具备扎实的多语言编程功底,精通 Python、C++、C# 三大主流编程语言,熟练运用 QT 框架进行跨平台可视化界面开发;在机器视觉领域,深度掌握 OpenCV、Halcon 工具链,可独立完成工业级图像采集、预处理、特征提取、模型训练微调全流程开发;精通 YOLO 系列目标检测算法、PaddleOCR 光学字符识别技术,能结合 AI 大模型实现定制化物体检测、字符识别方案,擅长将算法落地为可商用的工业视觉系统,具备从算法选型、模型训练到工程化部署的全链路技术能力。
项目一:晶体计数、计算面积
yolov8s-seg训练晶体进行实例分割出晶体轮廓的模型,模型转.onnx,c++ qt 调用训练并转化好的的模型,对图片内侧的完整晶体(图片外侧不完整晶体不在计算范围内)进行计数并计算每个晶体的像素面积;计算的每个晶体数据实时保存在excel中,异常图片(面积过大或者过小)信息和图片保存在文件夹中,有异常图片时会弹窗报警。晶体计数准确率99%以上,计算面积准确率99%以上。符合产线对晶体计数和面积计算的需求
项目二:仪表盘通用刻度识别
使用yolov8s-pose.pt关键点检测刻度圆盘中数字对应的刻度点、指针圆心点、指针尖端的端点。将训练好的模型转为.onnx(运行电脑没有GPU环境),使用QT C++调用模型,paddleocr识别指针尖端的端点左右两边离得最近的数字对应的刻度点对应的数值,在通过指针圆心点到两边刻度点和指针尖端的端点的弧度差计算出指针所指到的数值。完成通用模型并能识别多种刻度圆盘指针指到的数值,精度达99%,速度平均10毫秒识别一张
yolov8s-seg训练晶体进行实例分割出晶体轮廓的模型,模型转.onnx,c++ qt 调用训练并转化好的的模型,对图片内侧的完整晶体(图片外侧不完整晶体不在计算范围内)进行计数并计算每个晶体的像素面积;计算的每个晶体数据实时保存在excel中,异常图片(面积过大或者过小)信
使用yolov8s-pose.pt关键点检测刻度圆盘中数字对应的刻度点、指针圆心点、指针尖端的端点。将训练好的模型转为.onnx(运行电脑没有GPU环境),使用QT C++调用模型,paddleocr识别指针尖端的端点左右两边离得最近的数字对应的刻度点对应的数值,在通过指针圆心点
使用Arduino 板子里ros2arduinoROS2 库,基于 XRCE - DDS 协议,让基于 Arduino 的低功耗、低成本设备能够轻松运行 ROS2 生态系统,进行小车驱动,树莓派作为中央控制小车驱动,并使用RTAB-VSLAM进行基于外观的实时三维建图,进行实时巡
使用paddleocr 2.6.1再训练温度计图片(因环境干扰大,paddleocr通用模型无法识别温度计数值),训练好后将识别程序转化为ppocr.dll动态链接库,通过QT C++调用动态链接库从而调用再训练的paddleocr模型,进行温度实时读取FTP里面最新的图片并进行
运用RealityCapture商业级三维重建框架,完成各类场景下的高精度三维建模全流程落地,结合自身C++、Python编程能力及OpenCV图像处理技术,实现从图像采集、预处理到三维模型优化、交付的一站式解决方案。