一名技术栈全面的软件工程师,精通 Python 后端与 Flutter 跨平台应用开发。在 AI 领域,具备深厚的 计算机视觉 (CV) 实践经验,专注于 YOLO 目标检测模型的优化、训练与部署。同时,掌握 C++ 以实现性能密集型任务,并以 HTML 构建标准Web界面。具备从系统设计、算法优化到前后端实现的全流程开发能力,致力于打造高性能、高可用的软件解决方案。
技能矩阵:
后端与数据工程:
Python: 精通 Flask/Django Web框架、RESTful API 设计、自动化脚本、数据处理与分析。
跨平台与移动开发:
Flutter (Dart): 擅长构建高性能、界面美观的 iOS/Android/Windows 跨平台应用程序。
计算机视觉 (AI):
YOLO系列: 具备模型定制化改进、训练流程优化、数据标注及 TensorRT/ONNX 部署经验。
性能与系统编程:
C++: 能够编写高效的底层模块,进行算法性能优化及系统级开发。
前端基础:
HTML: 熟悉网页结构化标记与前端交互实现。
综合能力:
系统设计、算法分析、文档编写、团队协作、远程沟通。
YOLO算法优化与工业缺陷检测项目
参与某高校科研处支持的工业视觉项目,基于YOLOv5模型进行算法改进,用于金属零件表面缺陷检测。负责模型结构调整、训练参数优化、数据增强及缺陷类别的自定义扩展。针对实际工况中复杂背景与小目标难识别的问题,采用多尺度检测与改进的损失函数策略,有效提升模型准确率与召回率。最终模型部署在Jetson Nano上,实现边缘实时检测,推理速度控制在50ms以内。
Python自动化脚本与数据可视化平台开发
独立开发一个基于Flask框架的Web系统,提供用户数据上传、处理、图表展示及导出功能。前端采用HTML/CSS和JavaScript实现交互,后端使用Pandas处理数据并调用Matplotlib与Plotly生成可交互图表。支持任务定时执行与多用户并发访问,广泛应用于科研数据分析与结果展示。
算法设计与竞赛经验积累
在校期间多次参与校级和省级编程与算法竞赛,擅长使用Python实现图搜索、动态规划、图论与数据结构类算法。多次承担团队技术核心角色,负责整体算法框架设计与核心逻辑实现,具备独立分析问题并快速编码的能力。
基于 Jetson Orin Nano 的实时工业缺陷检测系统 本方案成功在 NVIDIA Jetson Orin Nano (4GB) 边缘计算平台上,构建了一套端到端的实时工业缺陷检测系统。该系统具备以下核心技术特点: 先进模型: 采用最新的 YOLOv10n 目标检测算
本项目是一个基于 PyQt5 开发的工业缺陷检测客户端,旨在与 NVIDIA Orin Nano 4GB 硬件平台无缝配合,实现高效的缺陷检测功能。通过一对一部署检测模型,客户端支持 Orin Nano 利用摄像头进行自主缺陷检测,适用于工业生产场景中的质量控制。 主要功能
DeckTerm: 现代化的一站式远程管理终端 DeckTerm 是一款基于 Dart 与 Flutter 构建的现代化、跨平台远程管理客户端,专为开发者和系统管理员设计。它将强大的功能与基于 Tdesign 的优雅界面无缝融合,为您在 Windows 和 Android 平台