IT人力外包人才简历库

精通深度学习框架（TensorFlow/PyTorch）与计算机视觉算法开发，熟悉YOLO、ResNet等主流模型架构。具备多目标检测、图像分类、行为识别等算法研发经验，掌握OpenCV、PaddlePaddle等工具链。擅长工业场景下的图像识别算法优化，包括安全帽佩戴检测、反光衣识别、手机使用监测等。精通室内定位算法设计与路径优化，熟悉UWB、蓝牙信标等定位技术。具备声学信号处理经验，可完成电机异常声音特征提取与分类。熟悉工业物联网数据采集与异常检测算法开发，掌握数据预处理、特征工程及模型部署全流程。

专注于工业视觉算法研发，主导开发多套智能监控系统，包括安全帽佩戴检测、反光衣识别、手机使用监测等，实现95%+识别准确率。设计基于YOLOv5的实时检测框架，支持1080P视频流的30FPS推理。研发室内定位算法，结合UWB与蓝牙信标实现厘米级定位精度。开发电机异常声音监测系统，通过频谱分析与MFCC特征提取实现故障分类。主导漏水漏液监测算法研发，采用YOLO+Mask R-CNN实现液体泄漏的实时检测。完成指示灯状态识别系统，基于OpenCV实现多灯位状态的准确识别。

1. 工业安全监控系统：开发基于YOLOv5的多目标检测算法，实现安全帽佩戴、反光衣穿着、手机使用、抽烟行为等12种异常行为的实时识别，准确率97.2%，部署于某科技公司产线，降低安全事故发生率35%。

2. 室内定位优化系统：设计融合UWB与蓝牙信标的混合定位方案，通过卡尔曼滤波优化定位轨迹，实现±5cm定位精度，应用于某智能制造园区，提升人员调度效率40%。

3. 电机声学监测平台：开发基于MFCC特征提取的异常声音识别算法，采用LSTM网络实现故障分类，准确率92.5%，部署于某设备制造企业，降低设备故障停机时间25%。

4. 液体泄漏监测系统：研发基于YOLOv4的液体泄漏检测算法，结合Mask R-CNN实现漏液区域的精确定位，准确率96.8%，应用于某化工企业，提升泄漏事故响应速度50%。

5. 指示灯状态识别：设计基于OpenCV的多灯位识别算法，通过HSV颜色空间分割与形态学处理实现亮灭状态识别，准确率98.3%，应用于某电力设备监控系统，提升设备状态监测效率。