{
    "basic_info": {
        "name": "吴怡晨",
        "gender": null,
        "phone": "15538029567",
        "email": "15538029567@163.com",
        "age": null,
        "birth_date": "2002\/11",
        "location": "湖北省武汉市",
        "work_years": 2
    },
    "education": [
        {
            "school": "新乡学院",
            "major": "软件工程",
            "degree": "本科",
            "graduation_year": "2024\/06"
        }
    ],
    "job_intention": {
        "expected_position": "机器视觉开发工程师",
        "expected_salary": null,
        "expected_city": null,
        "availability": null
    },
    "skills": [
        "Halcon",
        "VisionPro",
        "VisionMaster",
        "C#",
        "Java",
        "Python",
        "WinForm",
        "模板匹配",
        "Blob分析",
        "亚像素测量",
        "缺陷检测",
        "Halcon深度学习",
        "VisionMaster深度学习",
        "YOLO(v5\/v8)",
        "PLC通讯",
        "Modbus-TCP",
        "S7协议",
        "MySQL",
        "SQL Server",
        "SQLite",
        "九点手眼标定",
        "棋盘格标定",
        "旋转中心标定",
        "多相机联合标定",
        "工业相机选型",
        "镜头选型",
        "光源选型",
        "IO读写"
    ],
    "work_experience": [
        {
            "company": "果然科技 ( 武汉 ) 有限公司",
            "position": "机器视觉开发工程师",
            "duration": "2024\/09 - 2026\/09",
            "description": "承担机器视觉项目的算法设计与开发工作，运用 VisionPro 、 Halcon 、 VM 与 C# 进行联合开发，达成图像采集与处理功能，检测准确率超过 98% 。主导光学成像系统方案设计与落地验证，完成相机、远心 \/ 定焦镜头、条形 \/ 环形光源选型打光，解决反光、色差等成像难题，满足微米级检测成像标准。基于视场、精度、工作距离、产线节拍约束完成硬件参数理论测算，输出标准化硬件选型方案，保障视觉系统长期运行精度与稳定性。完成视觉系统与 PLC 设备联调对接，基于 TCP 通信协议开发双向数据交互程序，打通视觉检测结果与产线控制信号闭环，生产线自动化运行效率提升 20% 。"
        }
    ],
    "project_experience": [
        {
            "name": "VM+苹果电池包装（ OCR 二维码识别、引导定位）",
            "role": null,
            "duration": null,
            "description": "项目背景：电池在前面全部的流程中已经完成检测，只差最后一步包装。机械手通过 3-4 个吸嘴一次吸取多个电池，运动至拍照位进行飞拍：相机在运动过程中完成二维码识别与定位，计算每个吸嘴下电池的偏移补偿值并下发 PLC ，机械手根据补偿值将电池精准放入对应治具。项目职责：1. 负责视觉方案设计：相机、镜头、频闪光源选型，飞拍工位布局及运动成像效果验证（曝光时间、拖影控制）；2. 基于海康 VisionMaster （ VM ）平台开发二维码 \/OCR 识别模块，完成图像预处理与解码参数优化，识别率调试至99.9% 以上；3. 开发多吸嘴飞拍定位模块：完成相机标定（九点标定），实现单视野多电池定位，分别计算各吸嘴下电池的X\/Y偏移及旋转角度偏差；4. 设计飞拍触发方案：相机硬件触发与运动轴位置锁存、频闪光源同步控制，保证运动过程中成像稳定无拖影；5. 搭建视觉与 PLC 的 TCP\/IP 通讯链路，设计按吸嘴序号的补偿值交互协议，完成视觉与机械手 \/PLC 的联调及防错校验；6. 对接 MES 系统，实现电池编号、检测数据与包装工位的绑定与上传追溯；7. 负责现场调试与验收：飞拍定位精度验证、节拍优化、异常流程处理，保障设备稳定量产；8. 编写视觉系统操作手册与维护文档，培训产线操作人员。"
        },
        {
            "name": "（Halcon）车载钢化玻璃抓取视觉引导与定位",
            "role": null,
            "duration": null,
            "description": "项目背景：车载钢化玻璃（最大 1500×1000mm ）在传送带上存在来料偏差，人工无法准确定位抓取，且需同步筛查划痕、裂纹等外观缺陷。本项目基于 Halcon+C# 开发一体化系统，采用双相机对角局部定位 + 底部背光引导海康 6 轴机械臂抓取码垛，配合暗场 \/ 环形光分时检测完成缺陷在线筛查，定位精度 ±1.0mm ，检出率 > 97% 。项目要求：1. 系统总定位精度 ≤ ±1.0mm ，定位时间 ≤ 80ms ；2. 缺陷检测：划痕 ≥0.1mm \/ 裂纹 ≥0.1mm ，检出率 > 97% ，过杀率 < 3% ；3. 支持多种玻璃型号快速切换，单次定位 + 抓取 + 放料 ≤ 15 秒；4. 手眼标定误差 < 0.3mm ，连续 72h 运行定位漂移 < 0.2mm\/24h 。项目职责：1. 完成双相机对角局部定位 + 底部背光 + 暗场 \/ 环形多光源的整体成像方案设计，定位像素精度 0.082mm\/pixel ；飞拍定位精度 ≤±0.05mm ，旋转角度精度 ≤±0.1° ，确保 3-4 个吸嘴吸取的电池精准放入对应治具；2. 采用飞拍方式：相机硬件触发与运动轴位置锁存同步，配合频闪光源，曝光时间 ≤100μs ，运动过程中成像无拖影模糊；3. 一次取放循环完成全部电池的识别与定位，飞拍不额外占用节拍；4. 二维码识别成功率 ≥99.9% ，运动状态下识别耗时满足飞拍节拍要求，适应脏污、反光、划痕等复杂表面；5. 分别计算每个吸嘴下电池相对吸嘴中心的 X\/Y\/θ 偏差，补偿值按吸嘴序号下发 PLC ，实现逐工位放料补偿；6. 通过TCP\/IP 与 PLC 实时交互，具备通讯握手校验与断线重连机制；7. 识别出的电池编号与前工序检测数据绑定并上传 MES ，实现一物一码全流程追溯；8. 支持7×24 小时连续生产，识别 \/ 定位失败自动报警不误放料，支持多型号电池快速换型。"
        },
        {
            "name": "(Halcon+C#) 智能卡 OCR 字符检测与印刷质量判定系统",
            "role": null,
            "duration": null,
            "description": "项目背景 : 智能卡（银行卡 \/ 社保卡， CR80 标准）卡面印刷序列号、条形码、持卡人信息等关键内容，缺印、重影、模糊、偏移任一缺陷均导致卡片功能失效。本项目基于 Halcon+C# 搭建 OCR+ 印刷质量联合检测系统，采用深度学习 OCR + CNN 五分类质量判定 + 传统算法粗筛三级级联架构， 200ms\/ 张全检，识别准确率 ≥ 99.9% 。项目要求 : 1. OCR 识别准确率 ≥ 99.9% ，含序列号 + 条形码 + 持卡人信息， 200ms\/ 张；2. 印刷质量五分类（ OK\/ 缺印 \/ 重影 \/ 模糊 \/ 偏移）， CNN 分类准确率 > 98% ；3. 条形码 ISO 15415 等级验证，多码制自动识别；4. 本地数据库卡号校验（防错印）， PLC 联动剔除，多卡种配方 ≤ 5 分钟切换。项目职责 : 1. 针对 PVC 覆膜镜面反光，选用穹顶光源（半球漫反射） + 同轴光组合，字符与背景灰度差 ≥ 100 gray level；2. 基于 Halcon 完成深度学习 OCR （ text_model_reader 端到端识别） + 条码识读（ find_bar_code 多码制 +ISO 15415 验证） + 传统算法粗筛（边缘过渡带宽 \/ 差分面积 \/ 双峰间距） + CNN 五分类精判；3. 收集标注 10,000+ 字符样本训练 CNN 质量分类器，验证准确率 > 98% ；4. 完成 C# WinForm 上位机开发、 PLC Modbus TCP 通信、 NG 剔除时序联调、多卡种配方管理。"
        },
        {
            "name": "VM＋自动插针机（多料号识别、引导定位、插针检测）",
            "role": null,
            "duration": null,
            "description": "项目背景：针对自动插针产线的产品定位与质量检测需求，采用海康 VisionMaster （ VM ）搭建五工位视觉系统。前端通过产品识别、位置及角度计算，为设备提供插针定位引导；后端检测插针缺失、歪斜及高度，并通过 TCP\/IP 与设备控制端交互定位数据和检测结果。本人负责全部 5 个工位的视觉开发及 TCP\/IP 通信，项目已投入产线使用。项目要求：1. 兼容8款孔数不同的产品，实现料号区分、产品定位及角度识别；2. 工位一完成产品分料识别与定位，输出产品位置、角度及引导孔位置；3. 工位二完成成品插针缺失、歪斜检测；4. 工位三通过侧视成像测量成品插针高度，判断高度是否符合设定要求；5. 工位四、五支持单针歪斜检测及 8 针同时检测，识别被切断的插针并判断歪斜情况；6. 通过TCP\/IP 与设备控制端交互，实现定位数据及检测结果传输；7. 适应金属反光、景深差异及机构位置波动等现场条件，满足产线检测与定位需求。项目职责：1. 负责全部 5 个工位的 VM 视觉流程开发，根据各工位需求配置图像处理、定位、测量及结果判定流程；2. 开发料号识别与定位流程：通过轮廓定位及孔位特征识别区分 8 款料号，计算产品位置、角度及引导孔位置；3. 开发成品插针检测流程：提取插针特征并拟合直线，通过数量及角度判定识别插针缺失、歪斜；4. 开发侧视高度测量流程：定位产品及插针测量特征，完成插针高度测量与结果判定；5. 开发单针及多针检测流程：配置各插针检测区域，完成单针歪斜、 8 针切断位置识别及歪斜检测；6. 负责TCP\/IP 通信配置与联调，完成视觉系统与设备控制端的定位数据、检测结果交互；7. 完成五工位视觉流程集成及产线应用，支持自动插针设备的定位引导与成品质量检测。"
        },
        {
            "name": "VM＋冲压零件定位与检测（机械臂引导、尺寸测量、双协议通信）",
            "role": null,
            "duration": null,
            "description": "项目背景：针对冲压零件的自动化定位与质量检测需求，基于海康 VisionMaster （ VM ）开发双工位视觉系统。定位工位识别产品位置，通过 TCP\/IP 向机械臂提供定位数据；检测工位完成产品尺寸、两点边距及铁点中心到两侧边缘的距离测量，通过 Modbus 与设备控制端交互检测结果。项目已上线应用。项目要求：1. 搭建定位与检测两个视觉工位，采用静态拍照方式完成产品图像采集；2. 定位工位通过产品轮廓识别产品位置，为机械臂提供定位数据；3. 检测工位完成产品尺寸、两点边距及铁点中心到两侧边缘的距离测量，依据设定公差判断产品是否合格；4. 精度指标：按方案配置，理论测量精度为 ±0.05 mm ，实际测量精度以现场验证结果为准；5. 定位工位通过 TCP\/IP 与机械臂通信，完成定位数据传输；6. 检测工位通过 Modbus 与设备控制端通信，完成检测结果交互。项目职责：1. 负责两个工位的 VM 视觉流程开发，完成图像采集、轮廓定位、尺寸测量及结果判定模块配置；2. 开发产品定位流程，通过轮廓特征确定产品位置，组织定位数据并发送至机械臂；3. 开发尺寸与边距检测流程，配置检测区域、测量参数及公差范围，实现产品尺寸和两点边距的合格判定；4. 开发铁点边距测量流程，定位铁点中心及两侧边缘，分别计算中心到两侧的距离，并输出判定结果；5. 负责定位工位与机械臂的 TCP\/IP 通信配置及联调，完成定位数据交互；6. 负责检测工位的 Modbus 通信配置及联调，完成检测结果交互，实现双工位视觉系统集成与上线应用。"
        },
        {
            "name": "halcon+PCB 板检测 + 引导上料应用系统",
            "role": null,
            "duration": null,
            "description": "项目背景：SMT产线前端上料工位，检测产品为手电钻无刷电机驱动板（ 100×80mm 双面绿油板），单板 PCB 来料位置随机、角度不定，需视觉定位引导机械臂抓取上料并完成来料防错。客户为东莞中小型 SMT 代工厂，给跨境电商及国产二线品牌贴牌代工，换线频繁，条码防错与正反判断为产线刚需。项目要求：1. 人工上料对位不准、混料放反难以及时发现，不良品流入贴片机造成批量返工；2. 一次拍照完成定位引导、条码识别、正反面判断、外观初筛四项功能；3. 视觉重复精度 ≤±0.08mm ，系统综合精度 ≤±0.15mm ，角度精度 ≤±0.5° ，条码读取率 ≥99.8% （实测 1000 片），全检 ≤300ms 。项目职责：1. 负责整体方案设计，完成相机选型（ 2448×2048 ， 2\/3\" CMOS ，全局快门） 、 镜头选型（ 20mm 定焦， C-Mount） 、 FOV:250mm × 210mm 、光源方案设计（环形 LED 光源，镜头同轴，正面垂直照射）；2. 基于 Halcon 开发 2D 视觉定位算法 -- 图像预处理（高斯滤波、均值滤波等） 、 NCC 模板匹配（create_ncc_model 、 set_ncc_model_param 等） 、 亚像素边缘提取 + RANSA C 直线拟合（ edges_sub_pix 、 threshold_sub_pix 、 distance_pl 等），输出 PCB 中心点 XY 坐标 + 旋转角度 θ ；3. 同一工位扩展三项防错功能： Halcon 条码 \/ 二维码识别验证（ create_bar_code_model 、 set_bar_code_param 等） Mark 点数量检测判断正反面（ reduce_domain 、 threshold 、 count_obj 等 ） 、 灰 度 异 常 检 测 拦 截 缺 角 \/ 划 伤 不 良 品 （ gen_contour_polygon_xld 、 clip_con tours_xld 等）；4. 通过光源角度和图像预处理参数调试，解决绿油表面反光弱 、 边缘对比度低的问题，保证定位与检测稳定性；5. 基于 C# + WinForm 开发操作界面，集成 Halcon 算子调用，实现定位结果可视化 、 检测项综合判定 、 NG 报警、多板型配方管理；6. 视觉端通过 TCP\/IP 将 XY 坐标 + 旋转角度 + NG 原因码发送至机械臂与 PLC,OK 品由机械臂抓取上料，NG 品由本站气缸直接剔除。"
        }
    ],
    "certifications": [],
    "self_evaluation": null
}

{
    "events": [
        {
            "eventName": "ObjectCreated:PutObject",
            "eventSource": "acs:oss",
            "eventTime": "2026-10-20T06:01:08.000Z",
            "eventVersion": "1.0",
            "oss": {
                "bucket": {
                    "arn": "acs:oss:cn-hangzhou:1748673497100614:langbowei-static",
                    "name": "langbowei-static",
                    "ownerIdentity": "1748673497100614",
                    "virtualBucket": ""
                },
                "object": {
                    "deltaSize": 581989,
                    "eTag": "21CE3E2F0E0DC9BCFC041CC6E2E982F5",
                    "key": "resumes\/1-6ad7039d-15bb47-939a6fc2763a__widget_1704704635359_0.pdf",
                    "objectMeta": {
                        "mimeType": "application\/pdf"
                    },
                    "size": 581989
                },
                "ossSchemaVersion": "1.0",
                "ruleId": "6ace21aabfd5f4f41034504922b3ff7128aa76bb"
            },
            "region": "cn-hangzhou",
            "requestParameters": {
                "sourceIPAddress": "172.16.0.125"
            },
            "responseElements": {
                "requestId": "6AD703A44EBE2138331E417B"
            },
            "userIdentity": {
                "principalId": "300034963247836315"
            }
        }
    ]
}