作为队长申报国家级大学生创新创业项目，课题为“基于多模态融合的工业零件缺陷检测系统”。我主导整体技术方案，负责设计基于ResNet-50的特征提取网络，并利用PyTorch和Albumentations构建数据增强流水线，最终模型在PCB缺陷数据集上mAP达到92.3%，项目获评优秀结题，并在校内创新创业成果展中作为计算机视觉方向代表作品展出。

主导公司核心产品——智能质检平台的视觉算法开发，从零搭建了基于深度学习的表面缺陷检测模块。针对金属件反光、纹理干扰等难题，设计了一套多尺度特征融合加注意力机制的方案，使缺陷召回率从82%提升至96%，误检率降低至3%以下，该平台上线后帮助客户质检人力减少了60%。

带领4人算法小组完成智慧园区视频分析系统的搭建，覆盖周界入侵、人员聚集、消防通道占用等场景。在项目中，我负责技术方案评审与任务拆解，引入时序动作检测与多目标跟踪技术，并制定标准化数据回流流程，最终提前2周交付，系统上线后每日自动预警近百条真实事件。

与产品、测试团队紧密联动，根据客户反馈多次迭代算法。在2.0版本中，针对夜间低照度环境下目标漏检问题，我提出基于暗光增强网络的预处理方法，并联合训练检测模型，使夜间场景下mAP提升12个百分点，大幅增强了产品在复杂光照条件下的稳定性。

参与公司新一代智慧交通视觉分析平台开发，负责车辆重识别与轨迹重建模块。通过构建基于Transformer的时空特征提取网络，在公开数据集VeRi上mAP达到82%，在城市路侧部署后，跨摄像头车辆跟踪准确率超过行业基准7个百分点。

作为部门技术分享负责人，我搭建了内部知识库，定期组织“CV前沿论文研读”和“算法落地复盘”活动，累计主讲12场，覆盖模型加速、半监督学习等主题，帮助多位同事在工程实践中快速应用新技术。

持续跟踪DETR、CLIP等新兴视觉范式，并主导了“基于语言-图像预训练模型的零样本工业缺陷检测”技术预研。通过实验验证，该方案在未见缺陷类型上达到了75%的检出率，为下一代产品提供了重要的技术储备。

项目背景：该项目为某省会城市交通管理部门打造，旨在通过路侧摄像头实时检测车辆、行人，并实现跨镜车辆轨迹还原，支撑交通拥堵预警与事故分析。

项目职责：作为核心算法工程师，我负责车辆检测与多目标跟踪模块的研发。首先，对10万张从多个路口采集的图片进行标注，构建了包含雨天、夜间等复杂场景的数据集。然后，基于YOLOv8与DeepSORT进行基线搭建，通过引入自注意力机制优化特征提取网络，并结合轨迹预测平滑，使车辆跟踪ID Switch降低40%，在高密度场景下仍保持稳定。

项目成果：系统在5个重点路口部署后，车辆检测准确率达到98.5%，跨镜头跟踪成功率超过92%，每日自动生成有效交通事件报告200余份，为交管部门节省了约30%的人力巡检成本，并成为该市智慧交通试点示范项目。

项目背景：本项目为一家3C电子代工厂量身定制，用于替代人工对手机中框进行外观缺陷检测，检测项包括划痕、压伤、色差等十余种瑕疵。

项目职责：我担任算法负责人，主导整体检测方案设计。首先，分析产线节拍与成像环境，设计了环形光源与多角度相机布局。在算法层面，采用EfficientNet加上FPN构建轻量检测头，并利用合成缺陷数据生成技术扩充训练样本，有效解决了小样本问题。同时，针对金属反光，我设计了一种基于偏振差分图像的预处理管线，大幅提升了微小划痕的对比度。

项目成果：系统在工厂上线后，每小时检测3000件产品，缺陷检出率从人工的85%提升至99.2%，误判率控制在1.5%，为工厂每年节省质检人力成本约200万元，良品率提升2个百分点，获得了客户技术部门的高度认可。

作为业余贡献者，向MMDetection项目提交了2次PR，解决了训练过程中多尺度数据增强导致bbox越界的bug，并优化了自定义数据集加载的文档示例，均被仓库采纳。同时，在Hugging Face上发布了一个基于DETR的工业缺陷检测微调模型，累计下载量超过600次。

在知乎、掘金等平台创作计算机视觉实战系列文章10余篇，聚焦于模型剪枝、量化部署及边缘设备适配，总阅读量突破12万。其中《从零实现轻量级人脸检测模型并部署到Raspberry Pi》一文被多家技术社区推荐，引发了关于模型与工程落地的深度讨论。