ZYT
机器视觉工程师 · 5年经验 · 上汽通用汽车有限公司
0
累计接单
0
用户评价
1
被收藏
技术能力
1. 计算机语言：Python，C#，C/ C++，MATLAB
2. 视觉算法：熟练使用VisionPro、OpenCV、Halcon等图像处理平台，可基于.NET、Qt、MFC等实现GUI软件二次开发；
3. 深度学习：熟练应用TensorFlow、PyTorch、Paddle等算法框架，将目标检测、图像分割等算法落地于装配防错、复杂缺陷检测等场景，如变速箱阀体深槽夹屑检测、发动机缸体缩孔检测、物料装盒防遗漏检测、机器人智能识别引导、OCR字符智能识别等应用，基于C#自主开发的软件端嵌入各类不同类型的算法模型，实现部署落地；熟练搭建基于CUDA和Python的训练及推理环境；
4. 3D 视觉：具备基于C++和OpenCV的RealSense二次开发经验，基于双目视觉、3D点云等技术在定位引导、无序物料抓取等场景应用经验，具备基于激光线扫3D及Halcon二次开发应用于精密测量检测的技术能力；
5. 嵌入开发：掌握Linux系统基本开发技能，具备嵌入式设备端应用深度学习方案的技术经验，如基于Jetson Nano和Yolov5的火源或烟雾预警系统Demo开发、基于人形机器人的测温巡检应用测试开发等；
6. 数据分析：基于XGBoost等机器学习算法的落地应用经验，如电池整包气密性测试结果的预测分析；
2. 视觉算法：熟练使用VisionPro、OpenCV、Halcon等图像处理平台，可基于.NET、Qt、MFC等实现GUI软件二次开发；
3. 深度学习：熟练应用TensorFlow、PyTorch、Paddle等算法框架，将目标检测、图像分割等算法落地于装配防错、复杂缺陷检测等场景，如变速箱阀体深槽夹屑检测、发动机缸体缩孔检测、物料装盒防遗漏检测、机器人智能识别引导、OCR字符智能识别等应用，基于C#自主开发的软件端嵌入各类不同类型的算法模型，实现部署落地；熟练搭建基于CUDA和Python的训练及推理环境；
4. 3D 视觉：具备基于C++和OpenCV的RealSense二次开发经验，基于双目视觉、3D点云等技术在定位引导、无序物料抓取等场景应用经验，具备基于激光线扫3D及Halcon二次开发应用于精密测量检测的技术能力；
5. 嵌入开发：掌握Linux系统基本开发技能，具备嵌入式设备端应用深度学习方案的技术经验，如基于Jetson Nano和Yolov5的火源或烟雾预警系统Demo开发、基于人形机器人的测温巡检应用测试开发等；
6. 数据分析：基于XGBoost等机器学习算法的落地应用经验，如电池整包气密性测试结果的预测分析；
项目经验
项目一：基于深度学习的变速箱阀体夹屑检测
痛点：阀体油槽结构复杂，缺陷多嵌于油槽底部或侧面，与背景纹理接近，不易识别；关键质量工位，只能依赖人眼目视检查；
解决方案：基于百度Paddle平台自主开发应用算法，采集近2万个工件样本和200多个缺陷样本，实现95%以上召回率；
项目二：物料装盒防遗漏检测应用
针对物料人工装盒时潜在的遗漏风险，提出基于图像分割检测的视觉解决方案，
完成Jetson与Basler相机的设备系统搭建，完成视频抽帧、半自动标注、模型训练、部署验证等工作；
系统成功投产应用，稳定运行后准确率100%
项目三：火源或烟雾预警系统Demo开发
对于工厂安防存在的火灾及烟雾检测报警需求，提出基于目标检测的视觉解决方案
基于Jetson Nano和工业相机硬件系统，基于Yolov5和开源数据集实现算法模型开发，部署于硬件系统实现demo的运行
痛点：阀体油槽结构复杂，缺陷多嵌于油槽底部或侧面，与背景纹理接近，不易识别；关键质量工位，只能依赖人眼目视检查；
解决方案：基于百度Paddle平台自主开发应用算法，采集近2万个工件样本和200多个缺陷样本，实现95%以上召回率；
项目二：物料装盒防遗漏检测应用
针对物料人工装盒时潜在的遗漏风险，提出基于图像分割检测的视觉解决方案，
完成Jetson与Basler相机的设备系统搭建，完成视频抽帧、半自动标注、模型训练、部署验证等工作；
系统成功投产应用，稳定运行后准确率100%
项目三：火源或烟雾预警系统Demo开发
对于工厂安防存在的火灾及烟雾检测报警需求，提出基于目标检测的视觉解决方案
基于Jetson Nano和工业相机硬件系统，基于Yolov5和开源数据集实现算法模型开发，部署于硬件系统实现demo的运行
立即沟通
