机器学习/深度学习

针对XX加固键盘人工检验效率低、易疲劳、主观性强、判断标准难量化、存在误检与漏检风险等问题，充分借鉴国内外先进制造及检测经验，开发一套键盘外观自动检测系统，以“机器视觉”代替“人工视觉”进行键盘外观缺陷检验。该系统可以对键帽错装、反装、漏装、脏污、字符丝印错误等外观缺陷进行检验，具体如下： 1、字符未镭雕透澈检测； 2、字符错键检测； 3、LED背光颜色错误检测； 4、颜色过亮或过暗检测； 5、位置偏移检测； 6、角度旋转检测； 7、机械半成品LED颜色及亮度检测等。

项目分为数据清洗，数据预处理，特征工程建立，传统数学模型及机器学习模型建立。 利用sklearn库搭建PLSR模型、SVR模型和CNN模型，模型预测进度达到0.90。

项目分为视觉算法来识别人脸对应信息，并使用pyqt来实现可视化，最终实现一个人脸识别及打卡系统。困难度在于可视化和调用api

提供人脸检测、人脸识别，目标检测、行为识别、狗鼻纹识别等功能。 多平台支持，包括 Linux、Android、IOS、NNIE、atlas ，并进行了性能优化。 动作活体、授权、fast_run、TPS 限流、模型打包、加减密等关键特性。

1.刀具磨损在线检测系统100%自行开发，项目对CNC设备采集的刀具信号进行数据清洗，后对刀具的磨损状态进行分类训练，实现深度学习的刀具磨损状况的在线检测。 2. 项目中遇到过准确率较低，模型精度不能保证的问题，最终通过优化损失函数的方法得到解决。 3. 该项目使得CNC机床的换刀可以自动化，节约了人力成本和提供了效率。

项目目标：去除视频水印。视频上水印是全屏滚动的，且运动非匀速。 实现方法： 1、用opencv自己实现算法追踪满屏移动的水印位置，由于视频经过压缩水印被模糊化了，追踪相当困难。考虑到运行效率，不能使用AI网络暴力检测定位。 2、用AI算法去除水印，阅读大量小众论文结合个人思考选顶技术路线，最后设计出可靠神经网络去除水印，同样需要考虑运行效率，不能使用gan一类的算法暴力去除。 3、该项目考虑运行效率和去除效果已经达到了业界顶级水平 4、效果展示：https://www.bilibili.com/video/BV1ti4y157jK/?spm_id_from=333.999.0.0&vd_source=abc797fab7df13f1f923db091814340d

在指纹识别的过程中，指纹图片通常都是现场采集的，受环境的影响会有产生很多的噪声点，如果直接使用，会对指纹的识别产生很大的影响，而指纹识别的应用场景又都是一些比较严肃不容有错的场合，所以去除噪声又不损坏原始图像的结构就显得更为重要。本人通过图像多重滤波、形态学操作等方法，开发了一套实时去噪系统，可支持Windows、linux、安卓等系统。

项目主要是在DETR系列目标检测算法的基础上进行改进的，将其与多模态模型进行融合，将单模态目标检测算法改进为多模态目标检测算法，实现检测能力和识别能力上的提升。

Oxford Pets上的图像分割,根据真实的彩色图片预测前景,背景,前景边缘,使用了迁移学习,上下采样,将模型预测可视化,加权对像素分类等技术

项目分为文生图、图生图、dreambooth微调模型、图片管理几个模块。 文生图：通过关键词AI绘画出相关图片 图生图：通过本地图片加上关键词AI绘画相同风格的图片 dreambooth：微调模型可根据不同需求训练出自定义风格的AI绘图模型

1：项目分为训练模块、参数更新、预测模块。自己敲代码实现线性回归中的主要算法，实现了从数据预处理、数据训练、参数更新、数据预测。 2：解决了预测准确率不高问题，发现测试集数据归一化需要和训练集保持一致，否则会导致测试集预测准确率不高

是一套供平安寿险坐席人员培训学习的系统。主要有 演练模块、通关模块、学习模块、话术平台、数据报表、系统管理等主要模块。系统 分为 admin 端和 client 端，采用前后端分离的开发模式。并通过 kettle 工具同步人 管系统的坐席人员及相应的权限信息。 参与该系统所有模块的开发及问题优化。解决相应的生产问题、设计数据库表以及解 决表数据迁移问题、配合产品开发新需求，协助技术经理对每月底的版本发布做准备 工作；协助测试进行生产验证，负责产品的性能优化提升用户体验等。 指导新入职的同事对项目的理解，负责代码的审核以及在开发过程中所注意的问题

项目主要目的为使用 人工智能技术对新闻进行分类，减少人力成本提高效率。 1. 模型主要分为以下5个步骤进行：数据爬取、数据选择与读取、数据摘要与清洗、模型选择、模型训练与评估、模型组合与预测效验。 2. 使用python及其相关科学库如：numpy、pandas等技术开发，选择的算法模型有：词袋模型BOW（Bag of Words）、词向量（Word Embedding）、神经网络，采用交叉验证的方式训练模型，来降低过拟合情况，最后对上述三个模型的结果组合加权平均。 3. 数据爬取主要使用Python requests库。 4. 使用Jieba中文分词库对中文进行分词处理，来完成数据选择与读取。 5. 独立完成TF-IDF算法对处理好的数据进行摘要与清洗。 6. 使用开源TestCNN和TestRNN模型对数据进行处理。

数据分类机器学习模型，支持线性模型/神经网络/支持向量机/聚类。 使用pytorch开发，自备高算力显卡。 支持在window和linux环境下运行。 100%完全自主知识产权，可转让代码，也可以转让开发资料包、样本、最终模型。

将上万条数据进行清洗和处理成适合模型的训练数据集，对BLOOMZ模型使用数据集进行多次微调训练，主要包括模型的隐藏功能训练和还原功能训练两部分，训练完成后继续对模型无法正常读取换行内容、无法对特定内容进行隐藏等功能不足的地方进行调试。 调试完毕的模型能够对用户需要输出到公共平台的内容进行隐私实体替换和还原，可以有效提升需出域数据的安全性。

项目分为控制模块、算法模块与数据库模块。其中控制模块主要负责控制硬件系统、与动作及传感机构通讯交互等功能；算法模块主要负责算法加载与管理、数据分析与结果生成等功能；数据库模块主要负责数据记录的查询和修改等功能。 我负责全部的模块编写和系统组建。核心部分是基于深度学习的细胞识别，包括标注训练与测试，采用python编写dll由C#调用

AI慧眼系统是基于深度学习的一个智能系统，用于实时监控、异常行为检测、客流分析等。 提供，模型训练，模型优化，模型部署，工程化SDK，算法服务全流程开发部署。

气体检测模型搭建前后端平台。后端采用python+flask架构完成，前端使用vue3+vuetify完成。借助websocket实现前后端数据日志记录更新展示。借助基础组件对视频流效果进行封装，实现播放器功能。后端完成对yolo模型的导入和调用 本人主要负责前后端搭建编码和模型导入使用

该平台为某科学院委托本公司开发的人工智能训练平台。其中包括有模型训练、模型管理、模型运行等管理功能及整套工具链。支持单机多GPU，多机多GPU，多机多CPU的在线和持续训练方式；支持ensorflow、Caffe等机器学习作业的容器封装；可基于WEB图形拖拽方式建模；建模设计中提供csv文件。支持数据管理与可视化分析、在线集成开发环境、 远程虚拟桌面开发环境、拖拽式训练工作流开发、支持GPU MIG 分片训练、模型算法结构的可视化、平台资源实时监控看板、多项目组的用户管理。支持数据管理与可视化分析、在线集成开发环境、 远程虚拟桌面开发环境、拖拽式训练工作流开发、支持GPU MIG 分片训练、模型算法结构的可视化、平台资源实时监控看板、多项目组的用户管理。

该产品用于动物食品的病菌DNA/RNA的样本检测；该产品由温度控制模块、荧光发射及采集模块、数据分析模块等构成。其中温度控制采用STM8+TEC半导体+PID控制，光路控制采用STM32 + 步进电机 + 荧光电路。