在本科期间，系统学习了计算机科学与技术的专业课程，包括数据结构、算法分析、计算机组成原理等，为后续的算法研究打下了坚实的理论基础。研究生阶段专注于工业视觉方向，参与了多个科研项目，提升了科研能力和实践经验。

• 负责工业视觉算法的研发与优化，针对电子元件检测项目，设计并实现了基于深度学习的缺陷检测算法，使检测准确率从 85%提升至 98%，每年为公司节省因产品缺陷导致的损失约 500 万元。
• 与硬件团队紧密合作，优化算法在嵌入式设备上的运行效率，将算法处理速度提高了 30%，满足了产线实时检测的需求。
• 带领团队完成了 3 个工业视觉项目的算法开发，培养了 2 名算法工程师，提升了团队整体技术水平。

• 主导了汽车零部件尺寸测量项目的算法设计，采用机器视觉与图像处理技术，实现了高精度（误差小于 0.05mm）的尺寸测量，项目应用于 5 条汽车零部件生产线，每年为客户创造价值超 1000 万元。
• 优化了公司现有的视觉定位算法，将定位精度从 0.2mm 提升至 0.1mm，提高了产品在市场上的竞争力。
• 参与公司技术预研工作，对新兴的工业视觉算法（如基于 Transformer 的视觉模型）进行研究与评估，为公司技术发展方向提供建议。

• 项目背景：针对 3C 产品外观缺陷检测难题，传统人工检测效率低、准确率不稳定。
• 项目内容：设计了基于卷积神经网络（CNN）的外观缺陷检测算法，构建了包含 10 万张 3C 产品图像的数据集，进行数据增强、模型训练与优化。
• 项目成果：实现了 99%的缺陷检测准确率，检测速度达到 100 张/秒，应用于 10 条 3C 产品生产线，减少了 80%的人工检测成本。

• 项目背景：工业机器人在复杂环境下的目标抓取需要精准的视觉引导。
• 项目内容：开发了基于视觉伺服的机器人目标抓取算法，结合深度相机获取的三维信息，实现了机器人对不同形状、大小目标的准确抓取。
• 项目成果：在实验室环境下，机器人抓取成功率达到 95%以上，为工业机器人在智能制造中的应用提供了关键技术支持。