猿急送>

南京Python兼职程序员

ID：420847

回家回家

ROS开发员

公司信息：
南京新大陆有限公司

工作经验：
1年

兼职日薪：
500元/8小时

兼职时间：
可工作日驻场（自由职业原因）

所在区域：
南京
全区

技术能力

编程语言方面，Python（熟练）、C/C++（熟练）为常用开发工具，可高效实现算法原型与工程落地。AI与算法领域，精通 PyTorch 深度学习框架，熟练掌握 YOLOv8 目标检测模型的训练调优与源码级调试，深入理解自适应滤波算法、概率统计方法及 CBAM注意力机制的应用逻辑。嵌入式与机器人方向，具备 STM32（如F103系列）、OpenMV 硬件开发经验，熟悉 ROS/ROS2 系统架构，掌握 PID控制、传感器融合等核心技术。

项目经验

1. 自主移动机器人系统开发（南京新大陆实习项目）
作为ROS2开发部实习生，主导“硬件-算法-控制”三层架构设计，实现识别、抓取、运输与投掷多任务自主执行。核心突破包括：①基于概率统计方法设计自适应滤波算法，有效抑制反光与噪声干扰，目标识别准确率提升至95%+；②采用有限状态机（FSM）优化多任务逻辑，系统连续无故障运行时间提升30%；③完成多传感器（激光雷达、视觉）数据融合与路径跟踪功能开发，通过端到端测试建立数据驱动调试流程，定位准确率提高10%。
2. 智慧道路巡检缺陷检测系统（核心算法负责人）
基于YOLOv8框架构建道路病害识别模型，实现裂缝、坑洞等缺陷自动检测。关键技术贡献：①使用PyTorch搭建训练环境，完成数据预处理、模型训练、推理验证全流程开发；②深入调试YOLOv8源码，定位并修复ComputeLoss调用异常、特征层尺度不匹配等问题；③引入CBAM注意力机制增强模型抗干扰能力，使识别准确率提升3%、整体鲁棒性提升15%；④构建“训练-验证-推理”闭环流程，实现检测结果自动可视化输出，支持工程化部署。

案例展示

基于深度学习的道路缺陷检测算法设计

基于YOLOv8框架构建道路病害识别模型，实现裂缝、坑洞等缺陷自动检测。关键技术贡献：①使用PyTorch搭建训练环境，完成数据预处理、模型训练、推理验证全流程开发；②深入调试YOLOv8源码，定位并修复ComputeLoss调用异常、特征层尺度不匹配等问题；③引入CBAM注意力
Python编程

为核心开发者，独立完成了所有实验的代码实现与逻辑优化。重点突破包括：① 用IPO模型设计货币转换系统，实现汇率动态适配与异常处理；② 基于递归与分治思想实现斐波那契数列高效计算，优化算法时间复杂度；③ 开发图书数据分析模块，通过字典与集合完成百万级评论数据的统计排序；④ 设计通用