技术能力

我目前从事机器视觉和工业ct相关的工作，具备丰富的技术能力，涉及目标检测、图像分割、姿态识别、点云处理以及DR检测等领域。

在目标检测方面，我熟悉YOLOv11、RetinaNet等算法，能够在复杂环境下进行高效且精确的目标检测。我还掌握了基于深度学习的分割大模型算法，如SAM和NanoSAM，能够实现高精度的图像分割和较高的实时性要求，处理各种复杂背景下的图像数据。

在点云处理方面，我擅长使用PointNet++、PointNext等网络进行点云的部件分割，尤其在工业应用中，能够精确识别和处理点云数据中的目标物体和细节。我熟悉点云数据的特征提取和分割方法，能够为不同的应用场景定制解决方案。

另外，在DR检测方面，我能够处理工业DR图像的分析与缺陷检测，解决传统图像处理方法难以应对的挑战，提升检测的精准度和效率。

项目经验

1.在保温杯缺陷检测项目中，我负责识别凹坑、焊缝和抛光不平等缺陷。通过结合深度学习和图像处理技术，采用目标检测、blob分析和纹理分析等方法，有效提高了缺陷检测的准确性。项目成功实现了在复杂背景下的高精度缺陷识别，显著提升了生产线检测效率。
2. 在DR缸套缺陷检测项目中，我负责识别气孔、裂缝和疏松等缺陷。通过结合图像处理技术与深度学习算法，使用边缘检测、形态学处理和纹理分析等方法，成功检测并分类了缸套中的缺陷。该系统能够在复杂的工业背景下快速、准确地识别出微小的缺陷，提高了生产线的检测精度和效率。
3.在复杂背景下的红外目标检测与跟踪项目中，我负责开发和优化目标检测与跟踪算法。通过深度学习和传统图像处理相结合的方法，使用背景抑制、热图增强、目标特征提取等技术，有效提高了在复杂背景中的红外小目标检测精度。此外，采用基于Siamese网络的目标跟踪算法，确保了在目标运动过程中，能稳定且准确地跟踪目标位置。该系统在实际应用中表现出了良好的实时性和鲁棒性，能够有效应对不同环境中的挑战。
4.在大理石板缺陷检测项目中，检测大理石板表面的裂缝、气泡、污点等缺陷。同时，利用图像处理技术实现了大理石板的尺寸测量，确保精确捕捉板材的各项尺寸。对于不同类型的缺陷，设计分类算法，自动识别并分类缺陷类型。该系统有效提高了生产线的检测精度和效率，能够快速处理大量数据，保障了产品质量。

团队情况