主要从事Python和HTML方向的程序开发,具备扎实的编程基础与系统设计能力。精通使用Python进行数据处理、Web开发(如Flask)、脚本自动化及API接口设计,熟悉HTML前端结构与基本的网页交互实现,能够独立开发中小型应用程序。在计算机视觉方向,参与过基于YOLO(You Only Look Once)模型的算法优化与定制化改进,具备目标检测任务的实际经验,熟悉模型训练流程、数据标注与部署。在算法设计方面,擅长基础算法分析与实现,能够根据需求优化程序运行效率。此外,具有良好的文档编写、团队协作及远程沟通能力,能够高效支持项目从原型设计到上线全过程开发,适合承担多样化开发任务与顾问支持工作。
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。
采用客户端-服务器架构: 将计算密集型任务(推理、数据库操作、图像捕获)放在服务器端,客户端专注于提供用户交互界面和数据展示。降低客户端的硬件要求,便于集中管理模型和数据。 混合网络通信协议:WebSocket: 用于实时的控制指令(JSON文本)、状态信息(JSON文本)和标
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