IT人力外包人才简历库

精通计算机视觉算法（Canny边缘检测、轮廓提取、图像增强）、深度学习框架（PyTorch/TensorFlow/Keras）、NLP模型（BERT/GPT-3/Transformer）、目标检测（YOLOv8/SSD/R-CNN）、语义分割（U-Net/DeepLab）、模型优化（LoRA/PEFT/量化）。熟悉分布式训练、混合精度计算、数据库（MySQL/Redis）、消息中间件（RabbitMQ）、容器化部署（Docker）。掌握Linux系统运维、Git版本控制、Flask/PyQt开发框架。

主导柑橘病虫害智能检测系统开发，基于YOLOv8与ResNet构建多阶段检测模型，采用SwinIR超分技术提升远距离图像识别精度，通过对抗生成网络解决早期病变识别难题。开发车牌识别系统，整合FCN-ResNet50与CNN架构，实现光照干扰下的车牌检测与识别。设计多智能体协作系统，基于LangGraph构建知识库检索、分镜生成、图像生成等模块，实现文本到漫画内容的自动化转换。完成模型量化部署方案，优化Stable Diffusion模型在服务器端的运行效率。

2024年02月~2024年06月 项目名称：柑橘病虫害智能检测系统

技术架构：YOLOv8、ResNet、OpenCV、Flask、SQLite3、PyQt

项目描述：开发基于深度学习的柑橘病虫害检测系统，集成无人机航拍与地面摄像头数据，通过图像增强、特征提取与分类算法实现病虫害智能识别。采用对抗生成网络解决早期病变与自然斑点区分难题，通过3D场景模拟增强模型泛化能力。

项目成果：实现95%以上病虫害识别准确率，支持多天气条件下的图像处理，系统部署后提升农户施药效率30%。

2023年09月~2024年01月 项目名称：车牌识别系统

技术架构：FCN-ResNet50、CNN、OpenCV、Labelme、PyQt、Flask

项目描述：构建车牌检测与识别系统，通过FCN模型定位车牌区域，结合CNN进行字符识别。采用数据增强技术模拟光照干扰，提升模型在复杂场景下的识别鲁棒性。

项目成果：实现98%的车牌识别准确率，支持多角度、光照变化等复杂场景，系统部署后提升交通管理效率。

2023年03月~2024年07月 项目名称：多智能体协作系统

技术架构：LangGraph、Xinference、Llama.cpp、Qwen3-8b、Stable Diffusion

项目描述：开发基于多智能体协作的自动化内容生成系统，集成知识库检索、分镜生成、图像生成等模块，实现文本到漫画内容的智能转换。

项目成果：构建完整的智能体协作流程，支持用户分镜修改需求，系统部署后提升内容生成效率40%。