深度学习图像处理
1月前来过
全职 · 300/日  ·  6525/月
工作时间: 工作地点: 远程
服务企业: 1家累计提交: 0工时
联系方式:
********
********
********
聊一聊

使用APP扫码聊一聊

个人介绍

我是程序员客栈的一名入住求职者擅长技能:机器学习相关知识以及CNN网络的各类应用,包括目标检测,语义分割。深度学习框架:熟练使用 PyTorch,并通过Python语言运用PyTorch进行深度学习网络的搭建。项目:能够完成一些落地产品的任务,包括缺陷检测,目标检测识别,图像分割等一些列任务。

工作经历

  • 2019-12-20 -2020-06-15成都姜业光电算法工程师

    公司主要业务来自工业缺陷检测,以及掩膜版检测产品的研发。本人主要负责缺陷检测核心算法的研发工作。

  • 2019-06-01 -2019-12-01武汉小弦科技算法工程师

    公司主要业务来自工业缺陷检测,本人主要负责缺陷检测核心算法的研发工作,同时兼顾现场调试等工作

教育经历

  • 2017-09-01 - 2019-07-01福建工程学院机器视觉硕士

资质认证

技能

深度学习
图像处理
图像识别
机器视觉
0
1
2
3
4
5
0
1
2
3
4
5
作品
缺陷视觉检测项目

人造草坪的生产过程中会产生断线的情况,通常时通过人工去检测,为了节省人力成本,通过构建视觉检测系统对其进行实时检测。 根据生产现场实际情况,搭建了一套视觉系统,主要包括相机,镜头,条形光源,工控机。 由于纱线会根据生产需求生产不同颜色的线条,故在检测算法上,主要是根据颜色特征+帧差法来判断是否出现断线。因为现场环境很复杂,会出现包括编织机本身产生的震动,机器故障、人为遮挡、生产时换线等各种影响因素,在驻厂一个半月时间内,根据不同问题对算法进行不同程度上的调整以适应复杂的生产环境。 一代产品目前已完成,在CCG工厂试运行中。除了白线外,断线识别准确率达到99%,误报率低于10%;由于底布是白色纱网,生产白线时受光线干扰严重,断线识别率准确率目前达到90%,误报率低于10%;二代产品不再使用工控机而改用嵌入式主板,算法上用yolov5代替传统算法,降低成本并提高对复杂环境的适应性。

0
2023-04-11 14:45
茶叶发酵的过程判别系统

在茶叶发酵的过程中,根据人的经验对其分为四个过程,分别对应着四种发酵程度。通过视觉技术,对茶叶的发酵过程进行实时检测,判断当前时刻处于哪一个发酵程度。 (1)根据开发的发酵程度数字化分类标签,将采集的68000张发酵进程中发酵叶的原始图像,按照训练集:测试集:验证集=7:2:1的比列,分别划分为发酵程度较轻、偏轻、适度、适度、接近过度、过度6个数据集。 (2)对各数据集的图像进行直方图均衡、几何数据增强、色彩空间转换,以提高图像的对比度和亮度、模型的精度,将转换后的图片数据作为最终输入深度学习模型的数据之一。 (3)搭建基于PyTorch的MobileNetV3 + Vision Transformer模型。 最终实际结果,正确率达到90%以上,满足客户需求。

0
2023-04-11 14:47
电机转子缺陷检测(产品化项目)

电机转子在生产加工过程中,外部的磁瓦片会有几率产生裂痕等缺陷。人工检测一个转子需要40s左右,为了节省人力成本以及提高生产效率,通过构建视觉系统对其进行缺陷检测。 1.由于磁瓦片上的裂痕大多数肉眼不易分辨,在相机镜头方面最终选用500w像素相机以及显微镜头。 2.起初采用传统视觉算法对裂痕进行检测,主要通过滤波+差分,然后根据梯度角度以及梯度强度进行筛选,最后用过区域生长标出裂缝所在位置。由于磁瓦表面本身存在划痕,噪声影响较为严重,对于不明显的裂痕检测效果很差,Recall太低,所以采用深度学习对其进行缺陷检测。 3.真实裂痕的数据有200张图片,根据其特点,人为在无裂痕的图中额外扩充500张假裂痕数据。选用yolov5网络,训练过后对没有参加训练的50张真实裂痕图片和50张没有裂痕图片进行检测,正确率92%,召回率80%。误判较多,后期不宜直接根据检测框有无作为判断否为存在缺陷的标准,达不到场景需求,故采用语义分割。 4.采用Mask R-CNN,并对网络进行修改。输入不再是直接输入原图,而是首先对图像做灰度然后通过Sobel算子得到图像的梯度图,然后拼接到原图即输入图片有4个通道,再修改网络内相应层的参数。最终通过先前的600张图片进行训练,预留100张进行预测。预测结果,正确率达到99%,召回率达到99%。在珠海一个生产线上试运行,转子生产批量2000个,检测准确率达到98%,召回率95%。由于训练样本中只有200张真实样本,故后期会持续采集更多实际生产中的真实样本并参与训练,准确率以及召回率有待提高。

0
2023-04-11 14:50
更新于: 2022-11-14 浏览: 189