{
    "basic_info": {
        "name": "高雨涵",
        "gender": "",
        "phone": "17716365984",
        "email": "17716365984@163.com",
        "age": "",
        "birth_date": "",
        "location": "广州",
        "work_years": "2.2"
    },
    "education": [
        {
            "school": "河南理工大学",
            "major": "数据科学与大数据技术",
            "degree": "本科",
            "graduation_year": "2024\/06"
        }
    ],
    "job_intention": {
        "expected_position": "机器视觉开发工程师",
        "expected_salary": "",
        "expected_city": "",
        "availability": ""
    },
    "skills": [
        "熟练使用VisionMaster、Halcon、VisionPro等主流视觉软件，具备独立完成视觉项目开发与二次开发能力",
        "熟练掌握C#开发语言，具备面向对象编程思想，熟悉多线程、异步任务等技术，能够实现C#中CSV、INI文件的读写能力",
        "熟练使用MySql、Sqlite数据库，能够通过SQL语句实现数据库中数据的增、删、改、查",
        "掌握C#与主流视觉软件的联合编程，熟悉WinForm、WPF界面设计与程序架构搭建",
        "熟悉正运动运动控制卡SDK开发，能够完成视觉与运动控制的联动开发",
        "熟悉工业通讯协议：能够熟练使用串口、网口、西门子以及PLC通信技术",
        "熟练掌握目标定位、缺陷检测、尺寸测量、引导贴合等典型机器视觉任务，能结合项目需求完成方案选型、算法开发与参数调试",
        "熟悉滤波降噪、边缘提取、形态学处理、阈值分割、特征提取、图像增强等方法，能针对噪声、低对比度、光照不均等图像质量问题调参优化",
        "熟悉机器视觉与机器人坐标标定技术，掌握九点标定、十二点标定及棋盘格标定等方法，能够完成像素坐标、相机坐标与机器人世界坐标之间的转换",
        "熟悉工业相机、镜头、光源等视觉硬件，能根据项目检测精度、场景需求，完成相机、镜头、光源的精准选型"
    ],
    "work_experience": [
        {
            "company": "广州灵动视觉网络科技有限公司",
            "position": "机器视觉开发工程师",
            "duration": "2024\/07 - 2026\/09",
            "description": "1.负责机器视觉检测\/引导方案设计与硬件选型，完成相机、镜头、光源选型及打光成像调试，解决金属反光、低对比度、油污粉尘等成像问题。\n2.基于Halcon、VisionPro、VisionMaster开发视觉算法，涵盖模板匹配、亚像素测量、缺陷检测、深度学习分类\/分割及视觉引导对位，完成九点标定、旋转中心标定与坐标转换。\n3.基于C#及HalconDotNet、VisionProSDK、VMSDK开发上位机，实现流程控制、图像显示、结果解析、参数管理、NG报警、数据存储与追溯。\n4.负责视觉系统与PLC、运动控制卡、MES的通信联调，通过TCP\/IP、串口、ModbusTCP输出OK\/NG、缺陷代码及ΔX\/ΔY\/Δθ偏移量。"
        }
    ],
    "project_experience": [
        {
            "name": "手机摄像头模组组装视觉引导对位系统（Halcon）",
            "role": "",
            "duration": "",
            "description": "项目简述：面向手机摄像头模组组装产线，针对镜头与VCM底座贴合工位，基于Halcon单相机视觉引导，识别镜头外圆与底座Mark点，计算ΔX、ΔY、Δθ并引导机械手贴合。采用500万全局快门黑白相机，视野30mm×25mm，像素当量约0.012mm\/pixel；对位精度≤±0.03mm、角度≤±0.1°，单次对位≤300ms，支持TCP\/IP通信与数据追溯。\n个人职责：\n1.参与方案设计，完成相机、镜头、光源及通信接口选型评估。\n2.基于Halcon开发模板匹配、偏差计算与坐标转换算法，使用create_shape_model、find_shape_model、vector_to_hom_mat2d、affine_trans_point_2d实现亚像素定位与坐标映射。\n3.优化同轴光+低角度环形光组合打光，解决镜头玻璃反光、底座Mark点对比度低问题。\n4.基于C#\/HalconDotNet开发上位机，实现流程控制、偏差可视化、NG输出、数据存储与报表导出。\n5.参与九点标定、旋转中心标定、机械手通信联调与性能测试，编写检测报告及操作说明书。"
        },
        {
            "name": "方形铝壳锂电池六面外观检测系统（VisionPro）",
            "role": "",
            "duration": "",
            "description": "项目简述：面向方形铝壳锂电池六面外观全检，基于VisionPro检测注液孔钢珠缺失\/偏移、密封胶缺失、防爆阀破损及划痕、凹坑、蓝膜气泡等缺陷，输出OK\/NG驱动分拣。4台1200万像素相机覆盖六面，单次检测≤3s，最小检出划痕≤0.1mm，ModbusTCP通信。\n个人职责：\n1.参与相机、镜头、光源选型与成像调试，采用同轴光+低角度环形光抑制铝合金反光。\n2.负责部分VisionPro流程调试：CogPMAlignTool定位、CogBlobTool判钢珠、CogPatInspectTool检划痕凹坑，优化判定条件降低误漏检。\n3.参与多工位触发同步与节拍优化，减少单工位检测耗时。\n4.基于C#调用VisionProSDK，完成流程控制、结果解析、数据保存及ModbusTCP与PLC通信联调。"
        },
        {
            "name": "基于深度学习的五金冲压件表面缺陷检测系统（VisionMaster）",
            "role": "",
            "duration": "",
            "description": "项目简述：面向五金冲压件表面划痕、压伤、毛刺、脏污、漏冲等缺陷检测，针对传统规则算法覆盖不足、误检漏检高的问题，基于VisionMaster深度学习模块实现缺陷检测与分类，替代部分人工目检，提高检出率。\n个人职责：\n1.负责缺陷样本收集、标注与分类，使用VM深度学习平台训练分类\/分割模型。\n2.搭建VM深度学习流程，完成图像采集、ROI提取、模型推理、后处理与NG输出。\n3.基于C#通过VMSDK集成推理结果，实现NG图像保存、报警与数据统计。\n4.参与现场打光与拍摄角度优化，提高缺陷对比度，降低误检漏检。\n5.统计误检率、漏检率，配合产线试产验证并输出检测报告。"
        },
        {
            "name": "PCB连接器视觉引导插装系统（VisionMaster）",
            "role": "",
            "duration": "",
            "description": "项目简述：面向PCB组装产线连接器插装工位，针对来料PCB位置波动、治具定位精度不足易导致引脚变形或虚焊的问题，基于海康VisionMaster搭建视觉引导流程，识别PCBMark点与连接器特征，计算ΔX、ΔY、Δθ，引导机械手\/运动平台完成插装。\n个人职责：\n1.使用VisionMaster搭建视觉流程，完成图像采集、预处理、模板匹配、标定、偏差计算与通信输出。\n2.配置VM模板匹配模块，对PCBMark点和连接器特征建立模板，实现亚像素定位；完成九点标定，建立像素坐标到运动平台物理坐标的映射。\n3.基于C#通过VMSDK开发上位机，实现流程控制、结果展示、NG报警与数据存储。\n4.配合电气工程师完成TCP\/IP通信联调，下发ΔX、ΔY、Δθ及OK\/NG信号；参与现场打光调试，采用环形光+同轴光提高Mark点与连接器边缘对比度。"
        },
        {
            "name": "汽车发动机缸体字符刻印识别与追溯（VisionPro）",
            "role": "",
            "duration": "",
            "description": "项目简述：面向汽车发动机缸体加工线追溯工位，基于VisionPro识别缸体表面激光\/气动刻印的10位字母数字序列号或DPM码，并上传MES完成追溯。针对铸铁\/铸铝表面油污、氧化皮及低对比度字符，采用模板定位+OCR识别方案，目标识别率≥99%、误读率≤0.1%，单件识别≤150ms。\n个人职责：\n1.参与相机、镜头、光源选型与成像调试，采用远心镜头+低角度环形光\/暗场照明，利用刻印凹槽阴影增强对比，确定稳定成像方案。\n2.基于VisionPro搭建定位与OCR流程：CogPMAlignTool定位缸体特征，CogOCRMaxTool识别字符，配置白名单与AcceptThreshold，训练样本覆盖不同刻印深度和油污程度。\n3.优化低对比度字符识别：增加灰度拉伸\/局部直方图均衡预处理，必要时用CogOCVMaxTool校验，记录误读样本反馈优化训练集。\n4.基于C#调用VisionProSDK加载QuickBuild工程，获取工件号、序列号、置信度、时间戳并上传MES，完成与产线PLC现场联调及稳定性验证。"
        },
        {
            "name": "面向SOP\/QFP封装芯片的检测系统（Halcon）",
            "role": "",
            "duration": "",
            "description": "项目简述：本项目用于半导体封装后道工序，对SOP\/QFP芯片引脚进行尺寸测量与缺陷检测。针对引脚缺失、歪斜、间距异常等缺陷，基于Halcon实现形状匹配、亚像素边缘提取与自动判定，并通过PLC输出OK\/NG信号驱动分拣机构，替代人工目检。\n个人职责：\n1.硬件选型与成像调试：参与相机、镜头、光源选型；针对引脚金属反光，采用远心镜头+低角度环形光，完成安装、调焦与曝光调整，保证引脚宽度成像≥3像素。\n2.Halcon定位与测量：使用create_shape_model\/find_shape_model定位芯片，affine_trans_region跟随ROI，measure_pos提取亚像素边缘，计算引脚宽度、间距、长度。\n3.缺陷判定：通过有效边缘对数量判断引脚缺失，通过相邻引脚中心线角度偏差判断歪斜，结合Blob连通域辅助验证。\n4.C#集成与通信联调：基于C#调用Halcon，完成流程控制、结果解析与参数管理；通过TCP\/IP将OK\/NG及缺陷代码发送至PLC，完成现场联调。"
        }
    ],
    "certifications": [],
    "self_evaluation": "性格细致沉稳，抗压能力较强，能适应现场调试和跨部门协作。"
}

{
    "events": [
        {
            "eventName": "ObjectCreated:PutObject",
            "eventSource": "acs:oss",
            "eventTime": "2026-10-16T05:54:29.000Z",
            "eventVersion": "1.0",
            "oss": {
                "bucket": {
                    "arn": "acs:oss:cn-hangzhou:1748673497100614:langbowei-static",
                    "name": "langbowei-static",
                    "ownerIdentity": "1748673497100614",
                    "virtualBucket": ""
                },
                "object": {
                    "deltaSize": 220839,
                    "eTag": "17208BBF785602054EAE920D35033BC4",
                    "key": "resumes\/1-6ad1bc0f-15d82d-f746da987f95__widget_1704704635359_0.pdf",
                    "objectMeta": {
                        "mimeType": "application\/pdf"
                    },
                    "size": 220839
                },
                "ossSchemaVersion": "1.0",
                "ruleId": "6ace21aabfd5f4f41034504922b3ff7128aa76bb"
            },
            "region": "cn-hangzhou",
            "requestParameters": {
                "sourceIPAddress": "172.16.0.132"
            },
            "responseElements": {
                "requestId": "6AD1BC152477703131506E2A"
            },
            "userIdentity": {
                "principalId": "300034963247836315"
            }
        }
    ]
}