技术能力

我是一名资深全栈算法开发专家，具备从后端到前端全流程开发的能力，精通多种编程语言和工具，包括C++、C#、Qt、MFC、Arm、OpenCV、Halcon、PCL、VTK、CUDA、PDAL、LAStools，以及Python、PyTorch、TensorFlow、ONNX、TensorRT、Open3D等。在传统算法和深度学习领域，我熟练掌握Transformer、Faster R-CNN、YOLO系列、ResNet、GCN、GNN、U-Net、Padim、GANs、SAM、DINO等模型，并具备丰富的模型部署和移植经验，涵盖RK平台、昇腾平台和NV平台，精通TensorRT插件优化。
我对LLM、微调、Agent、LangChain等技术有深入研究，能够端到端部署Diffusion Model。在高光谱遥感、多光谱遥感、透反射光谱仪数据处理方面，我拥有丰富的实践经验，并开发过光谱仪应用平台。
此外，我还熟悉白光干涉仪、膜厚测量仪、共聚焦显微镜、激光线扫、结构光成像、CT成像、拉曼光谱仪、时域热反射、EIT成像、锁相环原理和激光光束分析等技术，具备从低端到高端的产线改造经验，能够推动技术从实验室到产线的落地应用。

项目经验

以下是重新整理和描述的项目内容，按照项目背景、技术栈和应用场景进行简化和优化：
1. 动态规划的焚烧配伍软件开发
项目背景：垃圾焚烧处理中，合理配伍垃圾成分可提高焚烧效率、减少污染物排放。本项目开发基于动态规划的焚烧配伍软件，优化垃圾配伍方案。
技术栈：
前端：React、Ant Design
后端：Python、Flask
算法：动态规划、线性规划
数据库：MySQL
应用场景：垃圾焚烧厂的配伍优化与环保管理。
2. 基于Specim的高光谱实时动态分割软件
项目背景：高光谱成像技术在农业、工业检测等领域应用广泛。本项目开发基于Specim相机的实时动态分割软件，用于高光谱图像的目标区域分析。
技术栈：
高光谱成像：Specim相机
图像处理：Python、OpenCV、NumPy
实时处理：多线程、GPU加速
前端展示：Qt、PyQt5
应用场景：农业病虫害监测、工业材料检测。
3. 基于自研激光线扫3D建模的医疗器械检测项目
项目背景：医疗器械检测对精度要求极高。本项目利用自研激光线扫技术进行3D建模，实现医疗器械的高精度检测。
技术栈：
三维成像：激光线扫、点云生成
点云处理：PCL、Open3D
深度学习：目标检测（YOLO）、缺陷检测
数据可视化：Three.js
应用场景：医疗器械质量检测与生产控制。
4. LLM定向论文分析系统
项目背景：学术研究中，快速准确地分析论文关键信息是提高效率的重要环节。本项目开发基于大语言模型（LLM）的定向论文分析系统，支持自定义关键词和分析方向。
技术栈：
大语言模型：GPT-4、LLaMA
自然语言处理：BERT、文本嵌入
后端框架：Node.js、Express
前端展示：React、D3.js
应用场景：学术研究、文献分析。
5. 大模型智能客服系统
项目背景：智能客服可提升用户体验、降低运营成本。本项目开发基于大模型的智能客服系统，支持多平台接入和定制化服务。
技术栈：
语音识别：ASR（百度语音识别、科大讯飞）
自然语言处理：GPT-4、BERT
语音合成：TTS（百度TTS）
后端框架：Node.js、Flask
前端集成：微信公众号、网页、APP
应用场景：在线客服、智能语音助手。
6. 基于目标检测的工业现场警戒区域监控系统
项目背景：工业现场监控警戒区域的安全至关重要。本项目开发基于目标检测的监控系统，实时检测并预警进入警戒区域的人员或物体。
技术栈：
深度学习：YOLOv8、EfficientDet
视频流处理：OpenCV、FFmpeg
实时数据分析：Redis、Kafka
前端可视化：React、D3.js
应用场景：工业现场安全监控、人员管理。
7. 低功耗低成本工地安全帽监测系统
项目背景：建筑工地监测工人佩戴安全帽是保障施工安全的重要环节。本项目开发低功耗、低成本的安全帽监测系统，实时检测工人是否正确佩戴安全帽。
技术栈：
图像处理：OpenCV、YOLOv5
硬件平台：树莓派、ESP32
数据传输：Wi-Fi、LoRa
前端展示：Vue.js、Element UI
应用场景：建筑工地安全管理。
8. 矿内热成像人员识别系统
项目背景：矿山等复杂环境下，实时监测人员位置和状态对保障安全至关重要。本项目开发基于热成像的人员识别系统，支持矿内复杂环境下的人员监测。
技术栈：
热成像：FLIR热成像相机
深度学习：目标检测（YOLO）、人员识别
数据处理：OpenCV、TensorFlow
前端展示：Qt、PyQt5
应用场景：矿山安全监测、人员管理。
9. 2D面阵相机的桶面包装喷码字符识别
项目背景：工业生产中，识别包装上的喷码字符对质量控制和物流管理至关重要。本项目开发基于2D面阵相机的喷码字符识别系统，支持高精度字符识别。
技术栈：
图像采集：2D面阵相机
图像处理：OpenCV、Tesseract OCR
深度学习：字符识别（CRNN）
数据可视化：React、Ant Design
应用场景：工业生产、物流管理。
10. 嵌入式边缘计算焊接状态识别系统
项目背景：焊接生产中，实时监测焊接状态对提高质量和效率至关重要。本项目开发嵌入式边缘计算焊接状态识别系统，支持实时监测和预警。
技术栈：
图像采集：工业相机
图像处理：OpenCV、深度学习（YOLO）
嵌入式平台：NVIDIA Jetson、树莓派
数据传输：Wi-Fi、4G
前端展示：Vue.js、Element UI
应用场景：焊接生产质量控制。
11. 智能安防行为分析系统
项目背景：公共区域实时监测和分析异常行为对保障安

团队情况