本人人工智能专业毕业,熟练掌握Python,进行过Python后端开发,可以处理机器学习深度学习等简单问题,可以进行flask的开发,ros的开发等,开发环境可以是linux,熟悉数据挖掘算法,曾做过基于pytorch的卫星图像分割,中药材分类,车牌识别系统,ros2机器人,基于ai的北斗定位智能番茄放蔓机器人,机器学习的分布式系统故障诊断系统等项目。
2021.01-2021.06
基于pytorch的地表建筑物分割
本项目使用阿里云天池地表建筑物识别数据集
1. 数据集预处理:使用python语言将rle数据集解码为mask矩阵并转化为训练所需的png格式图片;
2. 数据清洗:删除mask值为空的数据,去除与训练图片不符的数据;
3. 搭建网络:使用pytorch搭建FCN8网络,使用resnet38作为预训练权重,完成对数据集的训练并保存模型;
4. 测试:重新加载训练保存的权重完成测试,准确率可达百分之七十左右。整个项目由我独自完成,参考了一些文献
和现有的网络结构。
2021.01-2021.06
基于Al与北斗技术的杜氏番茄自动放蔓机器人研究与示范应用
本项目是我们团队设计研发的一款适用于番茄种植基地的农业机器人
它利用人工智能自动检测与识别技术,快速识别出控制放蔓的挂钩并准确确定其位置,同时借助北斗卫星定位技术精准
定位与控制机械臂位置。此外,依靠大数据分析系统,对番茄在每茬采摘后及时实施快速精准放蔓操作。在国家级大学生创新创业
计划平台可查,已结题。我在项目中主要负责:
1. 对番茄数据的采集,通过手机相机等设备在杜氏番茄大棚进行拍照,对打好标签后的数据进行处理;
2. 生成训练所需的voc格式数据集,负责使用yolov3-v5目标检测算法对数据进行训练并保存最优训练结果。该项目在
linux系统中完成,从环境的搭建,项目配置,运行均由我完成。
2022.06-2022.12
基于EfficientNet和Flask框架的中药材分类识别系统
本项目使用的是paddle paddle开源数据集,本系统采用python语言,基于深度学习算法完成对中药材分类识别的训练
1. 数据清洗:删除一些非RGB图片以及格式错误的图片以便提高模型准确率;
2. 使用efficientnet网络完成对图片的分类,使用MySQL数据库来存储对所提取信息的进一步处理,将于图片对应的标
签信息存储在excel中,以便后续进行模型迁移,项目复现等做好保障,在项目实现的过程中,包括药材的采集,拍摄,标注,
以及后续网络模型的搭建,均是我在参考大量论文后将其复现,acc可达80%上下;
3. 通过自学flask框架完成项目在web端的展示。
2023.06-2023.07
基于机器学习的分布式系统故障诊断系统
页面展示用的Django,vue,算法部分采用梯度提升树,实现功能:用户手动上传数据集并训练保存权重,可以进行批量或单条数据的预测
本项目的主要功能是通过摄像头完成对车牌的识别任务,主要应用场景分为室内和室外,室内场景可局限于小区,商场等偏静态环境,系统会将采集到的车牌图片进行识别,返回车牌信息以及识别时间,可通过车辆两次进出来计算车辆停车时间,如果是小区内停车业务,也可按照数据库入库时间计算业主剩余缴费天数
本项目的主要功能是通过摄像头完成对车牌的识别任务,主要应用场景分为室内和室外,室内场景可局限于小区,商场等偏静态环境,系统会将采集到的车牌图片进行识别,返回车牌信息以及识别时间,可通过车辆两次进出来计算车辆停车时间,如果是小区内停车业务,也可按照数据库入库时间计算业主剩余缴费天数
数据标准化:提高模型收敛速度:某些机器学习算法(如梯度下降)在优化过程中对输入特征的尺度敏感。如果特征的尺度差异很大,模型可能需要更多的迭代才能达到收敛。通过标准化,可以加快模型的收敛速度,提高训练效率。标准化可以减小数据中的噪声和异常值对模型的影响。通过将数据映射到较小的数值范