为某汽车零部件工厂开发表面缺陷实时检测系统，基于 YOLOv8 改进网络结构，引入注意力机制（CBAM）与多尺度特征融合。针对小目标缺陷（划痕、凹坑）定制损失函数，使用 Mosaic 增强扩充 3000 张标注样本。模型 mAP@0.5 达 96.3%，单张推理速度 12ms（RTX 3090），部署于产线后漏检率从 8% 降至 0.5%，替代 6 名人工质检岗。技术栈：PyTorch、OpenCV、TensorRT、C++。

为同城配送平台开发智能调度系统，解决带时间窗的车辆路径问题（VRPTW）。结合遗传算法（GA）与模拟退火（SA）设计混合优化算法，引入禁忌搜索避免局部最优。支持 500 单 / 100 车规模的实时调度，计算时间 < 30 秒。上线后车辆平均空驶率降低 22%，单均配送时长缩短 15 分钟，日均节省运力成本 3.2 万元。技术栈：Python、OR-Tools、Flask、Redis、PostgreSQL。

因这些作品属于保密的，不能全部截图发。2T是2吨工业纯水机的电路原理图。另外一个是360KW蒸气发生器的电路原理图

通过掌机控制机器人运动 技术栈： · 语言：C#（熟练）、Python（了解） · 框架：.NET Framework / .NET 6+、WinForms、WPF · 视觉：Cognex In-Sight、VisionPro、PatMax、ViDi · 通信：TCP/IP、串口、Modbus · 数据：SQL Server、SQLite、SPC 质量分析

Jetson Orin/Thor 平台新相机 bring-up 与 ISP 调优实战。针对新载板、新 sensor，独立完成 BSP bring-up、MIPI CSI 与 USB UVC 相机驱动适配、JetPack/L4T 版本移植、ISP 画质调优、PHC/PPS 多传感器时间同步排查。覆盖相机点不亮、画质不达标、跨 JetPack 版本适配等典型问题，显著缩短相机点亮周期，并沉淀可复用的驱动框架与调试方法。

基于 Vue3 + Three.js 开发的工业级三维数字孪生运维平台，面向智慧机房/IDC 数据中心/配电室等无人值守场景，实现物理机房与数字模型的实时映射。 【核心技术】前端采用 Vue3 Composition API + Three.js 实现 GLTF 模型加载、轨道控制器、射线拾取交互；设备状态变更通过 WebSocket 实时推送，驱动 3D 模型材质动态变色（正常/告警/离线三态），做到"数据变了模型就变"。配套 ECharts 实现设备趋势曲线、告警统计、能耗分析多类图表。 【功能范围】3D 全景漫游、设备状态着色、点击拾取联动、巡检点 3D

自主研发的 AI Agent 运行与执行基础设施。系统采用认知决策层与确定性执行层分离架构：K 负责观察、分析和任务决策，F 负责受控执行、状态管理、故障恢复、回滚、升级及审计。项目实现了状态机、权限边界、执行许可校验、事务记录、异常恢复、历史状态保护以及自动化测试机制。开发过程中对异常中断、旧权限重放、回滚恢复、非法状态跳转和并发状态变化等场景进行了实际测试和验证，目标是在 AI 自动化执行过程中保持可恢复、可审计和可验证。

面向自动驾驶与移动机器人场景，基于激光雷达点云开展语义SLAM研究，在传统几何定位建图的基础上融入语义信息，构建具备场景理解能力的3D语义地图，实现定位精度提升与动态环境下的鲁棒感知。

面向自动驾驶与移动机器人场景，基于激光雷达点云开展语义SLAM研究，在传统几何定位建图的基础上融入语义信息，构建具备场景理解能力的3D语义地图，实现定位精度提升与动态环境下的鲁棒感知。

面向低空安防与空中预警场景，针对非合作侦查气球目标开展多模态检测与跟踪研究。气球目标具有低速、弱纹理、尺度多变、与天空背景对比度低等特点，传统目标检测算法面临虚警率高、跟踪易丢失等挑战。项目基于光电/红外成像与雷达探测手段，构建从目标检测、要害点识别到连续跟踪的完整感知链路。