编程软件:PyCharm、Visual Studio Code 等集成开发工具;
编程语言:Python、C++ ;
深度框架:PyTorch、TensorFlow 深度学习框架;
目标检测:YOLOv1-v5、Fast RCNN 等目标检测算法;
图像复原:inpainting Transformer;
熟练掌握:ResNet、MobileNet 等卷积神经网络模型;
熟练掌握:Numpy、Pandas、Matplotlib、Opencv 等工具类库;
熟练掌握:Windows、linux 开发环境;
熟练掌握:Linux 常用的命令编译调试工程;
熟练掌握:图形分类、目标检测。人脸识别等算法模型和实践;
熟练掌握:ROS 应用、结构、建模、控制、仿真、测试、分析及评价的系统总体框架;
工业质量检测---零部件
项目描述:
在实际的产品生产当中由于各种不确定因素的影响,容易导致产品表面出现缺陷,严重影响产品的外观和性能。人工检测
效率低、误检率高。针对该问题研发一款基于深度学习的智能缺陷检测系统。大幅度提高了产品质量和生产效率。最终
准确率达到了 90.21%。
工作内容:
1. 采集数据,数据分析,针对样本不平衡问题,后续通过数据增强手段对每一类缺陷进行扩充。
2. 根据项目实际需求调研算法,最终选用 YOLO 算法。
3. 改进了天池冠军方案,采用更快的 Fast-RCNN,准确率由原来的 87.26%提高到了 90.21%。
4. 模型训练,参数调优,参与模型部署工作。
变电站巡检机器人---安检系统
项目描述:
工业仪表在军事、航空航天、工业等领域有着广泛的应用。为了保障变电站的安全稳定运行,需要对变电站中的变压器、
电抗器、电流互感器、电压互感器、断路器等设备进行定期地巡检,以便迅速发现异常并及时处理。基于对采数人员人
身安全和人工采数效率低的问题考虑,开发一款智能安检系统,保障人身安全,提高效率。该系统识别准确率达到了 97%
以上。
工作内容:
1. 基于业务需求,对算法进行调研,选用 ROS2-YOLOV5-pytorch;
2. 采集数据,对数据进行分析,图片标注等;
3. 构建方案,调研缺陷检测算法,对小目标问题进行数据增强,提高了 8%;
4. 根据实际场景,不断迭代优化算法模型,提高检测效率。