A@A邵振华
高级python开发工程师
西安察皑勒科技服务部 · 5年经验
日薪：
￥1000/8h
地点：
西安 全区
时间：
可工作日驻场（自由职业原因）
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
1.Window、Ubuntu环境开发以及配置，熟悉git配合团队合作，能使用shell完成日常工作；
2.熟悉VSCode, pycharm、JupyterNotebook等常用开发软件和notepad++等文本编辑器；
3.熟悉Python语言，多进程、装饰器等特性，适应编程任务，有良好的代码风格与命名规范；
4.熟悉numpy、matplotlib、pandas高性能科学计算机和数据分析库；
5.熟悉sklearn机器学习算法库，包括回归（线性回归等），分类（朴素贝叶斯分类等），聚类（K-Means聚类等）基本算法训练模块；
6.熟悉OpenCV下的图像裁剪、缩放、直方图、边缘检测、滤波、仿射变换等常用具；
7.掌握LetNet-5模型，VGG-Net模型，DCGAN模型，了解ResNet模型；
8.掌握R-CNN框架、掌握YOLO目标检测；掌握人脸检测识别孪生网络，三元网络，MTCNN模型；
9.掌握光学字符识别（OCR）的CRNN-CTC、和CTPN，seglink检测技术；
10.熟悉TensorFlow深度学习，掌握框架paddle，了解pytorch深度学习框架。
2.熟悉VSCode, pycharm、JupyterNotebook等常用开发软件和notepad++等文本编辑器；
3.熟悉Python语言，多进程、装饰器等特性，适应编程任务，有良好的代码风格与命名规范；
4.熟悉numpy、matplotlib、pandas高性能科学计算机和数据分析库；
5.熟悉sklearn机器学习算法库，包括回归（线性回归等），分类（朴素贝叶斯分类等），聚类（K-Means聚类等）基本算法训练模块；
6.熟悉OpenCV下的图像裁剪、缩放、直方图、边缘检测、滤波、仿射变换等常用具；
7.掌握LetNet-5模型，VGG-Net模型，DCGAN模型，了解ResNet模型；
8.掌握R-CNN框架、掌握YOLO目标检测；掌握人脸检测识别孪生网络，三元网络，MTCNN模型；
9.掌握光学字符识别（OCR）的CRNN-CTC、和CTPN，seglink检测技术；
10.熟悉TensorFlow深度学习，掌握框架paddle，了解pytorch深度学习框架。
项目经验
项目：金属工艺品丝印合格率情况检测
开发工具：Linux、Python、Numpy、OpenCV、paddle、CNN
工作内容：
1.通过对瓷砖（5组缺陷，丝印缺角，颜色不纯等）样本1344个，通过对数据集进行不切边旋转（45/90/135/180/225/270/315七个方向）增加数据样本10752个样本数据；
2.基于10752个样本，进行缺陷类别编码，按照1：9切分每组缺陷样本的测试集和训练集，以及图像大小；
3.搭建CNN卷积神经网路模型，通过3层卷积/池化/丢弃，再经过一个全连接，丢弃，relu激活输出预测；
3.通过计算损失函数：交叉熵，观察模型得损失函数，以及准确率，以及测试集模型评估，进行调参训练；
4.通过100轮次的增量模型训练，固化最终模型。
项目：图像识别处理，芯片瑕疵检测
开发工具：Linux、Python、numpy、opencv
项目描述：通过工业CCD，找出芯片引脚焊接是否合格。提高工厂自动化，达到工厂增产。
工作内容：通过工业CCD采集图片，对采集图片进行二值化处理、提取出度盘轮廓、绘制边沿、绘制前景对象轮廓、图像闭运算，膨胀、腐蚀、计算瑕疵大概面积等步骤，标记出图像中的瑕疵位置。
项目：伺服电机移动精度测量分析
开发环境：linux、python、numpy、pandas、matplotlib
工作内容：由于3D打印是通过层层堆积成型，产生阶梯效应，为检测阶梯效应的稳定性，通过光栅尺检测Z轴实时数据并且进行采集，对其数据进行分析检测，可视化界面，观察成型效果，并且实时反馈，形成闭环控制。
开发工具：Linux、Python、Numpy、OpenCV、paddle、CNN
工作内容：
1.通过对瓷砖（5组缺陷，丝印缺角，颜色不纯等）样本1344个，通过对数据集进行不切边旋转（45/90/135/180/225/270/315七个方向）增加数据样本10752个样本数据；
2.基于10752个样本，进行缺陷类别编码，按照1：9切分每组缺陷样本的测试集和训练集，以及图像大小；
3.搭建CNN卷积神经网路模型，通过3层卷积/池化/丢弃，再经过一个全连接，丢弃，relu激活输出预测；
3.通过计算损失函数：交叉熵，观察模型得损失函数，以及准确率，以及测试集模型评估，进行调参训练；
4.通过100轮次的增量模型训练，固化最终模型。
项目：图像识别处理，芯片瑕疵检测
开发工具：Linux、Python、numpy、opencv
项目描述：通过工业CCD，找出芯片引脚焊接是否合格。提高工厂自动化，达到工厂增产。
工作内容：通过工业CCD采集图片，对采集图片进行二值化处理、提取出度盘轮廓、绘制边沿、绘制前景对象轮廓、图像闭运算，膨胀、腐蚀、计算瑕疵大概面积等步骤，标记出图像中的瑕疵位置。
项目：伺服电机移动精度测量分析
开发环境：linux、python、numpy、pandas、matplotlib
工作内容：由于3D打印是通过层层堆积成型，产生阶梯效应，为检测阶梯效应的稳定性，通过光栅尺检测Z轴实时数据并且进行采集，对其数据进行分析检测，可视化界面，观察成型效果，并且实时反馈，形成闭环控制。
案例展示 全部案例 >
A@A邵振华
高级python开发工程师 · 5年经验 · 西安察皑勒科技服务部
0
累计接单
0
用户评价
0
被收藏
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
1.Window、Ubuntu环境开发以及配置，熟悉git配合团队合作，能使用shell完成日常工作；
2.熟悉VSCode, pycharm、JupyterNotebook等常用开发软件和notepad++等文本编辑器；
3.熟悉Python语言，多进程、装饰器等特性，适应编程任务，有良好的代码风格与命名规范；
4.熟悉numpy、matplotlib、pandas高性能科学计算机和数据分析库；
5.熟悉sklearn机器学习算法库，包括回归（线性回归等），分类（朴素贝叶斯分类等），聚类（K-Means聚类等）基本算法训练模块；
6.熟悉OpenCV下的图像裁剪、缩放、直方图、边缘检测、滤波、仿射变换等常用具；
7.掌握LetNet-5模型，VGG-Net模型，DCGAN模型，了解ResNet模型；
8.掌握R-CNN框架、掌握YOLO目标检测；掌握人脸检测识别孪生网络，三元网络，MTCNN模型；
9.掌握光学字符识别（OCR）的CRNN-CTC、和CTPN，seglink检测技术；
10.熟悉TensorFlow深度学习，掌握框架paddle，了解pytorch深度学习框架。
2.熟悉VSCode, pycharm、JupyterNotebook等常用开发软件和notepad++等文本编辑器；
3.熟悉Python语言，多进程、装饰器等特性，适应编程任务，有良好的代码风格与命名规范；
4.熟悉numpy、matplotlib、pandas高性能科学计算机和数据分析库；
5.熟悉sklearn机器学习算法库，包括回归（线性回归等），分类（朴素贝叶斯分类等），聚类（K-Means聚类等）基本算法训练模块；
6.熟悉OpenCV下的图像裁剪、缩放、直方图、边缘检测、滤波、仿射变换等常用具；
7.掌握LetNet-5模型，VGG-Net模型，DCGAN模型，了解ResNet模型；
8.掌握R-CNN框架、掌握YOLO目标检测；掌握人脸检测识别孪生网络，三元网络，MTCNN模型；
9.掌握光学字符识别（OCR）的CRNN-CTC、和CTPN，seglink检测技术；
10.熟悉TensorFlow深度学习，掌握框架paddle，了解pytorch深度学习框架。
项目经验
项目：金属工艺品丝印合格率情况检测
开发工具：Linux、Python、Numpy、OpenCV、paddle、CNN
工作内容：
1.通过对瓷砖（5组缺陷，丝印缺角，颜色不纯等）样本1344个，通过对数据集进行不切边旋转（45/90/135/180/225/270/315七个方向）增加数据样本10752个样本数据；
2.基于10752个样本，进行缺陷类别编码，按照1：9切分每组缺陷样本的测试集和训练集，以及图像大小；
3.搭建CNN卷积神经网路模型，通过3层卷积/池化/丢弃，再经过一个全连接，丢弃，relu激活输出预测；
3.通过计算损失函数：交叉熵，观察模型得损失函数，以及准确率，以及测试集模型评估，进行调参训练；
4.通过100轮次的增量模型训练，固化最终模型。
项目：图像识别处理，芯片瑕疵检测
开发工具：Linux、Python、numpy、opencv
项目描述：通过工业CCD，找出芯片引脚焊接是否合格。提高工厂自动化，达到工厂增产。
工作内容：通过工业CCD采集图片，对采集图片进行二值化处理、提取出度盘轮廓、绘制边沿、绘制前景对象轮廓、图像闭运算，膨胀、腐蚀、计算瑕疵大概面积等步骤，标记出图像中的瑕疵位置。
项目：伺服电机移动精度测量分析
开发环境：linux、python、numpy、pandas、matplotlib
工作内容：由于3D打印是通过层层堆积成型，产生阶梯效应，为检测阶梯效应的稳定性，通过光栅尺检测Z轴实时数据并且进行采集，对其数据进行分析检测，可视化界面，观察成型效果，并且实时反馈，形成闭环控制。
开发工具：Linux、Python、Numpy、OpenCV、paddle、CNN
工作内容：
1.通过对瓷砖（5组缺陷，丝印缺角，颜色不纯等）样本1344个，通过对数据集进行不切边旋转（45/90/135/180/225/270/315七个方向）增加数据样本10752个样本数据；
2.基于10752个样本，进行缺陷类别编码，按照1：9切分每组缺陷样本的测试集和训练集，以及图像大小；
3.搭建CNN卷积神经网路模型，通过3层卷积/池化/丢弃，再经过一个全连接，丢弃，relu激活输出预测；
3.通过计算损失函数：交叉熵，观察模型得损失函数，以及准确率，以及测试集模型评估，进行调参训练；
4.通过100轮次的增量模型训练，固化最终模型。
项目：图像识别处理，芯片瑕疵检测
开发工具：Linux、Python、numpy、opencv
项目描述：通过工业CCD，找出芯片引脚焊接是否合格。提高工厂自动化，达到工厂增产。
工作内容：通过工业CCD采集图片，对采集图片进行二值化处理、提取出度盘轮廓、绘制边沿、绘制前景对象轮廓、图像闭运算，膨胀、腐蚀、计算瑕疵大概面积等步骤，标记出图像中的瑕疵位置。
项目：伺服电机移动精度测量分析
开发环境：linux、python、numpy、pandas、matplotlib
工作内容：由于3D打印是通过层层堆积成型，产生阶梯效应，为检测阶梯效应的稳定性，通过光栅尺检测Z轴实时数据并且进行采集，对其数据进行分析检测，可视化界面，观察成型效果，并且实时反馈，形成闭环控制。
立即沟通
