EmbeddedSystem

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。

985研0，本科期间长期在实验室参加比赛（获得过RoboMaster、中国机器人大赛，中国大学生计算机设计大赛等等国家级奖项），擅长计算机视觉、深度学习（图像分类，目标检测方向为主）。擅长基于机器学习的分类、回归任务，基于Opencv的图像预处理，传统目标检测算法，简单的QT界面设计，包括python版本的PYQT，c++版本的QT界面设计，以及基于深度学习的目标检测算法，基于paddlepaddle、pytorch等深度学习框架的目标检测算法实现或github项目复现，加讲解。

大华视频会议终端设备，视频会议系统 个人负责终端ROM定制开发，底层驱动到中间层，系统有Android版本，也有Linux版本，会议白板，音频定制开发等

1.我国结球类蔬菜年种植面积在 1 亿亩以上，在我国蔬菜种植产业中占据重要地位。然而现有移栽机作业过程以人力替换残苗为主，且现有移栽技术以鸭嘴式栽植为主，存在作业速度慢、效率低下等诸多问题；作业速度较高的机型投放菜苗时大多姿态不良，易影响后续长势。 针对上述问题，团队研发了一种可自动替换残苗的零速结球类蔬菜移栽机；移栽装置能够实现多层钵盘储存、钵苗的高速分离及零速移栽；基于 YOLOv5 型识别残缺苗，实现在移栽作业过程中自动替换残缺苗功能；利用图像识别技术识别蔬菜苗间距，得出移栽间距修正系数，从而精准控制蔬菜苗移栽间距。研发的移栽机能够有效提高结球类蔬菜移栽效率与成活率，从而提升产量，降低成本，提高经济效益。 2.我负责其中的幼苗识别和株距识别控制部分，难点在于如何克服背景和环境影响使识别稳定准确，通过不断改进算法和神经网络结构，对背景进图像处理减少干扰提高准确度解决了问题

技术方向：图像目标检测、目标分割 开发语言：C++ 部署方式：宿主机部署 部署硬件：GPU服务器、瑞芯微Rk3588、清微低成本芯片5368等 算法说明：支持豆类、巴旦木、大米、花生、辣椒等农作物中好坏料筛选

1.gd32底盘控制,uart,i2c,spi,多传感器接入 2.算法版系统框架搭建，多进程通讯，glog，protobuf，UART通讯，ota升级 3.jps导航规划 4.机器人工作站通讯开发，无线升级

自动化涂胶机器人，可以自动识别不同型号，不同码数的鞋底，不受环境光的影响，对图像进行处理并利用强大的算法功能，准确提取出鞋底的信息。 采用3D视觉可以有效识别出鞋底需要涂胶部分的三维结构模型，重新设置喷涂运动轨迹，机械臂就可以操控喷涂工具实现自动喷涂。 步骤： 1. 3D视觉相机安装在传送带上方，拍摄传送带上的鞋底的三维点云图像，获取鞋底曲面原始三维点云数据。然后将这些数据进行各种处理之后，就可以获得鞋底涂胶运动曲线。 2. 涂胶机器臂放置传送带一侧，末端连接通讯好的机械手，并将胶枪安装在机械手上。智能机器人系统将结合内置算法计算可以获得涂胶轨迹曲线和涂胶位姿，引导机器臂进行精准涂胶。

本团队密切关注食物系统、危机应对等领域的创新机遇自主研发出了基于AIOT的“AIOT-冷链箱”。本“AIOT-冷链箱”除了能完成市面上基本的保温效果以外，还有5大创新技术，由此本团队将以下我们的5大创新技术分别介绍“AIOT-区块链技术监测官”。 1. 区块链与食品信息结合，保障食品信息安全无法篡改 本团队通过使用以JD Chain为底层开发的区块链接口实现了区块链的调用，并且可将区块链与数据库相连接，实现食品信息数据实时上链。并且当数据库信息被恶意篡改后与上链信息对应不上将会提醒管理员以此保障信息安全。 2. 人工智能与物联网结合，产品功能实现全程自动化 人工智能 (AI) 能够让物联网更好地发挥作用。物联网终端设备通过内置智能功能使AI对人脸、手套等人体属性进行数据分析并随后做出正确的决策，从而保障整个过程无需任何人工操作，进一步保障食品、食材等不被污染。我们将 AI 技术应用在边缘设备上，大大的降低与云分析相关的需求和成本。 3. 区块链与溯源结合，使食品信息溯源公开透明 本团队通过使用以JD Chain为底层开发的区块链接口实现区块链的调用，将区块链与数据库相关联，实现食品信息可实时上链。并且因区块链去中心化特性，用户可查看到公开透明的数据信息，从而密切关注食材从田间到冷链箱所经历的所有步骤。 4. 轻量级设备搭载AI结合边缘计算，满足功能实时体现 本团队利用英特尔第二代神经计算棒（Intel Neural Compute Stick 2）的高运算速度以及Raspberry Pi 4B所自带的入门级 x86 PC 系统相媲美的桌面性能，给用户带来高品质体验。并且结合Raspberry Pi 4B的轻巧且强大的特性以它为核心搭载部署AI，让本团队在保证低成本的情况下实现全部功能。 5. 智能AI主动监测，全程无接触 本团队结合当代新冠疫情大环境，通过Raspberry Pi 搭载的智能AI实现对取/放餐人员检测。本团队主要是对人脸信息，手套，口罩是否佩戴规范进行检测，保障取/放餐的过程对菜品无接触，更好的避免了菜品污染。

本作品是一种基于 YOLOv5 部署在小型嵌入式设备的远程监测系统，系统采用了 YOLOv5 深度学习算法进行目标监测，通过 YOLOv5 算法识别火焰，浓烟等指标，将检测到的信息以图片和视频的方式发送到邮箱的火灾监测报警系统。

东芝家用电器制造（南海）有限公司的AI安全监控中心的应用确实非常先进，利用人工智能技术进行实时识别，能够有效地对产品的各种参数和品质进行监控，为智能工厂的制造生产提供质量保障。 以下是AI安全监控中心应用的具体分析： 铭牌参数识别：通过AI技术，可以对产品上的铭牌进行自动读取和识别，确保产品的基本信息如型号、规格、生产日期等与预期相符。 Logo坐标识别：AI可以自动找到产品上的Logo并确定其精确坐标，有助于确认产品的真实来源和品牌信息。 倾斜角度识别：AI技术可以自动检测产品铭牌的倾斜角度，确保其符合生产和质量控制的标准。 污渍和印刷缺陷识别：AI技术可以通过图像识别算法，自动检测产品表面是否有污渍或印刷缺陷，及时发现并处理这些问题，确保产品的清洁度和外观质量。 这种应用对于提高产品质量、生产效率和减少人工错误具有重要意义。同时，它也反映了人工智能技术在现代制造业中的广泛应用，不仅提高了制造的智能化水平，也极大地增强了制造过程的质量控制能力。 未来，可以期待看到更多类似的应用在制造业中得到普及和应用，帮助企业提高生产效率和产品质量，同时降低生产成本和人工错误。 1、我负责产品设计及UI界面前端交互设计 2、技术难点：可见光线对识别准确率的影响

1.雷达 视觉 雷视融合产品 应用自动驾驶和车路协同 智慧交通 负责 架构设计 产品设计 感知融合算法开发 包括嵌入式 docker AI 语言C++ MATLAB python

项目概述： 1. 本产品交付包含4个部分，分别是头环硬件、头环脑电算法库、AI学伴APP、数据管理平台。 2. AI学伴APP，向用户提供一系列专注度、放松度、心理测评的训练与分析，同时提供学习伴侣、习惯养成、成长轨迹等一系列与脑电相关的训练与数据分析服务。 主要功能： 1、脑电采集、姿态采集、结构形态、电量续航、专注放松度、情绪指数 2、个人模型、提升训练、习惯培养、AI学伴 3、成长轨迹、会员管理、资源管理 4、统计分析、消息管理、系统管理、通用接口 我的职责： 担任产品经理、技术架构两个角色，完成项目的调研、立项报告、服务器端技术框架选型、客户端App的架构开发 最困难的事情：硬件选型，脑电监测硬件开发，脑电数据算法方案 解决办法：梳理团队资源现状、有针对性的选择领域专家、重新搭建合理的算法和硬件团队、按阶段进行项目排期、采用快速迭代的方式满足项目进度要求

这是我们基于端侧AI芯片的综合解决方案，基于全志V831、V833，V853，博流BL808，K210，K230微瑞芯RK3568，RK3588等带有NPU算力的芯片的端侧AI方案，目前已经在人脸识别终端，工业识别领域应用

这是我们基于端侧AI芯片的综合解决方案， 基于全志V831、V833，V853， 博流BL808， K210，K230 微瑞芯RK3568，RK3588 等带有NPU算力的芯片的端侧AI方案，目前已经在人脸识别终端，工业识别领域应用