编程能力
C/C++:熟练,具备算法工程化和高性能优化经验
Python:熟练,熟悉完整算法开发流程(训练、测试、部署、优化)
PyTorch:熟练,具备模型训练、调优和部署经验
Linux:熟悉,具备实际项目部署和调试经验
Qt:良好,具备算法工具和训练平台开发经验
Matlab:熟悉,具备算法验证和原型设计经验
技术能力
具备多年视觉算法在工业与实际场景中的落地经验(烟草、化工、无人机巡检、安全生产等)
熟悉目标检测、分割以及多模态视觉等常见视觉算法及完整开发流程
具备算法从需求分析 → 模型设计 → 训练优化 → 部署落地 → 持续迭代的完整经验
具备算法代码架构设计能力,能够完成算法框架搭建与项目代码整合
具备算法团队任务规划与项目推进经验
持续跟进视觉领域前沿技术,并能结合实际业务进行落地优化
安全生产视频分析系列项目:面向卷烟厂、化工厂、煤矿等大型生产现场,构建视频分析系统,实现安全行为识别、场景理解及生产安全检测。
主要工作与成果:
1. 算法开发与优化阶段
根据业务需求制定算法方案,规划算法开发任务并进行项目管理(GitLab)
完成多类视觉算法的开发与优化(Python / C++)
基于真实生产环境进行算法测试与误差分析,mAP 提升约 2%–10%
在 RTX 与 Jetson Orin 平台完成模型部署与性能优化,在 精度仅下降约 1% 的情况下,推理速度提升约 26%
2. 算法框架与代码体系建设
构建统一的视频分析训练代码框架(Python + Qt)
构建统一的算法部署代码库(C++ + CUDA)
抽象多个项目的共性逻辑,重构业务层算法架构,提高代码复用性与维护效率
3. 行业落地与持续优化
针对国产化需求,完成算法在 MLU370-S4、RK3588 等国产平台上的迁移与适配
持续跟进前沿技术(ReID、SAM、多模态等),并在实际项目中进行验证与优化
无人机烟田巡检项目:基于无人机航拍图像,对烟田进行自动规划、区域分析和种植情况统计。
主要工作与成果:
开发土地规划相关算法(多边形拟合、重叠区域计算等),规划精度提升约 20%
开发烟田区域分割算法,实现烟田面积自动估算
替代大量人工圈地操作,人力成本降低约 70%
条烟分拣产线纠错系统:基于机器视觉实现物流分拣产线中条烟的自动识别与错误订单纠正。
主要工作与成果:
完成图像预处理算法开发(畸变矫正、对比度增强等)
完成条烟目标分割与识别算法开发
优化多目标紧邻情况下的分割算法以及相似条烟识别算法
系统整体识别准确率达到 99.98%(目标 99.99%+)