普通话母语水平
英语无工具书面交流
0
1
2
3
4
5
13天前在线
算法工程师
北京全职 · 800/日 · 17400/月信用一般
工作时间: 工作日19:30-23:30、周末00:00-22:00工作地点:
远程
服务企业:
1家累计提交:
0工时
聊一聊
个人介绍
AI算法与全栈开发工程师
我专注于计算机视觉、OCR识别与AI应用的工程化落地，擅长从算法研发、数据处理到系统部署的全链路交付。在工业视觉检测、证件OCR识别、文档智能处理、目标检测模型训练等领域有多个成功交付案例，同时具备Spring Boot微服务后端和Vue前端的全栈开发能力。
我能为您提供什么：
计算机视觉算法开发：目标检测(YOLO)、图像分类、实例分割、模型训练与优化、数据增强策略OCR识别与文档处理：多场景文字识别、版面分析、PDF/Word解析与格式转换、批量翻译排版后端服务与系统开发：FastAPI/Flask算法服务API、Spring Boot微服务、数据库设计数据处理与分析：Python数据清洗/建模/可视化、自动化脚本开发技术栈覆盖：
算法/CV：PaddleOCR(PP-OCRv3/PP-Structure)、YOLOv8/v11、PyTorch、OpenCV、数据增强后端：Python/FastAPI/Flask、Spring Boot微服务、ROS2前端：Vue 3 + Element Plus、uni-app、Streamlit数据库：MySQL、Redis、Milvus向量库、SQLite工程化：Docker、TensorRT、ONNX、GPU部署选择与我合作的理由： 我兼具算法开发能力和工程化落地经验，能独立完成从需求分析、算法选型、模型训练到服务部署的全流程。在CV模型优化（94.4%精确率、mAP@50达97.3%）、OCR系统搭建（7类证件识别服务）、文档智能处理、大型微服务平台等方面有实战交付经验，确保方案可落地、可扩展。
工作经历
2025-04-01 -至今北京华源格林科技有限公司算法工程师
核心职责：负责OCR识别系统开发、计算机视觉算法研发与工业AI平台建设 项目1：多证件OCR识别服务系统 技术栈：PaddleOCR(PP-OCRv3) + Flask/FastAPI + TensorRT + OpenCV + GPU部署 1.从零搭建企业级OCR识别服务，覆盖7类中国法定证件：营业执照、居民身份证、建筑业企业资质证书、安全生产许可证、特种作业操作证、电力设施许可证、手写体文档 2.实现证件类型自动判断：通过正则匹配OCR结果关键字自动路由到对应识别逻辑 解决复杂场景识别问题： 1.模糊图片自动检测与多角度旋转重试机制（90°/180°/270°自动校正） 2.自适应文本检测参数：根据图片尺寸动态调整det_db_unclip_ratio 3.OCR错误纠正：统一社会信用代码中O/o→0纠正、中文数字混淆字纠正（"营级"→"壹级"等） 4.部署优化：TensorRT推理加速 + GPU部署，支持URL图片和Base64两种输入方式 5.结构化数据提取：每类证件提取特定字段（姓名、证号、有效期等），返回标准JSON 项目2：海量巡检数据处理平台 技术栈：Python
2021-08-01 -2025-03-30中国科学院大气物理研究所科研助理
科研管理与数据治理： 1.负责国家级项目“地球系统模拟大科学装置”数据全生命周期管理，制定数据质量、安全、迁移策略，支撑 7个子系统数据集成，确保项目健康度达标。 2.设计数据管理标准化流程，通过Python自动化脚本优化数据处理效率，降低人工干预40%。 3.协调10+部门完成数据对接，主导用户培训10+场，推动系统落地 数据算法应用与决策支持： 1.使用Python（padas、numpy）完成TB级气候数据清洗、建模及可视化，输出周报50+份，支撑团队发表论文3 篇。 2.数据全流程管理：从数据清洗到数据建模训练，可视化分析完整落地经验。 3.将数据分析过程代码项目化，使用git对代码版本进行管理，使代码可移植跨平台使用。
教育经历
2017-09-01 - 2021-06-30湖南大学电力系统及其自动化本科
资质认证
语言
作品
解决复杂场景识别问题：模糊图片自动检测与多角度旋转重试机制（90°/180°/270°自动校正）自适应文本检测参数：根据图片尺寸动态调整det_db_unclip_ratioOCR错误纠正：统一社会信用代码中O/o→0纠正、中文数字混淆字纠正（"营级"→"壹级"等）
02026-04-28 11:58
面向电力系统工人安全问题，聚焦工业生产、建筑施工、矿山作业、电力运维等强安全管控场景，覆盖施工现场、厂区作业区、检修运维区域等，对人员密集、作业风险高的场所进行 7×24 小时智能监测。 算法选型与开发 基础模型：基于 PyTorch深度学习框架，选用目标检测模型YOLOv8 系列，针对安全帽识别场景二次训练优化。 数据处理： 采集多场景（不同光照、角度、人员着装）的安全帽图像 / 视频数据，构建包含 “正确佩戴”“未佩戴”“佩戴不规范”（如帽带未系、歪戴 ）的标注数据集； 通过数据增强扩充样本，提升模型泛化性。 功能实现： 检测人员头部区域，识别是否有符合标准的安全帽； 对安全帽佩戴细节（帽带、位置 ）做精细化判断，区分 “规范” 与 “不规范” 状态。
02025-06-24 23:30
下载次数：0
￥1000
