IT人力外包人才简历库

精通Python数据处理与机器学习库（NumPy、Pandas、Matplotlib），掌握PyTorch与OpenCV进行图像处理与模型开发。熟悉YOLO、ResNet、Transformer等主流模型架构，具备目标检测、语义分割、图像增强等算法实现能力。熟练使用LoRA技术进行模型微调，掌握RAG知识库构建与LangGraph多Agent系统开发。熟悉MySQL/Redis数据库与RabbitMQ消息中间件，具备Linux环境模型部署与量化经验。掌握BERT/GPT系列预训练模型及LLM框架（Transformers、Xinference），熟悉分布式训练与混合精度优化。

主导柑橘病虫害智能检测系统开发，采用YOLOv8与ResNet架构实现病虫害识别，通过生成对抗网络（GAN）解决早期病变斑点识别难题，运用SwinIR超分辨率技术提升远距离图像识别精度。开发车牌识别系统，整合FCN-ResNet50与CNN模型，通过数据增强技术应对复杂光照场景。设计多智能体协作系统，基于LangGraph构建包含知识检索、分镜生成、图像生成等模块的Agent工作流，实现小说到漫画内容的自动化转换。完成多个AI模型的量化部署与分布式训练优化，具备从算法研发到工程落地的全流程开发能力。

2024年02月~2024年06月 柑橘病虫害智能检测系统

项目架构：YOLOv8、ResNet、OpenCV、SwinIR、Flask、SQLite3、PyQt

项目描述：开发基于AI的柑橘病虫害检测系统，通过无人机与地面摄像头采集图像，采用图像增强技术提升远距离识别精度。构建生成对抗网络（GAN）解决早期病变斑点识别难题，运用SwinIR超分辨率技术提升图像质量。开发PyQt界面实现检测结果可视化，通过Flask部署模型提供API服务。

技术挑战：早期病变斑点与自然斑点区分困难，复杂天气条件影响识别效果

解决方案：构建GAN生成混淆样本进行对抗训练，使用Blender生成多场景数据增强模型泛化能力，采用多尺度图像分割提升检测鲁棒性。

2023年09月~2024年01月 车牌识别系统

项目架构：FCN-ResNet50、CNN、OpenCV、Labelme、PyQt、Flask

项目描述：开发车牌检测系统，采用FCN-ResNet50进行车牌定位，结合CNN实现车牌号识别。通过Labelme标注数据集，开发轮廓检测与透视变换算法提升车牌识别精度。集成Flask部署模型并开发PyQt可视化界面。

技术挑战：复杂光照与污损场景影响识别效果

解决方案：构建混合训练数据集（真实数据+模拟光照污渍），采用多尺度图像分割与特征增强技术提升模型鲁棒性。

2023年03月~2024年07月 多智能体内容生成系统

项目架构：LangGraph、Xinference、Llama.cpp、Qwen3、Stable Diffusion

项目描述：构建多Agent协作系统实现小说到漫画内容的自动化转换，设计包含知识检索、分镜生成、图像生成等模块的Agent工作流。部署Qwen3与Stable Diffusion模型，通过RAG知识库提升内容生成质量，开发修改工作流实现分镜优化。

技术挑战：用户分镜修改需求与资源消耗平衡

解决方案：设计双工作流机制，通过对话Agent根据用户反馈动态切换主流程或修改流程，实现高效内容迭代。