S.K Generation

1、工作台残留物视觉检测项目
 担任角色：项目负责人
 负责内容：使用Python作为开发语言，以现场工作人员工作台图片作为数据集进行数据标注，主要检测工具是否规整及垃圾是否收拾干净，利用pytorch框架搭建YOLOV3模型训练后实现工作台残留物检测。
 成果：1、产出一项深度学习视觉模型，YOLOV3；2、工作台残留物检测mAP达到68%左右；3、基于摄像头实现了实时监测与报警。
2、行李系统仿真及仿真数据分析项目
 担任角色：项目负责人
 负责内容：结合C#与JS编写底层逻辑控制模块，使用Python、Numpy、Pandas、Mysql进行数据分析、可视化，完成5个国内省会5000万以上级别机场仿真数据分析项目。
 成果：1、开发了一整套行李系统完整的流程仿真底层逻辑控制模块；2、开发了ICS及AMR调度算法模型；3、开发了仿真数据分析程序。
3、机场旅客及行李流量预测项目
 担任角色：项目负责人
 负责内容：使用Python与Qt开发1个软件（实现旅客行李到达分布、航班时刻表制定等功能），使用SKlearn与python编写基于SVM算法的行李流量预测模型。
 成果：1、发表论文《基于支持向量机回归算法的机场值机行李流量预测》；2、开发了计算目标年旅客吞吐量算法；3、产出一个应用软件并申请软件著作权。
4、机场行李系统数据分析项目
 担任角色：项目负责人
 负责内容：使用Python等对3个国内重要机场数据(年)(含设备、行李、旅客共60多项)进行分析、可视化，总数据量达上亿级，使用TensorFlow编写LSTM算法预测行李流量，并撰写报告。
 成果：1、验证了LSTM算法在机场旅客时间序列上的预测可行性；2、实施了模型部署并进行预测，给仿真输入及设计初期提供了数据支撑。
5、行李类型视觉分类项目
 担任角色：项目负责人
 负责内容：使用Python作为开发语言，以旅客行李图片作为数据集，利用pytorch框架搭建VGG、ResNet等网络训练后实现软包、硬包、箱型、材质的分类，并转换成ONNX模型部署至服务器。
 成果：1、产出一项深度学习视觉模型，ResNet101；2、基于软硬包、箱型的图像分类与数据分析优化了行李系统设备的一些设计参数；3、识别率达到95%左右。
6、旅客安检置物框目标检测项目
 担任角色：项目负责人
 负责内容：使用Python作为开发语言，以旅客安检置物框图片作为数据集进行数据标注，主要检测旅客遗漏的证件、登机牌、小物品等，利用pytorch框架从底层搭建YOLOV5模型训练后实现空框残留物品检测， 并转换成ONNX模型部署至服务器。
 成果：1、产出一项深度学习视觉模型，YOLOV5；2、空框残留物检测mAP达到86%左右；3、基于该视觉方法在仿真中优化了安检人员人数配置。
7、行李箱定位及脱落视觉检测项目
 担任角色：项目负责人
 负责内容：使用Python作为开发语言，以输送机上经过的行李拍摄图片作为数据集进行数据标注，利用pytorch框架搭建DeepLabV3模型训练后实现行李箱在输送机上的定位及检测行李是否脱落。
 成果：1、产出一项深度学习视觉模型，DeepLabV3；2、检测指标MIoU达到68%左右；3、基于该模型与摄像头实现行李脱落、挂包等检测。
8、行李空框数量检测项目
 担任角色：项目负责人
 负责内容：使用Python作为开发语言，以空框输送机上堆叠好的一摞行李空框图片作为数据集进行数据标注，利用pytorch框架搭建YOLOV5模型训练后实现行李空框数量检测。
 成果：1、产出一项深度学习视觉模型，YOLOV5；2、检测指标mAP达到91%左右；3、基于该视觉方法能够实现空框计数及自动补框。
9、行李托盘缺陷检测项目
 担任角色：项目负责人
 负责内容：使用Python作为开发语言，以托盘分拣机的单个托盘图片作为数据集进行数据标注，主要检测螺栓脱落、托盘异常磨损等，利用pytorch框架搭建DeepLabV3Plus模型训练后实现行李托盘缺陷检测。
 成果：1、产出一项深度学习视觉模型，DeepLabV3Plus；2、检测指标MIoU达到61%左右。