AMAZING RESUME
牛敬业
机器视觉算法工程师
188****9096niu****@***.com北京28男机器视觉算法工程师在职北京20k-30k •主修计算机视觉与模式识别核心课程，理论基础扎实，多次获得专业奖学金。
•独立完成了基于注意力机制的图像分割课题，提出改进的损失函数设计，相关研究成果已申请发明专利。
•积极参与开源社区建设，维护了多个图像处理工具库，累计获得 2k+ Star，具备良好的代码规范与文档撰写习惯。
•负责新能源电池极片外观检测算法研发，基于深度学习框架构建缺陷分类网络，针对微小划痕、脏污等异常进行特征增强。
•设计多光源成像方案，解决反光与阴影干扰问题，通过镜头选型与相机参数标定，确保成像清晰度满足亚像素级检测需求。
•利用 TensorRT 对模型进行加速推理，在工控机平台上将单张图像处理耗时压缩至 50ms 以内，误判率控制在 0.5% 以下。
•协同机械与电气团队完成检测工位集成，交付多款检测设备，有效帮助客户降低不良品流出风险，获得客户高度认可。
•主导 AGV 小车的视觉定位系统开发，采用基于深度学习的特征点匹配算法，实现高精度环境建图与导航定位。
•搭建仿真测试环境，生成大量不同光照与遮挡场景的虚拟数据，结合真实数据训练模型，显著提升算法在复杂环境下的鲁棒性。
•优化算法与 ROS 系统的通信接口，实现定位数据毫秒级传输，定位精度达到毫米级，满足密集堆垛区作业要求。
•跟踪项目落地情况，根据现场工况反馈迭代算法版本，有效解决了动态障碍物干扰导致的路径规划偏差问题。
•项目背景：锂电池生产过程中，极片表面的针孔、划痕等缺陷直接影响电池安全性，传统检测手段难以覆盖。
•项目内容：负责核心分割算法设计，基于 UNet 架构改进，引入注意力模块增强小目标特征。采集并清洗了 3 万张极片图像数据，建立标准化标注流程。
•项目成果：模型在测试集上 mIoU 达到 95%，单片检测时间小于 200ms，成功部署于产线，缺陷拦截率提升至 99.8%。
•项目背景：快递分拣中心面临巨大吞吐量压力，需自动识别面单上的收件信息以实现自动化分拣。
•项目内容：负责文字检测与识别模块，采用 DBNet 与 Transformer 架构结合，针对面单倾斜、模糊、遮挡等问题进行优化。
•项目成果：系统上线后，单票识别时间降低至 100ms，文字识别准确率达 99.2%，大幅提升分拣效率，减少人工录入成本。
热衷于机器视觉领域的探索，享受从模糊图像中提炼精准特征的过程。具备严谨的逻辑思维与较强的工程落地能力，对代码质量有执念，习惯在模型优化中寻找精度与速度的平衡点。熟练掌握深度学习框架与图像处理算法，擅长解决复杂工业场景下的视觉难题。拥有扎实的计算机视觉理论基础，并持续关注前沿技术如 Transformer 在视觉领域的应用，期望在智能检测与引导领域深耕，以技术驱动生产效能提升。
知识产权:
拥有一项关于图像特征提取算法的发明专利（专利号：[具体专利号]），该技术方案已应用于公司核心产品中，显著提升了图像处理的精度与稳定性。
