陈海永，男，教授，博士生导师。2008年于中国科学院自动化研究所获工学博士学位，研究方向机器视觉； 2008年以来在河北工业大学工作，至今在河北工业大学人工智能与数据科学学院学院。

学术成果：2017年荣获河北省青年科技奖，2013年入选首届河北省青年拔尖人才支持计划, 2015年度“三三三人才工程”第三层次，天津市科技特派员，中国青年科技工作者协会会员，天津市青年联合委员会委员，河北省自动化学会理事。河北省优秀硕士学位论文导师，2015年、2017年挑战杯优秀指导教师。作为课题负责人先后完成国家“863”,国家基金等项目10项，在研企业合作项目、河北省自然科学基金等项目3项。主持获得河北省科技进步三等奖1项，参与获得河北省科技进步一等奖1项。在《IET Control Theory & Applications》、《The International Journal of Advanced Manufacturing Technology》、《自动化学报》、《控制与决策》等国内外期刊、国际会议发表论文近50篇。已授权发明专利9项，申请发明专利8项。IEEE Transactions on INDUSTRIAL ELECTRONICS、IEEE Transactions on Automation Science and Engineering、IEEE TRANSACTIONS ON INSTRUMENTATION AND MEASUREMENT 等多个国际期刊审稿专家。

研究领域：目前，人工视觉检测或者一些视觉方法在解决表面缺陷检测方面起到重要作用，但是复杂背景下高精度和高适应性缺陷感知与认知仍然所知甚少。机器视觉未来的发展重点在于提高精度、高适应性、响应速度和环境认知能力。如何形成类似生物特性的环境感知和认知能力是机器视觉的研究重点之一。因此，模拟生物视觉及信息处理过程的感知和认知过程，针对表面缺陷复杂背景和弱缺陷特性导致的人工特征提取不确定性问题，从多光谱图像缺陷优化融合感知、多特征缺陷自主认知和强化认知等三个方面，构建一个基于视觉感知和深度学习的表面缺陷检测框架，对复杂背景下表面缺陷视觉检测具有重要的价值和意义。在太阳能电池、带钢、液晶面板、半导体晶片等领域的应用也具有重要实用价值和应用前景。本研究领域属于人工智能与智能制造的交叉融合，是引领制造过程智能化质量控制的关键技术之一。本课题组致力于机器视觉领域的机器学习算法及软件研究，研究方向包括：

1、高动态多类型特征协同融合感知。目前机器视觉的动态范围较低、光谱信息获取较粗，导致难以获得高质量的关键区域的清晰图象和细节信息。为此，本课题组围绕焊缝区域、太阳能光伏电池、带钢等研究对象，考虑其光谱特征、光照强度非高斯分布特性，获取高维的多光谱或者多曝光图像的数据集，研究高动态图像重构方法来实现多类型特征信息、空间结构信息、纹理特征和缺陷特征信息的全覆盖感知，弱化背景信息干扰。

2、基于深度学习的多缺陷分类与检测。考虑不均匀纹理和缺陷特征光谱相似导致的不确定性问题，模拟人脑信息处理机制，研究不同的深度学习网络结构对颜色特征、纹理特征和缺陷特征的认知能力，建立复杂背景信息和弱特征缺陷信息对应的互补协同深度学习网络模型。考虑缺陷图像样本缺失或高成本导致的缺陷检测模型不确定性问题，利用人脑发现事物间相似性以实现对未知事物强化自主认知的特点，研究缺陷共享特征空间映射自学习、基于激活最大化指标的精细化调整和高速计算方法。

3、三维点云数据缺陷信息挖掘。在大型复杂自由曲面上检测小表面异常是一项重大挑战。为了实现一致的，成本有效和快速的检查，非常需要机器人或自动检查系统。无人值守的检测系统面临的挑战是创建一个强大而准确的系统，该系统不会受到环境变化的不利影响。安装在机器人上的激光线扫描系统可用于从大型复杂几何形状中以点云的形式获取表面测量值。本项目组利用实验室的机器人和激光测量设备，致力于解决了基于点云数据如何检测表面异常的挑战。

联系人：陈老师 13001375601      电子邮件：haiyong.chen@hebut.edu.cn