华为南方工厂开发成功了全国首套服务器外观质量检测系统。

2、与手机厂合作，成功开发了手机导光板缺陷自动检测系统。

医疗AI领域：

和三甲医院合作，实现了染色体影像核型分类与编号模型的开发，可以和染色体显微批量成像系统对接,实现染色体核型的自动配对分析，分类配对准确率达到90%，大大优于国外软件，染色体核型分析效率提升3倍以上。该技术可广泛应用于各种医疗显微影像的自动识别处理。

在智能交通领域：

1、公路病害检测系统，采用对抗神经网络技术，对公路路面监测影像进行自动处理，识别并定位公路路面病害如裂缝、龟裂、灰浆等等，弥补了目前自动化图像采集与后期人工手动判断之间的巨大鸿沟，可广泛应用与对各类交通设施如边坡、隧道、桥梁等检测中。

2、与警灯厂家合作，研发成功的新型警车违章取证系统实现了违章场景和车牌号的自动识别，通过了公安部的评审，并开发成功了高速路版、城区版和摩托车版等系列化产品，在短短一年时间里已在全国推广应用了200多套。

智能视频分析领域：

获得省质监局2016年广东省现代服务业先进标准体系试点项目立项 “智能人像识别社区管理应用先进标准体系试点”；参与编写了广东省两项和人脸识别相关的标准制定:TGDMA 3-2018《人像特征库建设规范》、TGDMA 2-2018《人像特征核心元数据》。合作研发的多角度人脸识别系统实现了在真实环境下的多维动态人像库的建立，在广东省公安厅打击刑事犯罪“2016飓风专项成果展”中，表现优异，获公安厅好评；在2017年广东省公共安全技术防范协会举办的公共安全设备展览中获“广东省公共安全科技创新成果奖”。

实验设施设备：

高性能深度学习服务器一台、激光系统一套。