内容:
1. 配置深度学习环境.
2. 2D图像识别,AI 训练,相机标定.
3. 3D点云处理任务,应用于集装箱装卸,拆码垛箱子的图像分割.
利用 conda 配置好深度学习环境,将标注后的 json 转化为 coco 格式,利用 FileZilla 工具传输数据到 linux 服务器后,配置 she
ll 脚本,更改权限,开启在 linux 上训练 maskrcnn. 利用点云计算盒子的抓取位置,将坐标发送给示教器。通过像素、像平面、
相机、机械臂底座等坐标系的转换,实现相机内外参的求解,完成标定。已实现环境配置,训练,3D计算工作。
实现花洒异常孔识别,socket 通信双向 TCP 握手,对 resnet 进行迁移学习,设置 dataloader 加载数据内存清理机制,设置合理
的 batchsize, 能够有效解决 out of memory 问题。
业绩:
已实现全部订单量的深度学习环境配置,训练,分割,部署,拆码垛,装卸货的视觉识别及3D点云数据的过滤,opencl 加速。

内容:
我的职责:完成无人机的自适应神经网络跟踪项目,主要用于控制无人机的往返运动,控制无人机按照预定轨迹运动,对预定的燃
气场站设备进行巡检,减少人力依赖,该项目进行并得到上海航天技术研究院的基金支持。
利用 Keil 5完成复旦微 MCU 适用于燃气表 PCB 的功能检测,编程实现燃气仪表 PCB 的功能正常与否项目,成果为一篇普刊论文
和两篇实用新型专利授权。
掌握 python 编程语言。熟悉 PyTorch 的数据预处理 torchvision.transforms.compose ,神经网络 Vgg,ResNet,GooLeNet
的建模以及优化算法 GD,AdaGrad,RMSprop,Adam 的运用,可视化绘图 api之 matplotlib,tensorboardX 及神经网络展
示工具 netron 的使用,保存等 api 接口,利用 kaggle 竞赛数据集在 Vgg与 ResNet 神经网络上实现房屋号牌图像识别95%的预
测准确率(demo),利用 faster-rcnn 算法实现 PCB 板焊盘异常检测。
业绩:
1. 自动化测试 PCB的 MCU 与外围电路功能正常与否,直观展示,提高效率。
2. 无人机自适应巡检可节约两个人力成本。
3. 两篇国内普刊论文发表,两篇实用新型专利授权。