IT人力外包人才简历库

精通深度学习算法开发与部署，熟练掌握YOLOv8/v5目标检测框架，具备TensorRT模型优化与部署经验。熟悉OpenCV图像处理及PyTorch深度学习框架，掌握数据增强、CBAM注意力机制、Focal-SIoU损失函数等算法优化技术。具备嵌入式系统开发能力，熟悉ARM Cortex-A9架构、Linux字符设备驱动开发、PWM/ADC通信协议及I²C/SPI总线接口设计。掌握高速硬件设计技能，包括4层混合信号PCB设计、56G PAM4 SerDes信号完整性仿真、Cadence工具链应用及FPGA时序收敛技术。精通Java/C/Python全栈开发，熟悉PyQt5图形界面开发及Docker容器化部署。

主要负责AI算法研发与嵌入式系统开发工作，主导钢轨缺陷检测系统开发，实现YOLOv8模型在Jetson Xavier平台的高效部署，达到93.2%的mAP精度。完成算法模型量化剪枝与INT8加速优化，实现162 FPS实时检测性能。参与嵌入式系统开发，完成ARM Cortex-A9平台的驱动开发与设备树配置，实现ADC采集与PWM控制功能。主导高速硬件设计，完成4层混合信号PCB设计及56G PAM4信号完整性仿真，通过EMC认证。具备全栈开发能力，可独立完成算法、驱动与硬件的系统集成与调试。

钢轨AI缺陷检测系统（2024.05-2024.07）：主导开发基于YOLOv8的钢轨缺陷检测系统，通过CBAM注意力机制与Focal-SIoU损失函数优化，实现93.2%的mAP精度。针对边缘设备部署需求，完成模型量化剪枝与INT8加速优化，使检测帧率提升至162 FPS，单帧处理时间缩短至32ms。解决Jetson Xavier平台的内存占用过高问题，通过TensorRT优化实现模型推理效率提升40%。开发配套的边缘计算容器化方案，基于Docker实现模型快速部署。项目成功应用于某大型制造企业的生产线，实现缺陷检测准确率提升35%，年节约人工检测成本超百万元。