• Lecturer
• Supervisor of Master's Candidates
• Name (Simplified Chinese):Kun Qiu
• Name (English):Kun Qiu
• Name (Pinyin):QiuKun
• Date of Birth:1991-02-03
• Date of Employment:2021-03-01
• School/Department:自动化系
• Administrative Position:无
• Education Level:Postgraduate (Doctoral)
• Business Address:逸夫楼905
• Gender:Male
• Degree:Doctoral degree
• Status:Employed
• Academic Titles:无
• Other Post:控制科学与工程学科的科研秘书
• Alma Mater:北京航空航天大学
• Discipline:Pattern Recognition and Intelligent Systems
  

• No content

个人经历简述：

        本科毕业于合肥工业大学，运动控制方向。此后前往北京航空航天大学，攻读硕士、博士学位。博士拜读于郑征教授（现任北航自动化科研副院长）门下，研究控制理论方法在软件工程领域的应用技术，重点研究软件测试、软件可靠性分析方面的科学问题，大课题组隶属于长江学者，蔡开元，国防科技重点实验室。

        博士期间，曾前往澳大利亚，墨尔本，交流学习。与斯威本科技大学（Swinburne University of Technology)Tsong Yueh Chen教授，与中央昆士兰大学（Central Queensland University)Pak-Lok Poon合作，在软件工程领域TOP 1期刊IEEE Transactions on Software Engineering (IEEE-TSE)发表蜕变测试理论奠基性论文。

        加入合肥工业大学之后，开始重点研究“人工智能”、“深度学习”、“深度强化学习”等智能技术，分析这些技术在软件工程等领域的结合方案，开设了《人工智能基础》《机器视觉》《程序设计课程设计》等课程。指导学生完成了一些跟智能学习、机器视觉方面的大创项目。完成了一个“横向”课题的研究，主持了国家自然科学基金的青年科学基金项目，发表了一点科研论文。

感兴趣但不是全部的研究方向：

包括但不限于：

1. 人工智能（算法、应用、模型、编程等）

2. 深度学习（算法、应用、编程、和其他研究方向的结合点）

   深度强化学习（算法、应用、编程、和其他方向的结合）

3. 软件测试（测试方法，测试性能分析，建模，和智能算法结合）

4. 软件可靠性分析（数学模型）

5. 机器视觉（算法、应用、推广）

近五年主持或参加的国家自然科学基金项目/课题：

(1) 国家自然科学基金委员会, 青年科学基金项目, 62202138, 基于深度强化学习的并发失效软件运行环境重配置容错方法研究, 2023-01-01 至 2025-12-31, 30万元, 在研, 主持

(2) 国家自然科学基金委员会, 区域联合重点项目,  U23A20655，复杂电网条件下新能源发电并网逆变器控制泛化能力提升研究,2024-01-01 至 2027-12-31, 260万元, 在研, 参与

代表但不是全部的学术论文：

1. 机器视觉方向

Qiu, Kun; Poon, Pak; Zhao (澳洲CQU大学), Shijun; Towey, Dave (宁波诺丁汉大学); Yu, Lanlin (published in 2024 on Knowledge-Based Systems (KBS) SCI, 中科院一区). Improving the validation of multiple-object detection using a complex-network-community-based relevance metric. CQUniversity. Journal contribution. https://hdl.handle.net/10779/cqu.26182553.v1

该论文基于复杂网络的社区聚类技术分析物体识别软件（如YOLO）的分析结果的合理性。在常规状态下，我们所见到的日常图像中，能够出现的物体之间总存在一些关联性，比如在桌子上，出现杯子、铅笔、键盘，这些物体的概率就比较大，但是如果出现“大象”“马桶”“自行车”等物体的概率就相对小。这个就是本文所说的“关联性”。本论文反向利用“关联性”。假如一个物体识别软件（如YOLO）在一次物体识别任务中，识别出了多个物体，如果有一个物体和其他物体之间关联性很弱，我们能认为可能有一个物体识别错了。虽然有反例（即几个不看似相关的物体出现在同一个图片中），但是我们考虑的是统计意义上的概念。为了验证上述假说的正确性，我们借助复杂网络中社区的概念来量化关联性，并分析如何基于关联性来分析物体识别软件是否发生错误识别。通过实验分析发现该方案能有效的识别到物体分类软件（如YOLO）犯错的情况。

2.　软件蜕变测试方向

Kun Qiu; Zheng Zheng; Tsong Chen; Pak-Lok Poon ; Theoretical and Empirical Analyses of the Effectiveness of Metamorphic Relation Composition, IEEE Transactions on Software Engineering. 2020. TOP-1期刊论文　TSE 2020 Composition CameraReady Submission Files.pdf

这篇论文是一篇蜕变测试方向的理论性的论文，从理论分析的角度，分析组合蜕变测试的有效性，以及保证有效性的方法。

3.　软件可靠性分析方向

Kun Qiu; Zheng Zheng; Kishor S.Trivedi; Beibei Yin ; Stress Testing With Influencing Factors to Accelerate Data Race Software Failures, IEEE Transactions on Reliability, 2020, 69(1):3-21期刊论文　Stress_Testing_With_Influencing_Factors_to_Accelerate_Data_Race_Software_Failures-compressed.pdf

这是一篇针对并发软件完成压力测试并构建失效时间模型的论文。

4.　软件容错技术方向

Kun Qiu; Zheng Zheng; Kishor S. Trivedi; Ivan Mura ; Availability Analysis of Systems Deploying Sequences of Environmental-Diversity-Based Recovery Methods, IEEE Transactions on Reliability, 2020, 3(70): 1126-1142 期刊论文Availability_Analysis_of_Systems_Deploying_Sequences_of_Environmental-Diversity-Based_Recovery_Methods.pdf

这篇论文讲述了一种新的软件容错技术，并对容错技术的系统可用性的分析方法，给出了半马尔科夫链分析模型。

完成的横向课题

1. 带式输送机皮带机械接头缺陷智能识别与监测系统研究与应用 (2024-2025).

本项目的目标是基于视觉完成矿厂用皮带机上的皮带扣的检测、识别、异常状态判定、预警、存储、图形化界面显示等功能。具体如下：

• 基于图像语义分割神经网络完成皮带扣的识别

• 基于图像处理技术完成皮带扣宽度测量

• 基于自编码网络完成皮带扣的表面异常状态判定

• 基于MySQL完成皮带扣图片信息的存储和查询

• 基于ModBus协议完成皮带扣信息的在线传输和预警

• 基于PyQT5完成图形界面的显示开发，帮助用户完成信息配置、实时监控、历史记录查询、曲线绘制、皮带扣位置动画仿真等功能。

下图是图形界面的监控和实时显示界面。

开设的课程：

１.　《机器视觉》

机器视觉入门级别课程，适合本科生，部分研究生对视觉入门。以如何让机器识别物体为基本目标，从图像的采集、图像预处理、图像分割、图像特征提取、基于深度学习的图像物体识别等几个主题，针对计算机如何处理图像开设课程。虽然入门，但是我融合了多个教材、公开课内容，涵盖了传统图像处理和现代深度学习的先进图像处理方法。为了提高学生的实战能力，我设计了７个编程项目，用于帮助学生掌握机器视觉基本方法。

2.　《程序设计课程设计》

大家在编程中，总会出现各种的“坏习惯”，叫做code smelling，比如重复的代码，而不是使用函数，比如在一个函数中实现所有的功能。这门课的目标是让大家认识到哪些是坏习惯，如何克服。

3. 《python程序设计与应用》

本科生基础课。

指导的大创

也指导不少大创，

• 2021年： 智能变色玻璃控制，根据太阳的位置，光照强度，控制变色玻璃的透光度变换。

• 2022年： 出行知音APP，根据地铁监控摄像头，采集人流量大小，便于人们前往人少的车厢候车，此APP发布在阿里云租借的服务器中。

• 2023年：....

• 2024年：...

每年都是省级、良好结题，所以感觉自己没有突破了，于是2025年停止带大创了。

广而告之：

• 如果有企业有机器视觉的需求，欢迎联系我，我喜欢产、学、研相结合。

• 如果有想做机器视觉方向、深度学习方向的研究生，也欢迎联系我（虽然我的科研经费总量不多，但是够，所以劳务费一定不会少，至少不会比平均少；虽然我的论文也不多，但是在努力写，每一篇都不是灌水，都是我亲自指导亲自修改，所以你也能学到不少东西。总之能在科研和横向课题方向上，都有所收获，（BTW，大部分代码是我自己写的，所以我觉得我更适合做一个码农）。

• 如果有想做机器视觉的本科同学，也欢迎联系我，前提是上完我的《机器视觉》课，否则...有些难以交流。

联系电话：13146294565

邮箱：qiukun@hfut.edu.cn)

（更新于2025年2月19日）