小区物业管理系统可以在浏览器运行，以vue为前端编写代码，idea作为编写后端的工具，前台通过JavaScript、JSON前端技术来进行数据的传输，系统运行会更加高效。后台通过Java的springboot框架完成系统的架构，其中主要开发的后端模块 1.基础crud 2.项目使用到了easyexcle，mybatisPlus，百度人脸识别api

本人擅长独立基于Vue Element UI和Springboot开发后台管理系统。 包括基础功能，用户管理，角色管理，部门管理，菜单管理，岗位管理，字典管理等。

项目经理，主要是为集团公司，做一个采购招标的流程，将公司内部与供应商结合在一起在平台实现权限分离，从而满足内部发布需求，外部供应商进行投标，内部审批打分的功能，并对公文，日常行政办公，项目管理，财务凭证对接方面也能实现，所用平台为致远的6.1-8.0sp2都有涉及

1、销售、订单、库存、调拨等一系列进销存常规功能，助力经销商经营管理。 2、技术上支持打印、PDA扫码、离线存储等。 3、使用指纹和人脸离线采集在线识别实现离线登录认证。 4、操作日志、闪退日志的收集。 5、热更新功能。 6、业务员送货轨迹上报。

1.该项目主要分为4个模块。 人员信息模块：人员信息，指纹，身份证，人脸数据采集 培训方案模块：创建考试培训方案，自定义课件导入，生成 培训考试模块：人员终端考试答题 数据管理模块：与云端数据同步 2.主要负责指纹硬件，身份证硬件，摄像头，人脸识别，答题器数据采集交互，自定课件导入生成

一款游戏化场景的学习软件，我负责整个后端和web前端的开发部署，大部分为后端接口，前端做了管理界面和微信小程序，微信公众号搜索“YMK乐之森智能音乐”就能看到相关小程序

项目介绍： 用户在后台管理上传资源。然后拷贝到jianyu的本地服务器，经桌面工具解压，人员通过移动平板去jianyu服务下载所需的资源。主要包括设备管理，资源管理，本部管理，资源统计，系统管理。 自己独立开发前端和后端所有功能;

这个项目做得最久， 我主要负责整个系统架构，Codeing，团队code review后端接口实现 时间久远现在业务都关停了什么展示的

内容: 1.该项目类似与友宝售货柜,用户在柜前扫码或者人脸识别,然后开门拿走商品,关门后通过识图技术,计算关门前后商品量 变化,最后结算支付。使用的设备是双屏触摸屏售货柜,内嵌入安卓系统,大小屏都能播放广告,主要销售的商品有鲜奶,饮料 等,也有合作商定制销售指定的商品等。主要包含用户管理,系统管理,商品管理,订单管理,营销管理,设备管理,广告管理等主 要子系统组成; 2.技术架构 2.1web端:采用Vue框架技术; 2.2售货柜:采用安卓系统; 2.3用户端:微信小程序; 2.4后端:采用微服务架构SpringCloud技术,注册中心使用Euraka,网关采用Gateway,数据库采用MySQL,缓存使用 Redis,还有文档数据库MongoDB,中间件采RabbitMQ,Netty,阿里云00S; 3.项目职责: 3.1负责营销管理中的优惠券，优惠活动，领券中心开发; 3.2负责广告管理业务开发;

欧莱雅集团的卡券中心每个品牌都会用，该系统的架构设计Codeing我都参与了，该系统主要的功能为给用户发券 核销券 预约券，卡券的整个生命周期管理，该系统的底层架构用的k8s，数据库用的分布式数据库tidb，部署流程标准的Devops 主要是后端接口，只有一个管理界面可展示

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。

技术栈： springboot,dubbo,redis,zk,gateway,mybatisplus,esbp.. 功能点： 个人信息管理，保单订单管理，收付费支付平台对接，第三方平台对接等等

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。

技术栈： springboot,mp,redis,es,vue,element-ui 功能点： 文体宣传、组织管理、人才商城、综合服务、服务管理、残疾系统、第三方服务公司、绩效评价系统

项目主要分为数据采集管理,大屏可视化,数据统计分析报表,数据上报管理,数据下发管理,数据工单管理; 主要负责大屏可视化,数据统计分析报表,数据上报,下发管理模块

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

工程全流程管理，立项-勘察-预算-施工-验收，等等，集团管理。小程序是uniapp开发。数据统计 图表展示。消息推送等； 还有其他的项目 比如：各区委的新时代项目。北京国际电影节等等。

应国产化要求，按照水利厅的实际工作内容，业务发展需要，建设适用于水利厅的办公平台，实现对厅内各项工作规范流程、相互协作、对各类业务数据实现资源共享等目标。包含统一资源平台系统、OA 协同办公系统、公文交换系统、行权系统、档案系统、移动办公系统等。

技术栈： springboot,mybatis-plus,redis,mysql dubbo,zookeeper 整体架构 用户微信授权，注册登录，会员预约服务，订单管理等

管理后台和前端所有需求收集分析，功能规划，业务流程图以及功能结构图设计，收集用户需求，根据使用场景设计相关功能 UI页面设计-设计 APP 所有页面内容，并将设计图上传至云端