项目角色：项目与技术负责人
技术栈：Python, PyTorch,Transformer , OpenCV, Flask，图像检测、分割、移动端部署、特征提取与比对
项目介绍：类似于人脸识别，通过移动端拍摄得到牛、猪的图像，对图像进行检测、校正、分割后，提取图像特征，存入向量数据库，建立身份信息，当新牛只到来时，进行身份比对，以防范欺诈风险。
1、技术方案与体系搭建
整体架构设计：主导设计了“检测 → 对齐 → 分割 → 特征提取 → 识别/检索”的多阶段算法流程，并完成技术选型。针对牲畜面部纹理特征，定制了基于深度度量学习的特征嵌入模型，用于应对多场景挑战。
2、核心算法研发与优化
模型创新与调优：在目标检测阶段，针对复杂养殖场背景，对YOLO模型进行了针对性的数据增强（模拟光照、遮挡）和锚框参数优化，提升定位鲁棒性。在识别阶段，通过引入注意力机制与难样本挖掘策略，显著提升了模型对关键面部特征的辨识力。
工程落地攻关：主导解决了实际部署中的关键难题，如移动端检测（防照片欺诈和规范拍摄）、多样化的面部特征匹配，确保系统在真实场景下的可用性。
3、精度达到了95%。