技术能力

在担任技术顾问的角色中，我掌握了多种编程语言和技术能力，能够为客户提供全面的解决方案。我精通Python和C#，具备丰富的编程经验，能够高效地进行软件开发和问题解决。此外，我在计算机视觉领域有深入的研究，能够应用深度学习技术进行图像处理和分析。

在预测分析方面，我熟悉多种算法，并能根据具体需求选择合适的模型进行数据预测和趋势分析。我对于大模型的训练和优化有实战经验，能够应对复杂的数据集和高要求的性能指标。同时，我对多模态算法有一定的了解，能够整合多种数据源，提高模型的准确性和鲁棒性。

我致力于将先进的算法应用于实际业务场景，为客户提供创新和高效的技术解决方案。我的技术能力不仅限于理论研究，更注重实践中的应用和效果，帮助客户实现业务价值的最大化。

项目经验

1. 户型图识别项目
• 提出了一个基于深度学习的框架，主要由 YOLOv5、深度残差网络（DRN ）和 OCR 提取算法组成，以解决光栅到矢量（R2V）问题；
• 通过 YOLOv 5培训10000张2D平面图图像，通过 DRN 提取结构，通过 OCR 提取比例，通过panda3D进行3D重建；
• 在生成矢量化平面图时，实现了0.93和0.97的灵敏度和特异性，在生成三维平面图时实现了0.94和0.96的灵敏度和特异度，这在二维平面图识别和进一步等距三维重建方面优于其他方法。
2.街道垃圾识别项目；
• 提出了一种改进的 YOLOv 5公共垃圾识别模型，将垃圾分为四类；
• YOLOv 5训练了13000张包含垃圾的公共图像，并调整了阈值以实现最佳识别；
• 在垃圾识别中实现了95%以上的识别准确率和较低的误报率；
3. 移动机器人路径规划项目
• 提出了基于深度强化学习的移动机器人路径规划模型；
• 利用 YOLOv 5进行垃圾识别，利用 MDDPG 进行移动机器人的路径规划；
• 将路径规划时间减少40%，实现90%以上联邦学习图像分类项目；
• 提出了一种结合 FL 方法和 ViT 模型对图片进行分类的方法；
• 改进 ViT 以减少训练时间和数据集，并结合 FL 以提高识别准确性；
• 实现了92%以上的识别精度；
4. 开发了机场vtt算法来预测剩余滑行时间，以准确估计飞机的剩余滑行时间减少不必要的候机时间，并将飞机剩余滑行时间预测的平均绝对值误差减少到2分钟内
5. 深圳巴士项目
• 提出了基于优化模型的能耗预测，以降低深圳巴士集团的电力成本
• 提高公交调度规划的效率，帮助深圳巴士集团每年节省约1000万电力成本
6. 3D打印件缺陷检测项目
• 提出了一种改进的YOLOv3方法来检测3D打印零件的内部缺陷，以快速识别有缺陷的3D打印零件
• 缺陷零件的识别精度超过96%
7. 三维锂电池数据分析项目
• 对锂离子电池正极浆料比率进行数据分析，以提高传统锂电池的倍率性能
• 确定了最佳浆料比例和3D打印工艺参数

团队情况