生活不宕机

1. 精通 Qt 框架，熟悉 Qt5/Qt6 的多平台开发，能够在 Windows 和 Linux 环境下进行开发与部署。熟练使用 Qt Designer 进行界面设计，具备丰富的 信号与槽机制、事件处理、QML 和 样式表的使用经验，能够实现高度交互和响应式的用户界面。在 MVC模式 中拥有深入的应用经验，能够高效地将 模型（Model）、视图（View） 和 控制器（Controller） 进行分离，提升代码的可维护性和扩展性。熟练进行 多线程编程，优化 QtConcurrent、QThread 等机制，确保应用的高效性能。
在 Qt 项目中应用 Pimpl（Pointer to Implementation） 和 智能指针 技术，提升代码结构的模块化和资源管理的安全性。

2. 精通 OpenCV 图像处理库，熟悉常用图像处理算法和技术，如 边缘检测、轮廓检测、直方图均衡化、滤波、形态学操作 等。
擅长基于 OpenCV 实现 视觉检测系统，在工业检测领域中有丰富的应用经验，能够开发高效的 缺陷检测、目标识别 和 图像对齐 系统。具有丰富的经验应用 OpenCV 结合 深度学习 模型进行 图像分类、目标检测、语义分割 等任务，并使用 TensorRT 加速模型推理，提升系统的实时性。精通图像预处理技术，能够优化图像质量，减少噪声，提升图像对比度，为后续分析提供高质量数据。熟悉 OpenCV 与 硬件接口（如相机和传感器）的结合，能够进行 相机标定、图像采集 和 图像存储 等操作。对 视频流处理 和 实时图像处理 有深入研究，能够在工业环境下应用 OpenCV 实现高效的视觉检测系统。

3. 精通 PyTorch 框架，熟悉 深度神经网络（DNN）、卷积神经网络（CNN）、循环神经网络（RNN） 和 Transformer 等神经网络结构的实现与优化。拥有丰富的 深度学习模型训练与调优 经验，能够通过 迁移学习、数据增强、正则化 等手段提升模型的泛化能力和精度。熟练使用 深度学习加速技术，如 TensorRT、ONNX，有效提高模型推理速度，降低系统资源消耗，尤其是在嵌入式和工业环境中的应用。在 计算机视觉 领域有较强的应用经验，包括 物体检测、语义分割、人脸识别、图像生成 等任务，能够利用 深度学习 技术解决实际问题。