河南质量工程职业学院是全国唯一一所以质量教育和质量服务为主要特色的高等职业院校。学院位于河南省平顶山市，是河南省骨干高等职业院校、河南省职业教育品牌示范院校、河南省全民技能振兴工程高技能人才培养示范基地、河南省级优质高等职业院校立项建设单位、现代学徒制省级试点院校和全国中小学质量教育社会实践基地，更是质量工程师成长的沃土、首席质量官放飞的摇篮。 学院设有食品与化工系、机电工程系、建筑工程系、经济与管理系、信息工程系、法政系、五年制大专部等7个系部。开设有质量管理与认证、食品营养与检测、商检技术、工程监理等57个全日制专业(含方向)，建成了以质量为特色的专业和专业群。现有普通类全日制在校生8000多人和成人类在校生6000多人，拥有高、中级职称和“双师型”教师565人，其中教授、副教授164人，具有博士、硕士研究生学历、学位教师260人。建有建筑装饰材料及检测、机电一体化技术、食品微生物检验、物流管理等90个校内实验实训室。建设完成了国家级特色专业和实训基地4个、省级特色专业6个、省级专业综合改革试点5个、省级示范性实训基地5个、省级示范性综合实训基地1个、省级精品资源共享课程3个等25项省级以上教学工程项目。学院拥有37.38万册纸质图书、28万册电子图书;有完备的校园网、卫星地面接收系统、电子阅览室等电子信息交流平台，实现了办公、教学和学习现代化。 在河南省教育厅、省质量技术监督局和平顶山市政府的领导支持下，由学院牵头组建的河南质量工程高等职业教育集团已成为集人才培养、技术研发、社会服务等多种功能的“产、学、研”联合体，与美的集团、郑州航空港区等企业、产业集聚区深度合作，职教集团理事会成员稳定在126家，校企合作单位达220家。建院以来，共为社会培养了2.3万多名有质量素养的各类技术技能人才。多年来，毕业生就业率均在90%以上。 学院始终严守“质量重于泰山”的校训，弘扬“科学精准、法制规范、责任诚信、创新卓越”的质量文化理念，坚持内涵式发展，提高办学水平，努力使学院成为培养质量专业人才的摇篮，成为以质量服务为特色的区域性公共技术服务平台。 近年来，学院先后获教育部全国职业教育百佳单位、中国教学质量管理先进单位、全国教育改革先进单位、河南省高等学校思想政治工作先进单位、河南省依法治校示范校、河南省素质教育工作先进单位和河南省普通大中专毕业生就业工作先进单位等，2018年荣获“改革开放40周年具有国内影响力河南高校”“河南最具就业竞争力品牌高校”等荣誉称号。在国家加快发展现代职业教育和质量强国的精神指导下，学院正朝着建设“特色鲜明、中原著名、全国知名”的高水平职业院校的目标扬帆迈进。

研发阶段/n成果简介：FD-1坯布表面质量检测系统包括由线阵CCD、图像采集卡、工业计算机组成的分布式机器视觉系统的硬件结构以及图像处理软件等是产品升级、品质提升的首选。该技术与传统工艺最大区别在于，采用分布式机器视觉系统和自主研发的检测软件代替人工肉眼检测，可以满足宽幅面、高速度、高精度的检测要求，能够实现检测标准的统一，使得质检工作的效率大幅提高。主要技术指标：该检测机可可检测坯布中的断经、断纬、粗节、粗经、纬档、松边、起球、污迹、孔洞等疵点，集自动探测、疵点定位、缺陷分类、布边打标、质量评估等

产品特点   针对我国装备制造企业质量控制的特点和需求，面向产品全生命周期，以过程控制为核心，采用J2EE体系架构、浏览器/服务器应用模式设计开发，主要功能模块包括：质量体系管理、测量管理、质量数据采集分析、产品符合性管理、无损检验信息管理、系统管理等。   该成果2009年荣获国家教育部科技进步一等奖。系统功能简介 质量体系管理：基于网络的企业知识管理；内外审计划及审核业务过程控制管理，不符合项的跟踪与控制；质量改进项从申请到结题的过程管理；供应商评价与管理。 测量设备管理：设备基础信息管理、测量设备周期检定管理、测量设备全生命周期状态管理、测量过程管理、检定工时统计。 产品符合性管理：实现了不合格处理的流程控制、基于产品结构的合格证管理、用户见证过程控制、质量记景与质量证明文件管理。 无损检验管理：实现了射线、超声、磁粉等无损检验任务委托申请、任务分派、检验信息记录等过程控制；实现了检验工艺与检验标准的规范化管理；系统可自动生成检验报告。 质量数据采集分析：制造过程实时监控、数据统计分析与过程异常报警：工艺能力分析；分布式网络化远程监控。 系统管理：用户管理；角色管理；功能管理；部门管理；流程监控；权限管理；待办工作项转移。

研发阶段/n内容简介：该项目是一种蚕茧无损智能检测方法，可以在不切剖蚕茧的情况下无损检测蚕茧的干壳量，称量结果可精确到0.2克。按照国家蚕茧收购标准，配合蚕茧等级的其他辅助指标，实现蚕茧等级的科学评判。通过振动检测的手段，并结合数理统计和智能信息处理的方法来分析蚕茧振动信号建立蚕茧质量的数学模型，每次检测时分析蚕茧的振动信号并通过数学模型得出蚕茧的茧壳的重量。该项目得到湖北省自然科学基金的支持，项目编号：2001AA208B02。本产品获得一项专利，专利号：CN03128058.7。

本装置采用CompactPCI技术架构，多路同步交流采样技术，软件测控技术。实现多路谐波分析的功能，分析的谐波次数达到50次。该装置采用GPS定时，具备条件录波，本地数据存储和数据网络上传至主站等功能。目前一套系统可以实现32路谐波分析。该系统可以灵活配置，以配合各种不同的传感器。

本发明公开了一种针对含有模糊信息历史洪水的 L-moment?估参方法，通过对含有模糊信息的历史 洪水，在合理范围内对它可能的量值进行离散，然后求得含有模糊信息的历史洪水在不同离散值下，频 率估计结果的离差平方和，通过随机动态规划法求解得到使离差平方和最小时的离散值组合，则在该离 散值组合下计算得到的频率分布线型的参数为最优解，该方法既不增加冗余信息，又不提高历史洪水的 误差，还能够得到使估计结果最优的参数，拓展了 L-moment?方法的适用

简介： 1、胰腺肿瘤CT图像诊断算法。针对胰腺肿瘤分类问题，从医学CT图像出发，搭建深度学习模型。对于肿瘤分类，我们将问题建模成两部：胰腺定位查找和胰腺肿瘤分类。我们建立级联分割网络，从病人腹部的CT图像中将胰腺器官分割出来。级联分割网络比之前的层级分割网络结果提升10各点。之后建立多模态分类网络，针对CT图像的特性，将多切片多造影剂时期多区域的数据进行融合，在胰腺肿物分类中取得了较好的结果。 层级分割模型示意图  分类模型可视化热图   2、现有的乳腺癌腋窝淋巴转移的医疗诊断措施为病理活检，是一种过度医疗。基于乳腺钼靶图像的术前无创的乳腺癌腋窝淋巴转移预测手段能够有效避免过度医疗。我们构造了基于乳腺钼靶图像的深度卷积神经网络模型来处理乳腺癌腋窝淋巴转移问题。我们对乳腺钼靶数据进行了预处理和数据集的整理、划分。我们构造了三个不同的深度卷积神经网络，患病侧单体位网络、患病侧双体位网络和双侧双体位四视图网络。其中，患病侧单体位网络分为 CC 位网络和 MLO 位网络。在乳腺钼靶数据的测试集上，患病侧 CC 位网络、患病侧 MLO 位网络、患病侧双体位网络、双侧双体位四视图网络的结果依次递增。这表明了同时使用同一患者的四张钼靶图像的双侧双体位四视图网络具有更好的预测效果，更适合乳腺癌腋窝淋巴转移预测任务。对于双侧双体位四视图网络，我们不仅使用了双侧测试集 1，还使用了额外的双侧测试集 2 进行测试。 钼靶乳腺图像预处理   双侧双体位深度学习网络   优势：从客观的医学图像数据出发，结果可重复，而且高效快捷，提高识别准确率的同时，便于临床推广。  

1、胰腺肿瘤CT图像诊断算法。针对胰腺肿瘤分类问题，从医学CT图像出发，搭建深度学习模型。对于肿瘤分类，我们将问题建模成两部：胰腺定位查找和胰腺肿瘤分类。我们建立级联分割网络，从病人腹部的CT图像中将胰腺器官分割出来。级联分割网络比之前的层级分割网络结果提升10各点。之后建立多模态分类网络，针对CT图像的特性，将多切片多造影剂时期多区域的数据进行融合，在胰腺肿物分类中取得了较好的结果。层级分割模型示意图 分类模型可视化热图 2、现有的乳腺癌腋窝淋巴转移的医疗诊断措施为病理活检，是一种过度医疗。基于乳腺钼靶图像的术前无创的乳腺癌腋窝淋巴转移预测手段能够有效避免过度医疗。我们构造了基于乳腺钼靶图像的深度卷积神经网络模型来处理乳腺癌腋窝淋巴转移问题。我们对乳腺钼靶数据进行了预处理和数据集的整理、划分。我们构造了三个不同的深度卷积神经网络，患病侧单体位网络、患病侧双体位网络和双侧双体位四视图网络。其中，患病侧单体位网络分为 CC 位网络和 MLO 位网络。在乳腺钼靶数据的测试集上，患病侧 CC 位网络、患病侧 MLO 位网络、患病侧双体位网络、双侧双体位四视图网络的结果依次递增。这表明了同时使用同一患者的四张钼靶图像的双侧双体位四视图网络具有更好的预测效果，更适合乳腺癌腋窝淋巴转移预测任务。对于双侧双体位四视图网络，我们不仅使用了双侧测试集 1，还使用了额外的双侧测试集 2 进行测试。钼靶乳腺图像预处理 双侧双体位深度学习网络 优势：从客观的医学图像数据出发，结果可重复，而且高效快捷，提高识别准确率的同时，便于临床推广。

其中的前景图像提取方法包括：获取第i帧与第i-1帧中位置相同的像素点之间的距离，获取距离大于预定值的像素点集合Z，获取像素点集合Z中与第i-1帧中的前景区域的像素点位置相同的像素点集合U，将像素点集合U进行背景差分处理，获得像素点集合E，根据像素点集合E、像素点集合T以及像素点集合W的并集确定第i帧的前景区域，像素点集合W为像素点集合Z中与第i-1帧中的前景区域的像素点位置不相同的像素点集合，像素点集合T为第i-1帧的前景区域中与像素点集合U中的像素点位置不相同的像素点集合。上述技术方案能够快速准确的提取出第i帧中的前景图像。