编程语言:C#(熟练),JavaScript(基本),Python(基础)
开发框架与工具:.NET Framework, .NET Core
WinForms, WPF(Windows 窗体应用开发)
ASP.NET Core
Entity Framework, ADO.NET
数据库技术:SQL Server, MySQL,基本的数据库设计与优化
版本控制:Git, GitHub
前端技术:HTML, CSS, JavaScript(基础)
开发工具:Visual Studio, JetBrains Rider, SQL Server Management Studio
其他技能:图像处理:使用 OpenCV 进行图像识别、边缘检测、图像特征匹配等。
网络编程:通过 TCP/IP 协议进行客户端-服务器编程。
单元测试:NUnit、XUnit 测试框架。
智能生产线图像检测系统
2024年10月 – 至今
项目背景:该项目旨在为生产线上的产品质量检测提供自动化解决方案,减少人工检测误差,提高生产效率。
技术栈:C#, OpenCV, .NET Core, SQL Server
项目描述:图像采集与处理:利用工业相机采集产品图像,使用 OpenCV 对图像进行处理,包括边缘检测、特征提取和目标识别。通过 C# 结合 OpenCV 提供的图像处理库,设计并实现了包括批锋检测、表面缺陷识别等多个功能模块。
实时数据监控与告警:通过 .NET Core 构建实时数据监控平台,收集设备状态和产品质量数据,并使用 C# 定时任务处理模块,定期上传检测结果,及时进行告警。
数据库管理:使用 SQL Server 进行数据存储和管理,设计了数据库模型来存储检测结果、设备状态和历史记录。通过 Entity Framework 实现了数据的高效增删查改。
用户界面设计:使用 Windows Forms (WinForms) 开发了直观易用的桌面应用程序,展示实时检测结果,用户可以在图形界面上查看检测到的缺陷类型和详细数据。
优化与性能提升:对图像处理算法进行优化,减少处理时间,确保在生产线高速运行下也能实时检测每一张图片,图像处理时间由原来的5秒降低到1秒以内。
成果:系统投入使用后,生产线的检测准确率提升了30%以上,人工检测的误差大大减少。
处理速度提升后,系统能够实时反馈每一个生产环节的质量问题,极大地提高了生产效率与产品质量。
智能生产线图像检测系统 项目背景: 在传统的生产线检测过程中,人工检测难以做到高效且无误,而高精度的自动化检测系统能有效解决这一问题。该系统的目标是通过对生产线上的产品图像进行自动化检测,准确识别产品上的缺陷,实时反馈检测结果,极大提高生产效率。 技术实现: 图像采集与处
智能远程文件绑定与识别系统 在我参与的项目中,我们开发了一个智能远程文件绑定与识别系统,主要用于通过联合读码器读取物料信息,并在远程 PC 上搜索对应文件进行绑定识别,最终自动化记录物料信息。该系统提高了生产线的效率和物料管理的准确性。 项目背景: 生产线上的物料管理是重要