• 系统学习计算机科学与技术专业课程，包括数据结构、算法设计、计算机组成原理等，掌握扎实的理论基础。 • 参与学校组织的编程竞赛，提升逻辑思维和代码实现能力。 • 毕业设计专注于图像处理相关课题，为机器视觉领域学习奠定基础。

• 负责公司产品的机器视觉算法研发，针对工业检测场景，优化图像识别准确率。通过改进特征提取算法，将产品缺陷检测准确率从85%提升至95%，每年为公司减少因误判导致的损失约50万元。 • 主导机器视觉系统的架构设计与优化，带领团队完成3个新产品的视觉系统开发，缩短产品开发周期20%。 • 与硬件团队紧密协作，完成相机选型、光源设计等工作，确保视觉系统硬件与算法的高效配合。 • 参与客户技术交流，根据客户需求定制视觉解决方案，成功拓展3家新客户，带来新增订单金额200万元。

• 作为技术负责人，带领团队承担大型智能制造项目的机器视觉模块开发。负责项目整体技术方案制定，协调团队成员分工，确保项目按时交付。项目覆盖5条生产线，实现产品外观检测、尺寸测量等功能，检测效率提升30%，为客户节省人工成本150万元/年。 • 推动公司机器视觉平台化建设，设计并开发通用视觉算法库，封装常用图像处理、识别算法，使新算法开发效率提升40%。目前该算法库已在公司内部3个产品线中应用。 • 跟踪行业前沿技术，引入深度学习算法到公司产品中，针对复杂缺陷检测场景，搭建深度学习模型，检测准确率达到98%，处于行业领先水平。 • 开展内部技术培训，培养3名初级工程师，提升团队整体技术水平。

• 项目背景：某汽车零部件生产企业，需要对零部件表面划痕、裂纹等缺陷进行高速、高精度检测。 • 技术方案：采用工业相机+线阵光源搭建图像采集系统，设计基于边缘检测和模板匹配的算法。通过优化相机参数设置，实现每分钟100个零部件的图像采集；改进边缘检测算法，将划痕检测精度提升至0.1mm。 • 项目成果：系统上线后，缺陷检测准确率达到99%，误检率低于1%，为客户减少因缺陷产品流入市场导致的索赔损失每年80万元。

• 项目背景：3C电子行业，对手机屏幕外观缺陷（如亮点、暗点、划痕）进行检测。 • 技术方案：搭建多相机视觉检测系统，运用深度学习中的目标检测算法（YOLO系列）。针对小目标缺陷检测难题，采用数据增强、模型优化等手段。构建包含10万张屏幕图像的数据集，训练模型。 • 项目成果：系统检测速度达到每秒5张屏幕，缺陷检测准确率97%，满足客户高速生产线上的检测需求，帮助客户提升产品良品率3%。