刘坤，河北工业大学，人工智能与数据科学学院，副教授

教育经历（从大学本科开始，按时间倒序排序；请列出攻读研究生学位阶段导师姓名）：

[1]      2003/09 － 2009/07，清华大学，自动化系，博士，导师：杨士元

[2]      2001/09 － 2003/07，哈尔滨工业大学，机械电子工程，硕士，导师：张广玉

[3]      1997/09 － 2001/07，东北农业大学，农业电气化自动化

科研与学术工作经历（按时间倒序排序；如为在站博士后研究人员或曾有博士后研究经历，请列出合作导师姓名）：

[4]      2014/01-至今，河北工业大学，控制科学与工程学院，副教授

[5]      2009/08-2013/12，河北工业大学，控制科学与工程学院，讲师

主持或参加科研项目（课题）情况（按时间倒序排序）：

[1]      国家自然科学基金（面上项目），61873315，复杂背景下太阳能电池表面缺陷多光谱视觉感知与认知计算，2019/01-2019/12,16万，已结题，参加

[2]      河北省自然科学基金（面上项目），F2019202305 ，复杂随机纹理背景下的太阳能电池EL缺陷视觉检测问题研究，2019/01-至今，在研，主持

[3]      天津市科技特派员项目，18JCTPJC56000 ，非均匀纹理背景下的工业产品表面缺陷视觉感知技术，2018/01-2020/03，已结题，主持

[4]      国家自然科学青年基金项目，61403119，基于拓扑知觉理论的带钢表面缺陷视觉快速感知计算，2015/01-2017/12, 26万，已结题，主持

[5]      河北省自然科学青年基金, F2014202166, 基于特征迁移学习的雾霾天气下目标检测问题研究, 2014/01-2016/12, 3万，已结题,主持

[6]   河北省教育厅项目，Z2012171，融合深度信息的雾天情况下运动目标检测问题，2013/01-2015/12 ，已结题，主持

[7]      国家自然科学基金子课题，614028，复杂大场景自然光照图像的恢复与重建，2010/01-2013/06，已结题，主持

代表性研究成果和学术奖励情况，按照以下顺序列出：

一、代表性论著（包括论文与专著，合计5项以内）；

[1]      Kun Liu#*, Heying Wang, Haiyong Chen, ErqingQu, Ying Tian, and Hexu Sun, Steel Surface Defect Detection Using a NewHaar-Weibull-Variance Model in Unsupervised Manner，IEEETransactions on Instrumentation and measurement, 2017, 66(10): 2585-2596.

[2]      Heying Wang, Jiawei Zhang, Ying Tian,Hai yong Chen, He xu Sun, and Kun Liu*.A simple guidance template-based defect detection method for strip steelsurfaces. IEEE Transactions on Industrial Informatics, 2019,15(5):2798-2809.

[3]      Kun Liu*, Nana Luo, Aimei Li, Ying Tian,Hasan Sajid, Haiyong Chen, A New Self-reference Image Decomposition Algorithmfor Strip Steel Surface Defect Detection, IEEE Transactions on Instrumentationand Measurement , DOI: 10.1109/TIM.2019.2952706

[4]      Chen, Haiyong, Yue Pang, Qidi Hu, andKun Liu*. Solar cell surface defectinspection based on multispectral convolutional neural network. Journal ofIntelligent Manufacturing , 2020, 31:453-468.

[5]      H. Y. Chen, Y. F. Ren, J. Q. Cao, K. Liu*, et al. Multi-exposure fusionfor welding region based on multi-scale transform and hybrid weight. TheInternational Journal of Advanced Manufacturing Technology, 2019, 101(1): 105-117.

[6]     Binyi Su,Haiyong Chen, Yifan Zhu, Weipeng Liu, Kun Liu. Classification of ManufacturingDefects in Multicrystalline Solar Cells With Novel Feature Descriptor[J]. IEEETransactions on Instrumentation and Measurement, 2019, 68(12),4675-4688.

[7]      Chen, Haiyong, Yuejiao Cui, Shuai Li,Jiali Liu, and Kun Liu. An ImprovedGMM-Based Algorithm With Optimal Multi-Color Subspaces for Color DifferenceClassification of Solar Cells. IEEE Transactions on SemiconductorManufacturing ,2018,31(4): 503-513.

[8]      H. Y. Chen, Q. D. Hu, B. S. Zhai, etal. A robust weakly supervised learning of deep Conv-Nets for surface defectinspection. Neural Computing and Applications, 2020: 1-16.

[9]      H. Y. Chen, H. F. Zhao, D. Han, etal. Structure-aware-based crack defect detection for multi-crystalline solarcells. Measurement, 2020, 151: 107-170.

[10]   H. Y. Chen, H. F. Zhao, D. Han, etal. Accurate and robust crack detection using steerable evidence filtering inelectroluminescence images of solar cells. Optics and Lasers in Engineering,2019, 118: 22-33.

[11]   K.Liu, A.M.Li, X.Wen, et al. Steel surface defect detection using GAN and one-class classifier.Proceedings of 25th International Conference on Automation and Computing, 2019: 1-6.

[12]   K. Liu, J.   R. Han, H. W. Yan, et al. Defect detection on EL images based on deepfeature optimized by metric learning for imbalanced data. Proceedings of the 25thInternational Conference on Automation and Computing, 2019:1-5.

[13]   K. Liu, N. N. Luo, and Y. F. Ren. A contrast pre-adjusted defect detection of strip steel surfaceby total variation-based image decomposition. International Conference onComputer Science and Artificial Intelligence, 2018: 327-333.

[14]   H. Y. Chen, H. F. Zhao, D. Han, etal. Robust crack defect detection in inhomogeneously textured surface of near infraredimages. Chinese Conference on Pattern Recognition and Computer Vision, 2018:511-523.

[15]   Quer Qing，LiuKun，Zhang A-Long，WANG Jie, SUNHexu ,Feature selection of steel surface defect based on P-ReliefF method，Proceedingsof the 35th Chinese Control Conference, July 27-July 29, 2016，Chengdu，7164-7168，(EI：20163802828471).

[16]   刘坤, 文熙, 黄闽茗等. 基于生成对抗网络的太阳能电池缺陷增强方法. 浙江大学学报: 工学版, 2020, 54(4): 1-10.

[17]   陈海永, 郄丽忠, 刘坤*. 基于区域辐射一致性的移动阴影检测. 光学学报, 2019, 39(03): 256-266.

[18]   陈海永, 郄丽忠, 杨德东, 刘坤*. 基于超像素信息反馈的视觉背景提取算法. 光学学报,2017,37(07):186-194.

[19]   陈海永, 徐森, 刘坤*, 孙鹤旭. 基于谱残差视觉显著性的带钢表面缺陷检测. 光学精密工程, 2016, 24(10): 2572-2580.

[20]   刘坤#，赵帅帅，屈尔庆，周颖. R-AdaBoost带钢表面缺陷特征选择算法[J]；电子测量与仪器学报, 2017,31(1),9-14.   

[21]   徐森#，陈海永，刘坤，孙鹤旭，基于相位谱和加权马氏距离的带钢表面缺陷显著性检测，计算机应用，2017,37(S1):190-193.

[22]   徐森#，屈尔庆，陈海永，刘坤，孙鹤旭，冷轧带钢表面缺陷检测系统设计，仪表技术与传感器，2017，No.1，65-69.   

[23]   屈尔庆#,陈海永,刘坤,孙鹤旭.   热轧板带表面缺陷检测系统设计与研究[J]. 燕山大学学报. 2017(03).    核心

[24]   屈尔庆#,刘坤,陈海永,孙鹤旭.   基于P-ReliefF特征选择方法的带钢表面缺陷识别[J]. 电子测量与仪器学报. 2017，31(07). 核心

[25]   陈海永#,徐森,刘坤*,孙鹤旭. 基于Gabor小波和加权马氏距离的带钢表面缺陷检测[J]. 电子测量与仪器学报,2016,05:786-793.

[26]   陈海永#,徐森,刘坤*,孙鹤旭. 基于谱残差视觉显著性的带钢表面缺陷检测[J]. 光学精密工程,2016,10:2572-2580.(EI)

已接收的论文列表：

lLiu K., Yan H.W., Chen H.Y., Iteratingtensor voting a perceptual grouping approach for crack detection on EL images.IEEE Transactions on Automation Science and Engineering. （接收日期：2020/03/24）

lAn accurate fuzzymeasure-based detection method for various types of defects on strip steelsurfaces, Computers in Industry.(接收日期：2020/3/18)

目前在审论文列表：

lSu B.Y., Chen H.Y., Liu K*.,Deep Learning-based Solar-Cell Manufacturing Defect Detection with NovelAttention Network，IEEE Transactions onIndustrial Informatics.

lLiu K.*, Jiao G.C., Liu T.X., Anovel unsupervised domain adaptation method for defect detection of industrialproducts, Machine Learning.

二、论著之外的代表性研究成果和学术奖励（合计10项以内）。

获得学术奖励

制造过程机器智能感知技术及应用研究，天津市科技进步二等奖，2019.11.

“视觉引导下机器人自主控制技术及应用研究”，河北省科学技术进步奖二等奖，2018.

“焊接装备视觉感知与智能控制技术”河北省科学技术奖三等奖， 2014．12

联系方式

地址：天津市北辰区西平道 5340 号 邮编：300401

电话：+86- 022-60200075

邮箱：liukun@hebut.edu.cn