技术能力

· 1. 对图像检测、识别、分割有较深的理解和项目经验；
· 2. 精通目标检测算法：YOLOv3、MTCNN，了解R-CNN系列框架；
· 3. 精通目标识别算法：CenterLoss、ArcFace，了解Focal Loss；
· 4. 精通图像分割算法：UNet、UNet++，了解Mask-RCNN、DeepLab；
· 5. 比较熟悉Python语言、CNN相关理论、PyTorch框架、OpenCV图像处理；
· 6. 熟悉VGGNet系列、GoogleNet、ResNet系列、DenseNet、空洞卷积、MobileNet系列；
· 7. 熟悉RNN、LSTM、GRU、Seq2Seq、GAN、DCGAN等深度学习算法，了解C++语言；
· 8. 熟悉Scikit-Learn工具、TensorFlow框架、网络模型剪枝、量化、部署；
· 9. 熟悉贝叶斯、线性回归、逻辑回归、K-means、决策树等传统机器学习原理，了解随机森林、Adaboost等集成学习算法。

项目经验

2019.09 ~ 2020.3 某公司CTP铝制版基表面缺陷检测系统
项目背景：CTP版基对产品的表面质量和精度要求极高，由于原材料质量、生产工艺等原因，其中存在的典型表面质量问题有：脱涂、污点、划痕、褶皱几种。现有人眼进行表面质量的检查方式漏检率高、精度低、效率低下、人力成本高，早已无法满足高速生产的实时监控、在线预警、缺陷分析、成品分级的新形式需求。
项目内容：提供CTP版基缺陷检测整套解决方案，关键是运用深度学习技术来实现实时检测，并提高精铝板带的质量检测精度、生产 线工业自动化水平，同时降低漏检率、释放人工劳力、降低生产成本。
关键技术：目标检测识别、MobileNetV2+SSD、Focal Loss
2019.04 ~ 2019.11 某公司柔性电路板（FPC）缺陷检测
项目背景：随着电子产业飞速发展，电路板设计越来越趋于高精度、高密度化，但生产过程中仍然存在包括金手指压痕、金手指氧化、 点胶不良、白油不良、板面漏铜、元件漏贴、元件偏移、异物、TH孔偏9种缺陷。传统人工质检效率低下、精度受限、成 本高昂；同时不同瑕疵类别对电路板的影响不同，某些极重大瑕疵，一旦发生就要停机检查，时间可能长达 2～3天，极大 地影响产能。
项目内容：提供FPC缺陷检测整套解决方案，采用深度学习的方法，将FPC的缺陷检测视为一个目标检测任务，同时检测多种缺陷， 保证检测速度快，精确度高。使生产流水线上最终流入人工检测的电路板减少70%以上，大大减少人工成本。
关键技术：YOLOv3、K-means
2018.10 ~ 2019.02 某项目部隧道施工人脸识别门禁系统
项目背景：智慧工地中的一环人脸识别门禁管理系统，对上岗进场人员进行脸部、安全帽、反光背心等识别，结合隧道人员定位系统， 对场内作业人员进行动态管控，提高工地信息化和安全管理水平。
项目内容：乙方提供集合软硬件设备于一体的整体解决方案。短延时对人员的信息、着装规范进行识别，合格者允许入场上岗。
关键技术：MTCNN、YOLOv3、Arcface

团队情况