在核心技术层面,精通深度学习如yolo DINO、SAM3 等主流检测与分割模型的原理与实践,熟练掌握模型在工业场景下的适配优化方法,可针对水马、警示牌等特定目标类别,完成提示词优化、视角适配及性能调优,有效解决复杂场景下的漏检、错检问题。同时,深谙传统视觉算法与深度学习的融合应用,擅长基于 OpenCV、Halcon 等工具实现图像预处理、特征提取、模板匹配等功能,能根据工业生产的精度、速度需求,灵活选择技术方案。
在工程落地方面,具备硬件平台适配经验,可针对服务器、嵌入式设备等不同硬件环境,完成算法的轻量化部署与性能优化,保障模型推理速度满足工业实时性要求。曾参与工业场景下多目标检测、缺陷识别等项目,擅长处理复杂光照、遮挡、视角变化等实际问题,通过数据增强、模型融合等策略,提升算法的鲁棒性与稳定性。
此外,熟悉工业视觉系统的整体架构,了解相机、光源等硬件选型逻辑,能够结合具体业务场景,构建从硬件选型、算法开发到系统集成的完整解决方案,助力工业生产实现自动化、智能化升级。
工业视觉识别项目,拆码垛项目
针对工业生产中纸箱、料箱、零部件等物料,实现自动化识别、定位与姿态估计,为机械臂提供精准坐标与动作指令,完成高效、稳定的拆垛(拆解堆叠物料)与码垛(按规则堆叠物料)作业,替代人工重复性劳动,适配多规格、混合堆叠场景。
电芯检测项目
针对锂电池电芯(圆柱 / 方形 / 软包)的生产全流程,实现外观缺陷检测(划痕、鼓包、漏液、极耳变形、标签偏移)与关键尺寸测量(厚度、宽度、极耳间距),保障电芯一致性与安全性,满足新能源行业高精密检测需求。
轨道交通车体检测项目
针对高铁、地铁等轨道交通车体,实现车身表面缺陷(裂纹、划痕、腐蚀、漆面脱落)与装配偏差(车门间隙、车窗安装精度)的自动化检测,替代人工攀爬巡检,提升检测覆盖率与准确性,保障行车安全。
无人机小目标检测项目
基于无人机航拍场景(高空、远距离、复杂背景),实现小目标(如电力巡检中的绝缘子缺陷、安防监控中的可疑人员、工业场景中的设备故障部件、交通场景中的警示牌 / 交通锥)的精准识别与跟踪,替代人工地面巡检,覆盖人力难以到达的区域。
Unmanned aerial vehicles (UAVs), commonly known as drones, are increasingly used in sectors ranging from surveillance and delivery to agricu
This is a repository that implements rebar detection and counting using YOLOv9, which is the newest state-of-the-art object counting and det