牛敬业
188****0587niu****@***.com北京30男机器视觉算法工程师在职北京25k-35k 
•硕士阶段主攻计算机视觉方向，修读《机器学习》《计算机视觉导论》《数字信号处理》等核心课程，学业成绩位列专业前10%。在校期间加入实验室视觉课题组，承担工业检测项目的特征工程模块，完成算法选型与对比实验，相关成果整理为会议论文并录用。课余参与学校电子设计竞赛，负责图像识别模块开发，获省级二等奖。
北京旷视科技有限公司 - 工业视觉事业部AI算法领先企业科创板上市公司
2016.07-2019.12
机器视觉算法工程师缺陷识别模型轻量化嵌入式部署产线适配
北京
•负责新能源电池产线的机器视觉算法研发，主导电芯表面缺陷检测系统的算法设计与性能优化。通过调研多种深度学习模型（如Mask R-CNN、DETR系列），结合电池制造场景的数据特性，调整网络结构与训练策略，使缺陷识别准确率从82%提升至94%，召回率从78%提升至90%。
•与嵌入式团队协同，完成算法在边缘计算设备（NVIDIA Jetson Xavier系列）的部署与调优。针对设备功耗与算力约束，采用知识蒸馏、INT8量化等技术，在精度损失不超过2%的前提下，推理时延缩短35%，满足产线实时性要求。
•带领3人算法小组，规划项目里程碑，协调内外部资源攻克技术瓶颈。主导算法模块的代码规范制定与同行评审机制，推动团队代码复用率与开发效率显著提升。
杭州海康威视数字技术股份有限公司 - 医疗视觉解决方案部安防视觉龙头科创板龙头企业
2020.01-至今
高级机器视觉算法工程师跨模态检测方案宣讲平台搭建流程自动化
北京
•负责医疗器械视觉检测新业务线的算法架构设计。针对高精度成像场景（如CT切片、内窥镜图像），设计多尺度特征融合检测方案，结合灰度图像与相位差数据。提出基于Transformer的跨模态特征对齐网络，使多源数据互补性增强，微小缺陷检测准确率达97%，较单模态方案提升18%。
•搭建算法开发与测试一体化平台，整合样本管理、模型训练、性能评估与版本发布工具链。引入半监督学习技术（如伪标签、一致性正则化），使标注数据需求降低50%，模型迭代周期从1周压缩至2天。
•与医疗客户（三甲医院设备科）深度对接，理解临床检测标准并转化为算法验收指标。主导技术方案路演与原型演示，成功落地多个检测系统项目，为公司带来千万级合同金额。
•**项目背景**：某光伏制造企业硅片表面缺陷（微裂纹、杂质、崩边等）人工目检效率低、误判率高，需开发自动化视觉检测系统。
•**技术方案**：采用高分辨率工业相机采集硅片多角度图像，设计基于改进Transformer架构的缺陷分割网络。引入多头自注意力机制捕捉长距离依赖，结合位置编码增强空间感知。数据层面，构建包含30000张标注图像的数据集，采用域自适应技术迁移预训练权重加速收敛。
•**项目成果**：系统单张处理时延控制在180ms以内，缺陷分割IoU达90%，较传统阈值分割方法漏检率下降55%。已在5条生产线上部署，每年为企业节约人工成本约400万元。
•**项目背景**：某化工企业仪表盘读数自动采集需求，传统OCR算法在反光、倾斜、低对比度场景下识别率低。
•**技术方案**：提出基于Cascade R-CNN + TransNet的端到端识别方案。Cascade R-CNN完成仪表区域定位与刻度线检测，TransNet实现指针位置与数值解析。针对反光干扰问题，引入数据增强技术（模拟不同光照强度、角度偏移的仪表图像），扩充训练样本。优化损失函数（结合分类损失与回归损失），提升边界样本的训练效果。
•**项目成果**：读数识别准确率达99.5%（包括指针式、数字式仪表），单张处理速度120ms。系统已接入中央控制室，替代人工巡检抄表，数据采集效率提升6倍，错误率降低95%。
对机器视觉技术充满热情，享受用算法解决实际工业问题的过程。性格沉稳细致，对代码质量有较高要求，习惯在每轮迭代后复盘优化空间。熟悉深度学习主流框架与图像处理工具链，擅长从需求分析到模型部署的全流程把控。持续跟进视觉领域前沿进展，乐于将新方法论融入工程实践。具备跨团队协作经验，能够用清晰的语言向非技术方解释技术方案。
深度学习框架应用（PyTorch/TensorFlow/Keras） 模型部署优化（TensorRT/ONNX/NCNN） 2020年度企业科技进步奖（光伏硅片缺陷检测系统） 技术分享:
在个人技术博客持续更新机器视觉算法实践笔记，累计发布30余篇技术文章，涵盖模型训练技巧、部署优化案例等内容，获得行业开发者广泛阅读与讨论。
