{
    "basic_info": {
        "name": "李泽炎",
        "gender": "男",
        "phone": "17776991390, 15672828711",
        "email": "15672828711@163.com",
        "age": "23",
        "birth_date": null,
        "location": null,
        "work_years": "1.8"
    },
    "education": [
        {
            "school": "扬州大学广陵学院",
            "major": "工业机器人与自动化",
            "degree": "本科",
            "graduation_year": "2025"
        }
    ],
    "job_intention": {
        "expected_position": "图像算法",
        "expected_salary": null,
        "expected_city": "苏州",
        "availability": null
    },
    "skills": [
        "图像处理基本算法（滤波去噪、阈值分割、形态学操作、边缘检测）",
        "Blob分析、尺寸测量、OCR字符识别",
        "Halcon、VisionPro、VisionMaster视觉软件",
        "相机、镜头、光源选型及打光调试",
        "C#与Halcon联合编程、多线程、事件委托",
        "图像采集、算法执行、结果提取及流程控制",
        "九点\/十二点相机标定、畸变矫正、像素物理坐标转换",
        "PLC、串口、EtherCAT通信及自动化设备联调",
        "GRR与CPK验收交付"
    ],
    "work_experience": [
        {
            "company": "无锡精质视觉科技有限公司",
            "position": "图像算法\/视觉应用工程师",
            "duration": "2024\/10 - 2026\/07",
            "description": "1.负责汽车零部件、锂电隔膜、光学膜、铝箔视觉检测项目，独立完成相机、光源、工控机选型及九点\/十二点标定；\n2.熟练使用Halcon、VisionPro、VisionMaster、OCR识别等算法开发完成表面瑕疵检测算法开发，和特征提取，优化预处理策略和检测参数，提升精度、降低误报；\n3.负责视觉系统与PLC（EtherCAT\/串口）通讯联调，完成缺陷数据上传、产线贴标、声光报警等自动化联动功能；\n4.现场调试优化光学方案与算法参数，解决反光、震动、高速拖影等现场干扰问题，确保系统稳定运行；\n5.配合完成GRR＜10%与CPK验收交付；熟悉PLC、串口通信，具备视觉系统与自动化设备联调能力。"
        }
    ],
    "project_experience": [
        {
            "name": "精密齿轮高精度视觉检测",
            "role": "视觉应用工程师",
            "duration": "2026\/03 - 2026\/07",
            "description": "该项目是为汽车零部件产线做的在线视觉检测，核心需求是检测齿轮边缘的毛刺、缺口等缺陷，同时完成边缘尺寸测量，要求达到微米级检测精度。\n主要工作：\n1.方案设计：选用黑白全局CCD面阵相机配25mm FA定焦镜头，采用低角度环形光源强化边缘明暗对比，抑制金属反光噪声；\n2.检测参数调试：基于Halcon开发检测算法，提取边缘、Blob分析定位缺陷区域，配合产线追溯需求完成齿轮批次号OCR识别；\n3.现场部署与联调：完成相机、光源、工控机安装部署，完成九点标定建立像素坐标与物理坐标的映射，配合产线节拍完成PLC通讯联调；\n4.验收结果：缺陷检测准确率>=97.5%，误检漏检率<=1.3%，GRR<=10%，Cpk>=1.33通过客户验收。"
        },
        {
            "name": "涂炭铝模双面质检",
            "role": "视觉应用工程师",
            "duration": "2025\/10 - 2026\/03",
            "description": "该项目核心需求实现对涂炭铝箔双面瑕疵的同步检测，检测幅宽1000mm，速度150m\/min，像素精度要求针孔20μm、普通疵点0.12mm。\n主要工作：\n1.双面检测光学架构搭建：选择正打光方案，通过高角度和低角度光源组合凸显不同类型瑕疵，配合机械团队完成双面检测的机械结构设计；\n2.算法调参与抗干扰优化：调整光源亮度和相机HDR模式，在VisionMaster中调试图像预处理参数（CLAHE），加入中值滤波去噪处理，有效抑制反光干扰；\n3.验收结果：完成1000mm幅宽、150m\/min铝箔双面同步检测，反光误报降低72%，产线复检停机频次减少30%。"
        },
        {
            "name": "光学膜材质质量检测",
            "role": "视觉应用工程师",
            "duration": "2025\/07 - 2025\/10",
            "description": "该项目客户要求检测精度0.2mm×0.1mm，且背景纹理复杂、对比度低，核心需求是能够对缺陷成因给出工艺诊断。\n主要工作：\n1.定制化光学方案设计：设计多角度光源组合方案，负责相机标定建立像素坐标与物理坐标的精确映射关系；\n2.参数调试与算法优化：在VM中反复调试Blob分析参数，采用数据增强技术扩充训练集，确保模型对低频缺陷有足够的识别率；\n3.缺陷诊断功能开发：开发瑕疵模式识别功能模块，根据缺陷形态特征和所在工序位置建立映射关系库，同步输出可能原因；\n4.验收结果：稳定识别0.2mm微小缺陷，小样本缺陷识别率≥98.5%，缺陷工艺诊断匹配准确率98%，落地后产线不良品产出下降16%。"
        },
        {
            "name": "锂电隔膜瑕疵检测",
            "role": "视觉应用工程师",
            "duration": "2025\/03 - 2025\/06",
            "description": "该项目面向新能源锂电池行业，为涂布产线定制在线表面瑕疵检测系统，产线速度800m\/min，要求检测精度0.5mm，针孔灵敏度20μm。\n主要工作：\n1.相机选型：选配8K分辨率高速线阵相机，搭配高亮线光源，确保高速运动下图像不拖影；\n2.现场调试与图像优化：调试相机曝光时间、增益、行频等参数，调节光源角度和波长减弱反光强度，提升图像信噪比；\n3.混合架构算法开发：采用Halcon与VisionMaster联合编程，先用Halcon做传统算法预处理，再通过VisionMaster的分类模块做最终判断；\n4.验收结果：尺寸测量误差≤±3μm，漏检率＜0.3%，误检率＜0.5%，20μm针孔稳定检出，设备连续24h高温高湿环境下稳定运行，顺利通过GRR＜10%与CPK完成客户验收。"
        }
    ],
    "certifications": [],
    "self_evaluation": "1.熟练使用图像处理基本算法，包括滤波去噪、阈值分割、形态学操作，边缘检测，能针对不同场景选用合适方法。\n2.熟练使用Blob分析、尺寸测量和OCR字符识别可完成表面瑕疵检测、几何尺寸量测和字符读取等典型工业检测任务。\n3.熟练掌握Halcon、VisionPro、VisionMaster等主流视觉软件，能运用常用算子完成图像预处理、定位识别、尺寸测量等基础视觉任务。\n4.熟练掌握相机、镜头、光源的选型原则，能在指导下根据检测精度和视野要求进行硬件选型及基础打光调试。\n5.熟悉C#与Halcon的联合编程和多线程，事件委托，能完成简单的检测程序的算法集成。\n6.熟悉工具库实现图像采集、算法执行、结果提取及简单流程控制，完成检测程序的算法集成。\n7.熟悉九点、十二点相机标定，可完成畸变矫正与像素物理坐标转换。\n8.了解PLC、串口等通信方式，具备配合完成视觉系统与自动化设备联调的基本能力。"
}

{
    "events": [
        {
            "eventName": "ObjectCreated:PutObject",
            "eventSource": "acs:oss",
            "eventTime": "2026-10-27T09:58:30.000Z",
            "eventVersion": "1.0",
            "oss": {
                "bucket": {
                    "arn": "acs:oss:cn-hangzhou:1748673497100614:langbowei-static",
                    "name": "langbowei-static",
                    "ownerIdentity": "1748673497100614",
                    "virtualBucket": ""
                },
                "object": {
                    "deltaSize": 205327,
                    "eTag": "A0DCE66B42ADA72FCB83BD07595A5DDB",
                    "key": "resumes\/1-6ae075c6-1560d8-df55460a0dc8__widget_1704704635359_0.pdf",
                    "objectMeta": {
                        "mimeType": "application\/pdf"
                    },
                    "size": 205327
                },
                "ossSchemaVersion": "1.0",
                "ruleId": "6ace21aabfd5f4f41034504922b3ff7128aa76bb"
            },
            "region": "cn-hangzhou",
            "requestParameters": {
                "sourceIPAddress": "172.16.0.137"
            },
            "responseElements": {
                "requestId": "6AE075C60BE14534377D273C"
            },
            "userIdentity": {
                "principalId": "300034963247836315"
            }
        }
    ]
}