本系统包括温室栽培优化模型动态仿真、专家系统集成与智能控制算法设计等三部分内容。系统采用了基于知识的智能解决方案，系统的三个部分紧紧围绕专家知识与智能，不仅构成统一的整体又能分别独立运行。系统以大量的实验数据和专家经验为基础，采用智能控制方法、智能推理方法和多媒体技术，能提供病虫害在线预报，为温室环境控制提供最佳环境条件，并能对温室环境和作物生长过程进行仿真和预测。

我校理学院大数据研究团队在人工智能与大数据处理技术研究方面取得系列进展，研究成果分别发表在IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Cybernetics和Information Sciences三大人工智能顶级期刊。神经网络是人工智能领域中目前最为火热的研究方向——深度学习的架构基础。虽然深度学习在近几年发展迅速，但是关于如何设计最优神经网络架构的问题仍处于探索阶段。该团队分别针对人工智能中神经网络结构复杂、高维大规模数据存在无效和冗余特征、难以获取长时序信息等问题与缺陷，设计出了一系列网络结构优化、大数据特征选择和时序循环神经网络模型，有效改善了上述不足，提高了人工智能模型的学习性能。 题目为《带Group Lasso惩罚与控制冗余的神经网络特征选择》（Feature Selection using a Neural Network With Group Lasso Regularization and Controlled Redundancy）的研究论文发表在人工智能领域权威国际期刊IEEE Transactions on Neural Networks and Learning Systems。王健副教授和博士生张华清为该论文共同第一作者， 我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项工作得到国家自然科学基金、国家科技重大专项、山东自然科学基金、中央高校基本科研业务费、中国石油天然气集团公司重大科技项目以及山东省高校青年创新科技支撑计划的资助。 特征选择技术也称属性选择，是指从原始特征或属性中选择出最有效的特征或属性以降低数据维度的过程，它是人工智能数据预处理环节的重要步骤，也是大数据处理技术的重要环节。该项工作在神经网络中嵌入Group Lasso惩罚项并实现特征冗余控制，在选出对解决问题最有帮助、蕴含信息量最大的特征或属性的同时，控制所选特征子集的冗余程度，以达到降维的最优效果，从而使模型的泛化能力更强，降低神经网络模型产生过拟合的风险。 题目为《基于L1正则化的神经网络结构优化模型设计与分析》（Learning Optimized Structure of Neural Networks by Hidden Node Pruning With L1Regularization）的研究论文发表在国际人工智能领域权威期刊IEEE Transactions on Cybernetics。硕士生谢雪涛和博士生张华清为论文共同第一作者，王健副教授为通讯作者，我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项研究成果得到了国家自然科学基金、山东省自然科学基金和中央高校基本科研业务费的资助。 该项工作借助L1正则子具有的稀疏表达能力，提出两种神经网络结构优化学习模型；本项工作另外一个突出贡献就是提出了一种简单且具有通用性的收敛性证明方法，同时保证了模型设计的合理性。实验结果表明所提出模型具有强大的鲁棒性、广泛的适用性、理想的剪枝能力和良好的泛化能力，适用处理高维大数据。该研究成果在人工智能与深度学习构造最简网络结构方面具有很强的指导作用和应用推广价值。

高效利用大型燃煤火电机组的灵活深度调峰优越性促进更大规模可再生能源电力消纳对构建我国新型电力系统具有重要积极影响。准确掌握燃煤机组频繁变化的调峰过程动态特性是设计高性能协调控制方案的前提条件。因此，本成果推出面向燃煤机组实际发电过程的智能抗扰控制关键技术及其控制器参数在线优化机制。 创新点 随着频繁大范围调峰已成为大型火电机组的常态化运行趋势，本成果设计了一种兼顾机组发电成本及碳排放量的全工况智能抗扰控制策略。通过有机融合误差自抗扰控制器与快速鸽群优化器，机组实现了对电网负荷指令的迅速响应。

提出一种汉克尔矩阵扫描的图像置乱方法，算法实现简单，置乱度高，通用性强，并且能抵抗一定的攻击，可以很好的用于信息隐藏的预处理和图像加密，而且可以满足数字图像加密和隐藏的鲁棒性要求。

本发明实施例提供了一种视频图像中提取前景的方法及装置，所述方法包括：利用根据预设数量的背景帧图像建立的高斯模型消除有前景进入的视频帧图像的背景，获得消除背景后的视频帧图像；根据所述消除背景后的视频帧图像的信息和所述预设数量的背景帧图像的信息，生成预先训练好的神经网络模型的输入参数的值；根据所述输入参数的值以及所述训练好的神经网络模型生成相应的输出值；根据所述消除背景后的视频帧图像的信息和所述神经网络模型的输出值的关系，检测出所述消除背景后的视频帧图像包含的阴影点和光照噪声点。

小试阶段/n钢板表面质量检测经历了人工目测检测、传统无损检测和基于机器视觉检测的三个发展阶段。人工目视检测表面缺陷的方法效率低、容易漏检、劳动强度大和实时性差。传统无损检测方法包括涡流检测、红外检测、漏磁检测和激光检测等, 这些方法检到的缺陷类型少, 检测实时性不强, 检测的表面缺陷分辨率也不高, 无法有效评估产品的表面质量状况。本技术涉及一种基于多流形学习的带钢表面缺陷识别方法。其方案是：对于任一副带钢表面缺陷图像向量化的向量数据点分别选择类别相同和类别不同的K 个近邻点建立对应的同类数据子图和异

成果简介：超分辨率图像重建技术是近年来发展迅速的图像处理新技术，其 目的是超越成像传感器、成像和信道的分辨极限，利用所获低分辨率图像， 实现高分辨率图像的重建。超高分辨率图像增强与显示芯片项目利用超分辨 率图像实时处理技术，实现从一幅或多幅低分辨率视频图像处理获得高分辨率图像，在图像被放大的同时增强图像更多的细节，提高图像的清晰度和分 辨率，实现摄像传感器的低分辨率与显示器高分辨率之间的匹配，解决目前 图像获取与显示分辨率不匹配的瓶颈问题，在现有图

HWRX-3型红外热像仪的视频信号是模拟信号，没有提供与计算机的数字接口，这对红外热像信息的存储、回放以及处理带来了一定的不便。因此我们设计了一套用于该红外热像仪系统的数据采集卡，Windows 98操作系统下的硬件驱动程序，以及具有多种图像显示、处理功能的用户应用程序。 视频采集卡是一个建立在复杂可编程逻辑器件（CPLD）基础上的系统。总的分为四个模块：信号调整，模数转换（ADC），