刘芳计算机学院,刘芳,女,1983年生,天津工业大学计算机与软件学院讲师.PDF

刘芳 ,女,1983 年生,天津工业大学计算机与软件学院讲师,硕士生导师。从 2006

年至今一直从事基于数据的智能建模方法以及数据分析方面的研究工作;2012 年博士

毕业以来,将博士研究成果与新能源领域相结合,从事动力电池能源优化与精确管理方

面的研究工作。主要科研成果包括:主持企业课题“插电式混合动力轿车风冷系统电池

包 BMS 自主研发项目”的控制策略开发工作以及“纯电动轿车水冷系统电池包BMS 自

主研发项目”的控制策略开发工作。作为 “技术骨干”参与并完成了国家 863 计划“全

新结构 A0 级小型城市纯电动汽车开发”等相关课题的研究与开发任务。作为方向负责

人参与企业项目“A0 级纯电动轿车批产项目”以及“插电式混合动力轿车项目”等相

关课题的研究与开发任务。目前,申请人已在包括 Transactions of the Institute of

Measurement and Control、Chinese Control and Decision Conference、Journal of Central

South University、控制理论与应用、控制与决策、汽车工程学会等国内外著名杂志、国

际会议上上发表论文 18 篇,其中 SCI 和 EI 收录 14 篇。

主要研究方向:电池管理系统技术研究、非线性复杂系统建模与仿真、数据分析与

仿真等。

(Email 163.com )

学习经历:

2012 年 1 月 ,东北大学控制理论与控制工程专业 ,博士毕业 (硕博连读);

2006 年 7 月 ,东北大学自动化专业,本科毕业。

主要科研:

[1] 天津市教委科研计划项目 ,2017KJ094 ,基于远程监控数据的电动汽车动力电池能量与健康状态

建模与评估技术研究 ,2017/09-2020/09 ,6 万元 ,在研 ,主持;

[2] 国家自然科学基金青年项目,新能源车动力电池包能量系统全寿命周期优化与智能算

法研究 ,2017/01-2019/12 ,20 万元 ,在研,主持;

[3] 国家重点研发计划,2016YFB0101107 ,电动乘用车智能辅助驾驶系统集成及应用示范(三) ,

2016/07-2019/07 , 440 万,在研 ,第二参与人;

[4] 国家 863 计划, 2012AA111201 ,全新结构A0 级小型城市纯电动汽车开发,2012/11-2014/11 ,

980 万元,已结题,参与。

代表论文:

[1] Fang Liu, Weixin, Su, Jianjun Zhao, Xiaodan Liang, On-line DetectionMethod for Outliers of Dynamic

Instability Measurement Data in Geological Exploration Control Process, Sains Malaysiana: 2017, 46(11):

2205 ~ 2213. (SCI )

[2] Weixing Su, Fang Liu#, Jianjun Zhao, Maowei He, Hanning Chen, An online detection method for outliers

of dynamic unstable measurement data, Cluster Computing, 2017, (12): 1-9. (SCI )

[3] Fang Liu#, Zhizhong Mao, Weixing Su, Outlier detection for process control data based on a non-linear

Auto-Regression Hidden Markov Model method, Transaction of the Institute of Measurement and Control,

2012, 34(5):527-538. (SCI )

[4] Fang Liu#, Weixing Su, A Dynamic Outlier Detection Method of Biomedical Time Series, Basic

&Clinical

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
图像识别技术在病虫害检测中的应用是一个快速发展的领域,它结合了计算机视觉和机器学习算法来自动识别和分类植物上的病虫害。以下是这一技术的一些关键步骤和组成部分: 1. **数据收集**:首先需要收集大量的植物图像数据,这些数据包括健康植物的图像以及受不同病虫害影响的植物图像。 2. **图像预处理**:对收集到的图像进行处理,以提高后续分析的准确性。这可能包括调整亮度、对比度、去噪、裁剪、缩放等。 3. **特征提取**:从图像中提取有助于识别病虫害的特征。这些特征可能包括颜色、纹理、形状、边缘等。 4. **模型训练**:使用机器学习算法(如支持向量机、随机森林、卷积神经网络等)来训练模型。训练过程中,算法会学习如何根据提取的特征来识别不同的病虫害。 5. **模型验证和测试**:在独立的测试集上验证模型的性能,以确保其准确性和泛化能力。 6. **部署和应用**:将训练好的模型部署到实际的病虫害检测系统中,可以是移动应用、网页服务或集成到智能农业设备中。 7. **实时监测**:在实际应用中,系统可以实时接收植物图像,并快速给出病虫害的检测结果。 8. **持续学习**:随着时间的推移,系统可以不断学习新的病虫害样本,以提高其识别能力。 9. **用户界面**:为了方便用户使用,通常会有一个用户友好的界面,显示检测结果,并提供进一步的指导或建议。 这项技术的优势在于它可以快速、准确地识别出病虫害,甚至在早期阶段就能发现问题,从而及时采取措施。此外,它还可以减少对化学农药的依赖,支持可持续农业发展。随着技术的不断进步,图像识别在病虫害检测中的应用将越来越广泛。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值