智能控制工程方向/社会智能与行为计算学科团队

电子信息硕士专业学位智能控制工程方向，依托学院社会智能与行为计算学科团队，面向工业制造、安全工程、能源电力、智能医疗等领域，致力于利用计算机科学、控制理论、人工智能等多学科知识提高作业现场生产效率和安全管理绩效，主要涉及作业人员及装备、环境的行为测量、智能评估、风险预测等方面的理论研究和产品开发。

团队由李国辉教授、宰文姣副教授、柏思琪博士、付元华博士等17名教师、研究生组成，目前主持纵横向项目30余项，其中国家社科基金1项，省部级项目10项，发表学术论文39篇，获得四川省科技进步奖三等奖1项。

团队研究或开发的作业人员智能安全管理系统、航拍图像清晰化处理系统、粉尘浓度测量与分布规律分析系统、森林火灾监测系统、健康检测智能机器人等产品，拥有全部核心技术，成果达到国内领先水平。可用于企业作业现场安全监督、安全管理等领域，帮助企业提高安全生产水平。

一、团队主要研究方向

l 生产效率、行为安全管理（研究方向负责人：李国辉教授）

l 智能监测监控、风险评估（研究方向负责人：宰文姣副教授）

l 行为预测及行为安全预警（研究方向负责人：柏思琪博士）

l 智能信号处理与行为识别（研究方向负责人：付元华博士）

二、团队主要科研成果

l 代表性科研项目

[1] 国家社科基金面上项目, 视听觉注意角度下作业人员的安全行为建模及应用研究, 201907，在研，主持.

[2] 四川省科技计划重点研发项目，基于注意机制的煤矿特种作业人员作业行为视觉检测系统研究，201801，结题，主持.

[3] 国家安全生产监督管理总局安全生产重特大事故防治关键技术科技项目，煤矿极端环境对作业人员安全行为的影响规律研究，201804，结题，主持.

[4] 教育部人文社会科学研究项目，基于视觉注意特性的煤矿特种作业人员作业行为模型及应用研究，201701，在研，主持.

[5] 国家安全生产监督管理总局安全生产重特大事故防治关键技术科技项目，基于注意行为的煤矿特种作业人员安全事故致因模型及应用研究，201704，结题，主持.

l 代表性论文

[1] Zhu M, Li G*, Huang Q .Recognizing unsafe behaviors of workers by frequency domain features of facial motion information [J].Multimedia Tools and Applications, 2023.07.20.

[2] G. Li, J. Wu, Z. Luo and X. Chen. Vision-based measurement of dust concentration by image transmission [J]. IEEE Transactions on Instrumentation and Measurement, 2019, 68(10): 3942-3949. (SCI检索)

[3] Jieping Wu, Guohui Li*, Zhiwen Luo, Ming Zhu, and Xin Wu. Distribution law of dust concentration by image transmission in a cement workshop [J]. Applied Optics, 2018, 57(7): B59-B66. (SCI检索)

[4] Wenjiao Zai † and Lisha Yan *.Multi-Patch Hierarchical Transmission Channel Image Dehazing  Network based on Dual Attention Level Feature Fusion [J]. Sensors, 2023, 23(16), 7026. (SCI检索)

[5] Wenjiao Zai † , Junjie Wang * ,† and Guohui Li .A Drone Scheduling Method for Emergency Power Material Transportation Based on Deep Reinforcement Learning Optimized PSO Algorithm [J]. sustainability, 2023, 15(17), 13127. (SCI检索)

l 代表性成果

[1] 作业人员智能安全管理系统

运用计算机视觉、系统工程等技术，可实现不安全行为识别、群体安全绩效统计、不安全行为原因分析和行为取证等四项功能，识别精度达96.7%（CAM认证检测结果），可帮助企业实现自动化、定量化、智能化行为安全管理。

[2] 航拍图像清晰化处理系统

运用机器视觉、深度强化学习等技术，可实现对造成航拍图像质量不高的原因进行分类、清晰化处理、非均匀雾霾熏染等三项功能，实现分类平均精度为0.85，恢复图像PSNR为27.24dB，SSIM为0.9349，每张处理时长0.014秒，助力UAV完成“全天候、全天时”巡检。

[3] 森林火灾监测系统

运用机器视觉、深度强化学习、无人机巡检等技术，实现森林图像清晰化、火点识别与定位、火灾蔓延趋势预测、无人机路径规划等四项功能，火点识别率高达96.6%，较市面上火点识别系统，置信度提高5%、识别率提高6%，可助力森林防火监测预警体系的全面覆盖，提升森林防火工作的信息化、智能化水平。

[4] 粉尘浓度测量与分布规律分析系统

依托建立的透光率和粉尘浓度数学模型，在监测精度、速度方面达到世界先进水平，可实现车间X、Y方向和XOZ断面粉尘浓度分布规律分析。测量相对误差±3%，测量范围0.5~1000mg/m³，测量周期2s。

三、联系方式

李国辉：guohuili@sicnu.edu.cn

宰文姣：zaiwenjiao@sicnu.edu.cn

柏思琪：baisiqi@sicnu.edu.cn

付元华：f_yuanhua@163.com

编辑：四川师范大学工学院