1、熟练掌握图像处理基础知识及相关算法库(OpenCV、Halcon、PCL等)。
2、精通深度学习常见模型(目标检测、图像分割、物件分类、OCR等)。
3、熟练掌握pytorch、tensorflow等深度学习框架。
4、有工业、畜牧业领域的深度学习视觉检测项目落地经验。
5、对前沿技术有探索、追求精神,能够迅速掌握新的技术和算法,具有持续优化改善能力。
项目一:某上市农牧企业智能养殖项目,主要完成了生猪数量检测算法设计、训练、优化与部署,主要采用了mask-rcnn算法,数量识别准确率超95%,项目在公司内部广泛推广应用,帮助公司解决了由于生物安全风险带来的点猪困难痛点。
项目二:某科技公司的鱼道过鱼智能检测项目,主要完成了项目算法设计,训练、优化和部署,采用了yolo+strongsort算法,识别鱼道中过鱼数量、种类、尺寸、游速与游向,识别准确率超90%,算法已在全国多个水利鱼道项目部署。
过鱼效果展示与系统界面展示,系统获取水下摄像头视频流,实时对没帧进行检测分析,并通过追踪算法追踪每条鱼的轨迹,如果鱼顺利通过检测区域,则对其进行计数,并记录其过鱼视频片段以及尺寸,游速等数据写入数据库。
此项目主要检测图片中鱼的关键点位,同时还需检测出图片中的比例尺(正方形块),利用关键点与比例尺对鱼尺寸进行测量