个人项目：包括物体检测和物体分割，利用ncnn架构对yolov5模型和solov2模型进行andriod部署； 负责职责：训练yolov5，solov2，并使用tensorrt引擎量化加速，利用ncnn进行安卓部署，生成识别分类app以及实例分割app

新冠疫情全球性持续扩散，遏制其发展过程中需要持续观测大众的病原检测结果，集中式核酸检测难度大，需要动员 人力物力多，影响面广，涉及民生和政策调控难。 工作业绩:主导了yolov5 + k-means + 图像处理色度分析的个人抗原检测项目算法模型研发、设计、训练、优化及部 署；成功申请个人新冠检测智能分析专利。 解决方案：发展个人检测试剂盒，通过人工智能算法神经网络提取试剂盒图像特征，准确识别阴性和阳性，并通过图 像处理算法区分高、中、弱阳性，准确输出用户病原式子检测结果。 实现算法：图片输入yolov5网络进行检测，框出试剂盒上不同的“杠”；通过k-means分割出框中色块；将分割出来 的色块利用OpenCV进行色度分析； 负责工作：根据客户提供的数据进行清洗和标注；根据此数据训练yolov5；算法模型的研发、训练、调参等算法实现 工作；协助部署人员进行项目部书落地；根据实际情况进行算法调优；撰写个人新冠检测智能分析专利。

项目背景 质检环境恶劣，需在废钢厂危险和污染的环境下频繁上下车，存在安全隐患；质检员长期质检，视觉和身体都会有疲 劳，必然影响质检的盘及结果；结果不稳定，检验仅凭目视，标准不一致，结果不统一；一系列问题导致在废钢入场时成 本无法完全控制。使用系统时，废钢车辆在过完磅进入废钢库卸车时，废钢辅助判级能够以一定的精确率对车斗内每一层 废钢给出判级结果，自动判级达到80%的正确率，辅助人工判定达到95%以上的判级效果。 解决方案：根据钢厂收来的不同类型废钢具有不同特征，采用solov2分割，和yolov5定位及分类，数据方面在工厂采 集，标注工作由于废钢分类特殊性，需由钢厂质检员配合标注，标注工具使用labelimg/labelme/EIseg进行标注，数据清 洗和增强使用OpenCV的基础增强及相关滤波和闭合操作完成。 实现算法：用solov2分割出吸取废钢时的吸盘边缘mask，确认吸盘移走后，根据mask分割出此区域废钢图片，将此图 片输入yolov5网络进行分类检测，根据废钢分层计算每层检测结果的平均值。 负责工作：根据现场了解客户，输出项目需求档案；制定项目整体开发计划;在质检员的配合下给出数据标注方案，进 行数据标注与清洗，对标注人员进行培训与指导；算法模型的研发、训练、调参等算法实现工作；协助后端Java开发人 员进行项目部署与落地；根据实际情况进行算法模型的调优工作；并行进行工作，根据指导和经验合理规避风险；积极 联系甲方，顺利完成项目上线工作，完成项目验收工作。