科研学术
Scientific Research
工业视觉与智能系统团队
  • 吴宗泽/ 教授

    本团队负责人吴宗泽教授,是俄罗斯工程院外籍院士,国家创新人才推进计划”中青年科技创新领军人才,广东省“特支计划”科技创新领军人才,科技创新2030-国家新一代人工智能重大项目负责人;深圳大学机电与控制工程学院特聘教授,博导,院长,西安交通大学人工智能学院兼职教授;中国自动化学会工业视觉专业委员会(筹)主任委员,物联网信息技术省部院产学研创新联盟副理事长兼秘书长,全球智能集装箱产业联盟副理事长,中国人工智能学会智能检测与运动控制专委会副秘书长,中国塑料机械工业协会专家委员会委员;广东省离散制造知识自动化工程技术研究中心主任,粤港澳离散制造智能化联合实验室常务副主任,视觉信息处理与应用国家工程实验室工业视觉应用首席科学家,国家智能制造试点示范基地技术负责人;International Journal of Fuzzy Systems编委和Journal of Robotics and Control编委。研究方向包括物联网、智能制造、新一代人工智能等。

    2017年教育部科技进步一等奖(第1完成人)、2014年广东省科学技术一等奖(第1完成人);2018年广东省技术发明一等奖(第5完成人)、2013年广东省技术发明一等奖(第7完成人)和教育部技术发明二等奖(第2完成人)、2008年获得广东省自然科学奖一等奖(第8完成人)。2003年获得“微软学者”,2006年获得陕西省优秀共产党员,2015年获得“科学中国人”。

    先后主持科研项目50余项,包括国家新一代人工智能重大专项,国家智能制造新模式重大专项、国家自然科学基金、国家电子发展基金、国家科技支撑计划、国家973子课题等。发表学术论文100余篇,SCI索引50余篇;申请发明专利96项,授权65项,申请海外专利5件;获得软件著作权20余件,参与制定2项国家标准。

    在智能制造方面,国家智能制造试点示范的技术负责人,参与研制的2个工业云平台(“塑云”和“数智工厂”)入选广东省工业互联网资源池;在物联网方面,负责主持研发的全球物流装备监控大数据分析及运营平台(ONECONN)、物流装备智能传感网系统、中国移动智能终端池系统、中国电信多方视频通系统等10余个系统上线运行。


    ■  主要科学技术奖励:

    [1] 2017年教育部科技进步一等奖,基于多传感器信息融合的集装箱物流安全监测关键技术及系统(第1完成人)

    [2] 2014年广东省技术发明一等奖,基于情景感知的视频编解码与传输控制关键技术研究及应用(第1完成人)

    [3] 2013年教育部技术发明二等奖,面向高QoE的视频编码与传输新技术与新产品及其应用(第2完成人)

    [4] 2018年广东省科学技术奖一等奖(技术发明类),北斗卫星信号快速捕获新方法及芯片设计(第5完成人)

    [5] 2013年广东省科学技术奖一等奖(技术发明类),新型RFID传感网技术及其在铁路交通中的应用(第7完成人)

    [6] 2008年广东省科学技术一等奖(自然科学类),盲信号分离的基本理论与神经网络方法(第8完成人)


    ■  近五年主持代表性科研项目

    [1] 2021年解放军总后勤项目:热带海域创伤时效精准救治技术的研究(517万)

    [2] 2021年广东省重点领域研发计划,基于知识自动化的工艺知识获取与软件化技术及应用(2021B0101200005,广东省科技厅资助800万元)

    [3] 2020年国家新一代人工智能重大项目:具有自主学习能力的品质检验关键技术及系统(2020AAA0108300,科技部资助2680万)

    [4] 2019年中央组织部,国家万人计划入选人才2019年特殊支持经费,国家万人计划科技创新领军人才(组厅字[2019]10号,80万元)

    [5] 2019年横向课题:注塑成型大数据平台开发(135万)

    [6] 2018年广东省委组织部,广东省特支计划科技创新领军人才(粤人才办〔2018〕9号,80万元)

    [7] 2018年横向课题:基于毫米波雷达的AGV小车定位与导航试验系统(150万)

    [8] 2017年国家自然科学基金重点项目:面向工业过程数据实时获取与知识自动化理论与技术研究(U1701261,280万)

    [9] 2016年国家智能制造新模式重大专项:大型注塑成型装备制造智能工厂(工信部联装【2016】213号,工信部资助2700万)

    [10] 2016年国家自然科学基金面上项目:大数据驱动的注塑成型知识自动化理论与方法研究(61673126,63万)


    ■  代表性论文

    [1] Y Liu, JW Wang, Z Wu*, Z Ren, S Xie,Robust H∞ Control for Semilinear Parabolic Distributed Parameter Systems With External Disturbances via Mobile Actuators and Sensors,IEEE Transactions on Cybernetics,2022(online)

    [2] D ZENG, Z LIANG, Z WU*,Optimal Mean Linear Classifier via Weighted Nuclear Norm and L2,1 Norm,电子与信息学报44(5):1595-1604,2022

    [3] Y Liu, Z Wu, J Lai, Z Ren, S Xie,Iterative learning feedback control for linear parabolic distributed parameter systems with multiple collocated piecewise observation,Journal of the Franklin Institute,2022(online)

    [4] Z Wu, C Su, M Yin, Z Ren, S Xie,Subspace clustering via stacked independent subspace analysis networks with sparse prior information,Pattern Recognition Letters 146, 165-171,2021

    [5] D Zeng, Z Wu*, C Ding, Z Ren, Q Yang, S Xie,Labeled-robust regression: Simultaneous data recovery and classification,IEEE Transactions on Cybernetics,2020(online)

    [6] 陈文帅,任志刚,吴宗泽*,付敏跃,基于深度学习的极性电子元器件目标检测与方向识别方法,中国自动化学报,DOI:10.16383/j.aas.c190037,2020

    [7] Z. Wu, S. Liu, C. Ding, Z. Ren, and S. Xie, Learning graph similarity with large spectral gap, IEEE Transactions on Systems, Man,and Cybernetics: Systems, 2019.

    [8] Z. Wu, H. Chen, S. Du, M. Fu, N. Zhou, and N. Zheng, Correntropy based scale icp algorithm for robust point set registration,Pattern Recognition, vol. 93, pp. 14-24, 2019.

    [9] Z. Wu, M. Fu, Y. Xu, and R. Lu, "A distributed kalman filtering algorithm with fast finite-time convergence for sensor networks,"Automatica, vol. 95, pp. 63-72, 2018.

    [10] Z. Wu, Q. Cai, and M. Fu, "Covariance intersection for partially correlated random vectors,"IEEE Transactions on Automatic Control, vol. 63, no. 3, pp. 619-629, 2017.


    ■  代表性知识产权

    [1] 吴宗泽、谢胜利等,一种离散制造场景中的强化学习奖励自学习方法,ZL2020100059091

    [2] 吴宗泽、谢胜利等,一种基于YOLO9000算法的电路板元器件检测方法,ZL2019101147951

    [3] 吴宗泽、郑南宁等TAGTREE编码器的VLSI设计方法  ZL03114603.1

    [4] 国家标准:家庭网络第3部分:内部网关规范2012-02-25GB/T 0246.3-2013

    [5] 国家标准:家庭网络第4部分:家庭终端设备规范 音视频及多媒体设备2012-02-25 GB/T 30246.4-2013


团队简介

研究内容:

面向制造业智能化转型升级过程中对工业视觉在定位、导航、检测的重大需求:以新一代人工智能理论、自动控制关键技术和机器视觉为核心基础理论,构建环境自适应的高精度光学成像方案;研究自主学习增强学习的人工智能理论,并形成视觉智能计算方法;同时深入研究智能控制和高速高精度运动控技术;建立面向工业视觉应用的基础理论体系和核心技术框架,面向新型显示行业的缺陷检测、高端加工装备研究自主的工业视觉装备,面向行业龙头企业生产线提供核心装备,推进成果转化。

研究技术路线如下图所示。


图 工业视觉与智能系统团队研究技术路线



研究方向

环境自适应的高精度光学成像、视觉智能计算方法、智能控制和高速高精度运动控技术、工业视觉装备等。

已开展研究工作:

(1)研究具有自主学习能力的MiniLED显示屏品质检验关键核心技术

(2)镍氢电池负极极片外观缺陷检测

(3)布匹的外观缺陷自动检测方法