2021年12月14-16日，在河南郑州举办了”第五届材料基因工程高层论坛”。韩越兴老师于16日下午，作了”基于计算机视觉的材料图像处理方法”的报告，描述了材料图像数据提取的几个方法。材料数据是材料基因组计划中的物质基础，可以帮助构建各种材料研究相关的数据库，更是帮助人工智能理解”微观结构”、“制造工艺”和”宏观性能”关系的关键。材料数据主要包含计算数据、实验数据、生产数据、文献数据，这些数据中经常包含了大量的图像，从这些图像中提取关键信息，是材料图像处理的主要目的。
报告的内容主要描述了通过计算机视觉方法，包括机器学习和深度学习方法对复杂材料图像中的各种元素进行提取和挖掘。这里举的三个例子，分别是分子机器人的DNA大分子材料图像识别，菊池花样的分割设识别，以及基于超像素和改进的DenseNet方法的材料图像分割。
另外，韩越兴老师16日下午同时主持了分会场的学术会议。
李小龙，本科毕业于福建工程学院，于2018年考入上海大学计算机学院。在开学之后便加入韩越兴图像研究组研究计算机视觉相关的内容，而后在韩老师的悉心指导下选择了医学图像分割的课题。经过三年的努力，李小龙同学基于深度学习等多种技术实现了肝脏与肿瘤CT图像的自动化分割，为了智能医疗的发展添砖加瓦。毕业后李小龙同学进入联影医疗有限公司继续从事医疗相关的工作。此外，李小龙同学在课外广泛阅读经史文学，同时热爱体育锻炼，结识了许多良师益友。在上海大学的三年研究生生活中，李小龙同学成长巨大，希望在未来的道路上，能够保持劲头，不断进步，不断突破。
研究生期间工作
为了帮助医生对肿瘤患者的病情做出更全面的评估和规划，结合多种深度学习技术自动化地分割CT图像中的肝脏与肿瘤，为临床治疗提供定量定性诊断的数据基础。
-
针对FCN、U-Net等深度学习方法由于网络维度的限制，难以探索三维CT图像中的空间特征信息，提出了一种基于边界损失函数的2.5D全卷积网络，能够在减少网络参数量和计算资源消耗的同时，有效地探索 CT 图像中的空间特征信息，提升肝脏与肝肿瘤分割准确度。
-
针对医学图像的特点和常见的损失函数缺少优化网络探索边界特征能力的问题，设计了一种新的边界损失函数，融合了图像轮廓的距离、面积和边界信息，能够有效地优化深度学习网络，探索更多的图像边界和轮廓特征。
-
针对编码解码网络存在忽视局部特征之间相关性和依赖性的问题，将 2D、2.5D、3D 网络与注意力机制整合起来，提出了一种基于双路注意力的编解码网络分割框架，该框架融合了双路自注意力机制模块、密集网络块、残差网络块和双路径网络块，包含九种不同的网络结构，能够有效地完成肝脏与肿瘤 CT图像的自动化分割任务。
我们团队在国际期刊《Neural Computing and Application》(IF:5.606,中科院2区)上在线发表论文”A novel transfer learning for recognition of overlapping nano object “。该论文上海大学计算机工程与科学学院为第一单位，韩越兴副教授为第一作者和通讯作者，硕士生刘宇虹，宋磊磊，童麟做了大量的工作。
尽管纳米结构科学和技术在许多领域得到了快速发展，但由于成本高，仍然难以获得足够的纳米物体样本，从而阻碍了材料领域深度学习方法的发展。我们设计了一种新的方法来识别原子力显微镜（AFM）图像中的纳米物体。首先，使用一种基于LOG的图像去噪方法对图像进行预处理；然后，基于分水岭算法提出了两种改进的分割重叠目标的方法；最后，建立了一个基于迁移学习的CNN识别模型，通过对大规模手写数字和字母形状进行预训练来获取表现优异的模型，从而识别AFM图像中的纳米物体。本研究提出的方法可以有效地解决AFM图像中小样本纳米物体识别困难的问题。
我们团队和上大机自学院李龙副教授团队在国际期刊《Biomedical Signal Processing and Control》（IF:2.954，中科院2区）上在线发表论文“A classification method for EEG motor imagery signals based on parallel convolutional neural network. ” 该期刊在JCR及中科院SCI期刊分区为二区。该论文上海大学计算机学院为第一单位，韩越兴副教授为第一作者和通讯作者。
深度学习已在目前的研究中广泛成功地应用于不同类型的分类图像。然而，迄今为止，深度学习方法在脑电图(EEG)运动中的应用图像分类非常有限。本研究提出了一种针对脑电图信号的预处理算法表示然后，提出了一种并行卷积神经网络(PCNN)结构来对运动进行分类图像信号。对于原始脑电图信号的表示，创建了一种新形式的图像来结合空间滤波和频带一起提取。通过将所表示的图像输入PCNN，它会进行堆栈三个独特的子模型结合在一起，旨在优化分类的性能。的平均精度该方法在BCI竞争IV数据集2b上达到了83.0±3.4%，优于比较方法方法至少为5.2%。该方法在数据集2b上的平均Kappa值达到0.659±0.067，与所比较的算法相比，至少有20.5%的改进。结果表明该方法在脑电图运动成像信号分类中表现较好。
我们团队和材料基因组工程研究院杨炯教授课题组在国际期刊《Chemistry of Materials》（IF:9.872，中科院1区top）上在线发表论文“Accelerating the Discovery of Cu−Sn−S Thermoelectric Compounds via High-Throughput Synthesis, Characterization, and Machine Learning-Assisted Image Analysis.” 该期刊是工程技术-材料科学等综合研究领域最具影响力的顶级学术期刊之一，在JCR及中科院SCI期刊分区为一区Top。该论文上海大学为第一单位，材料基因组工程研究院博士生盛晔为第一作者，材料基因组工程研究院杨炯教授，奚晋扬教授和计算机工程与科学学院韩越兴副教授为共同通信作者。
高通量（HTP）方法已成为加速材料研发的有力方法。在这项工作中，我们展示了机器学习（ML）图像分割方法与 HTP 合成和表征相结合在发现新的热电化合物方面的能力。首先，利用改进的扩散偶 HTP 合成方法获得具有九种不同原材料比率的圆柱状样品。然后，对每个原料配比固定的片段进行扫描电镜表征，拍摄11幅背散射电子图像（共99幅）。为了快速分割出 99 张背散射电子图像中的不同相，我们提出了两种 ML 图像分割策略：应用全连接的神经网络的有监督的主动学习策略和无监督的聚类策略。有监督策略大大降低了图像分割的时间成本，且分类准确率达到了 0.9，该模型被用来对大批量的图像进行了自动的分割。同时，为了进一步减少人工标注的工作量，在训练过程中引入了主动学习。分析第一种策略分出的两个主要的相的 EDS 表征结果，发现了一种新化合物 Cu7Sn3S10，其具有较好的热电性能，zT 超过了 0.6。不同于有监督策略，无监督策略可以在没有人为标注的情况下，进一步在 BSE 图像中寻找在策略一中可能被忽视的化合物。根据无监督策略的结果，发现了未被报道过的化合物Cu1.6S。综上我们的工作我们展示了一个全 HTP 流程的例子，实现了HTP表征和新化合物鉴定的自动化分析。
韩思凡，本科就读于西北民族大学软件工程专业，现在是上海大学软件工程硕士研究生。我，爱笑，爱乐，爱简单，爱听音乐，爱自由自在，爱安安静静地自由自在也爱疯疯癫癫的热热闹闹。我的历史没有过度光彩夺目的修饰，只有一步一步证明自己的坚定。做过学习委员，懂得为大家学习负责。带团队参加过数学建模获过奖，懂得团队协作的力量。保送过硕士研究生，懂得成功不是随随便便，轻而易举眼高手低。 性格方面我热情随和，活波开朗，具有进取精神和团队精神，有较强的动手能力。良好协调沟通能力，适应力强，反应快、积极、灵活，爱创新！做人真诚热情，乐观向上，工作态度认真负责、谦虚，有较好的时间观念和适应能力，积极参加各种社会实践来充实自己，发挥自己的才能，挖掘自身的潜力。富有团队协作精神，集体观念强。在学习中，我注重理论与实践的结合。 在新的学习环境中，我将继续努力，提升自己的能力，迎接新的挑战，与大家一起进步。
陈尊龙，本科就读于中国海洋大学信息科学与工程学院电子信息科学与技术专业，现于上海大学计算机科学与技术专 业就读硕士。性格开朗、热爱研究、善于沟通。学习研究时十分严谨、注重细节，常常会回头检视自己的知识体系。闲暇 时喜欢看视频，逛论坛等。希望能在上海大学的研究生生活中提升自己，与老师、同学们在研究计算机技术的道路上一同 进步。
池洳婷，女，本科就读于上海大学计算机学院智能科学与技术系，毕业后继续在计算机学院计算机科学与技术专业攻 读硕士研究生，师从韩越兴老师。喜欢看推理电影、阅读各种书籍、慢跑、烹饪，性格开朗、积极乐观、善于思考、勇于 尝试。希望在新的征途中能够遇见更好的自己。
万冠新，男，本科就读于桂林理工大学计算机科学与技术专业，现在是上海大学计算机科学与技术硕士研究生。性格 方面，我开朗活泼，容易与别人和睦相处，善于沟通，坚强内敛，责任心强，能够正确对待生活及遇到的困难，有较强的 环境适应能力，遇事沉稳，自信能很好的完成各项工作。爱好方面，喜欢看书、听音乐、看悬疑影视作品，放松自己；平 时也会打羽毛球、乒乓球和跑步，锻炼身体。在生活中，做事认真负责，喜欢定一些小目标激励自己，对待困难，乐观执 着，自己的座右铭是成功=艰苦的学习+正确的方法+少说空话。希望能在上海大学这段时光中收获到属于自己的一份成 功。
我们团队和材料基因组工程研究院巫金波教授课题组在国际期刊《Small》（IF:11.459,中科院1区top）上在线发表论文“Unclonable Micro-Texture with Clonable Micro-Shape towards Rapid, Convenient, and Low-Cost Fluorescent Anti-Counterfeiting Labels”。该期刊是工程技术-材料科学等综合研究领域最具影响力的顶级学术期刊之一，在JCR及中科院SCI期刊分区为一区Top。该论文上海大学为第一单位，计算机工程与科学学院硕士生张宏坤和材料基因组工程研究院硕士生林宇宏、冯静芸为共同第一作者，材料基因组工程研究院巫金波教授和计算机工程与科学学院韩越兴副教授为共同通信作者。此工作还得到了张统一院士、温维佳教授和日本冲绳科学技术研究所(OIST)戚亚冰教授的鼎力支持。
从高端奢侈品到医疗用品，假冒伪劣产品不仅造成巨大的经济损失，而且对人们的健康构成巨大威胁。目前广泛使用的防伪标签源于确定性的生产过程，其制备方法简单但很容易被造假者复制。生产具有物理不可克隆功能（Physical Unclonable Function, PUF）的防伪标签是一种可行的解决方案，但传统的PUF识别技术要对数据库中的所有图像一一匹配，制备成本高且识别速度慢。
为解决上述问题，该研究团队通过平行非连续去润湿技术高通量制备了一种具有四层防伪能力的标签：钙钛矿晶膜的荧光为第一层防伪；由基本单元组成的宏观图形可以携带信息，如二维码，作为第二层防伪；形状各异的微观基本单元为第三层防伪；由于自组装随机过程形成的不可复制纹理为第四层防伪。
我们主要的工作是设计和建立了存有真实薄膜图案的数据库，其中包含形状数据库和纹理数据库。利用CNL（control the number of landmarks）方法，改进的霍夫变换方法以及形状空间理论来完成形状上的识别；然后利用GMS（Grid-based Motion Statistics）方法进一步识别标签的纹理。
在实际应用中，通过手机以及便携式显微镜获取防伪微图案并传入识别软件进行匹配识别，将纳米晶体膜的多种轮廓形状进行细化分类，作为图像数据识别的“分类符”，基于这种“分而治之”策略的识别技术，验证时间可减少20倍以上。结合高通量材料制备技术和数据驱动的材料应用，实现了低试剂成本（2.1 × 10−4 USD）、认证简便快速（总时间12.17 s）、高编码容量（2.1 × 10623 ）。
相关工作得到了国家重点研发计划(2020YFB0704503, 2018YFB0704400, 2018YFB0704402)、国家自然科学基金(21775101)、111项目(D16002)、上海科委项目（20ZR1419000）的资助。
论文链接：https://onlinelibrary.wiley.com/doi/10.1002/smll.202100244
祝贺何济原、包胜奇、宋络雅、池洳婷、施恬安、徐莹本科顺利毕业！几位同学本科就读于上海大学计算机科学与技术专业，大二开始便在韩越兴老师的指导下进行计算机视觉领域的研究，毕业设计也由韩老师指导完成。本科四年时光匆匆逝去，各位同学皆学有所成，怀揣各自的理想继续奔赴前方。
包胜奇同学乐观向上，勇于挑战自我，面对困难勇敢克服。在上海大学学习的四年中，不仅收获了许多知识，同时结识了许许多多的良师益友，也期待包胜奇同学能够在未来锐意进取，不断突破。
宋络雅同学性格开朗，兴趣广泛。努力学习的同时也经常泡在图书馆里看书、听音乐，课余时间也会去游泳、打羽毛球来放松自己。本科四年上大给宋络雅同学留下了很多美好回忆，也希望宋络雅同学不断向前、不断进步。
池洳婷同学积极乐观、善于思考、勇于尝试，业余时间喜欢看书、慢跑、烹饪。本科毕业后她将继续在上海大学计算机学院计算机科学与技术专业攻读硕士研究生，师从韩越兴老师，希望池洳婷同学在新的征途中能够遇见更好的自己。
徐莹同学做事踏实、遇事沉稳，喜欢结交朋友，爱好旅游，勤于锻炼，热爱生活。硕士阶段她将于浙江大学软件工程专业攻读数据库方向的研究生。在学习计算机的这条路上，期盼徐莹同学能在今后的学习和工作生涯中尽早找到自己愿意全身心投入的事，不断进步！
何济原同学待人真诚，善于与人沟通交流，为人坦率、热情，富有责任心。期待在未来的学习中，何济源同学能够不断完善自我、超越自我！
施恬安性格开朗，做事踏实，爱好音乐与阅读。毕业之后将于复旦大学计算机学院攻读人工智能方向硕士研究生。本科四年中，施恬安同学结识了许多良师益友，也希望未来他能在人生路上勇于拼搏、成就自我！
再次祝愿各位同学在前行的道路上，乘风破浪、砥砺前行！同时希望几位同学能够为实现自己远大的人生目标奋斗不止，把握当下、把握人生，通过自己的不懈努力创造属于自己也属于祖国的美好明天。有决心，有信心，有恒心，有耐心，愿这四颗“心”，永远伴随你们！愿你们用智慧创造属于自己的光辉人生！
