我是大學生,但我已經會用python, c/c++,會用PyTorch, yolo, tensorRT實行視覺識別與目標檢測,試過在jetson nano嵌入式模塊上運行yolov5穩定運行;熟悉爬蟲操作
曾經基於 YOLOv5 完成多目標檢測專案,並將模型成功部署到 Jetson Nano 嵌入式平台,實現長時間穩定運行,主要用於比賽場景的即時感知任務。整體流程包含資料蒐集與標註、訓練集/驗證集切分、模型訓練與效果評估,並針對比賽環境中的光照變化、遮擋與背景干擾進行增強與調參,使檢測結果在速度與精度之間取得平衡。部署階段則聚焦效能優化與可靠性,包含影像前處理(resize/letterbox)、推論流程的延遲控制,以及資源受限下的穩定性調整(如降低輸入解析度、控制 batch、監測記憶體占用與溫度)。同時整合 UART 通信模組,將檢測到的目標類別、座標與置信度等資訊封裝成通訊協議,與下位機/控制端進行互聯,完成感知到控制的閉環。專案中也重視容錯與調試,例如通訊重連、資料校驗、異常時降級輸出與日誌紀錄,確保比賽過程中系統能連續運作並快速定位問題。
用yolov5實現多目標檢測,目標是識別機器人上的裝甲板並進行自動瞄準,在jetson nano嵌入式模塊中運行tensorRT加速yolov5穩定運行40+fps(2560*1080),分辨率低一點可以更高fps(1080*760可以運行80+fps),並且使用uart通訊將目
同樣使用yolov5與python爬蟲,這個項目是我自己想搶羽毛球場的預約,用python爬蟲技術自動化進入預約系統,遇到驗證碼的時候自動識別以及自動滑動驗證碼,通過驗證。