{
    "basic_info": {
        "name": "海青云",
        "gender": null,
        "phone": "18144994318",
        "email": "18144994318@163.com",
        "age": "23",
        "birth_date": null,
        "location": null,
        "work_years": "1.5"
    },
    "education": [
        {
            "school": "安阳学院",
            "major": "自动化",
            "degree": "本科",
            "graduation_year": "2025\/06"
        }
    ],
    "job_intention": {
        "expected_position": "机器视觉应用工程师",
        "expected_salary": null,
        "expected_city": null,
        "availability": "随时入职"
    },
    "skills": [
        "C#代码编写",
        "WinForm开发",
        "Halcon二次开发",
        "Halcon机器视觉算法库",
        "VisionPro二次开发",
        "相机\/镜头\/光源选型",
        "打光方案设计",
        "VisionMaster机器视觉软件",
        "九点标定",
        "十二点标定",
        "机器人视觉坐标系转换",
        "TCP通信",
        "串口通讯",
        "外部触发信号对接",
        "视觉系统现场调试",
        "西门子PLC程序设计",
        "OpenCV"
    ],
    "work_experience": [
        {
            "company": "河南元极科技有限公司",
            "position": "机器视觉应用工程师",
            "duration": "2025\/04 - 2026\/10",
            "description": "进行视觉项目前期的可行性评估，以及视觉方案的设计。\n独立完成视觉项目的硬件筹备，完成相机、镜头、光源等视觉硬件的选型和打光方案的设计。\n按项目需求使用Halcon、VisionMaster、VisionPro等视觉平台进行算法的搭建和开发。\n按项目需求使用C#进行WinFrom的界面开发。\n完成视觉产品的现场调试、维护，解决现场各类问题，优化运行速率，降低误检、漏检率，保证检测达标。\n完成现场相机、镜头、光源，工控机等硬件的组装。"
        }
    ],
    "project_experience": [
        {
            "name": "3C手机连接器（Type-C端子）在线视觉检测",
            "role": "核心开发",
            "duration": null,
            "description": "项目描述：\n面向手机\/平板连接器（Type-C）产线的在线质检需求，针对人工检测效率低、漏检误判率高，以及端子引脚镀金层强反光，采用VisionMaster快速搭建检测流程,Halcon+C#上位机+工业相机\/光源+PLC通讯搭建全流程在线视觉检测方案。通过模板匹配定位、亚像素边缘提取、自适应阈值分割等算法，精准检测端子引脚缺失、引脚歪斜、异物、镀金层划伤等外观缺陷，同时完成引脚间距的尺寸测量；设计打光方案抑制反光、硬件触发采集与高速图像处理，实现高速、高精度、全自动检测与NG判定，适配产线节拍。\n项目职责：\n●负责用VisionMaster快速拖拽搭建全流程检测流程,基于Halcon开发核心算法，完成图像预处理（高斯滤波去噪、灰度化、边缘增强、阈值分割、形态学处理）、引脚区域定位、亚像素边缘提取、缺陷识别与尺寸测量，制作标准模板并配置检测参数，兼容量产工件公差差异。\n●负责完成硬件选型，进行视觉方案可行性分析，结合测量精度（±0.005mm）、视野大小与产线节拍完成硬件选型；选用黑白全局5MP+CMOS面阵相机+GigE接口、双远心镜头，保证端子边缘成像清晰无畸变、尺寸测量稳定。\n●负责完成打光方案的设计，针对镀金端子强反光问题，设计同轴光源为主、低角度环形光辅助的打光方案，同轴光压制镜面反光、呈现表面纹理与划伤，低角度光强化引脚边缘与立体轮廓对比。\n●使用C#开发WinForm界面，实现图像显示，检测结果输出，参数配置等。\n●负责现场系统安装与调试，部署相机、光源及工控机，调整相机位置、光源亮度与算法参数，优化系统对现场振动、光照波动的抗干扰能力。\n●负责验证与优化，开展大批量在线跑料测试，通过GRR、CPK数据验证检测稳定性与重复性，解决现场反光、来料偏移带来的误检漏检问题，整理设备运维与调试文档。\n项目成果：\n●实现Type-C端子引脚缺失、歪斜、异物、镀金划伤等缺陷的稳定识别，尺寸测量精度达±0.005mm，满足精密连接器质检标准。\n●节拍适配高速产线生产要求，漏检率＜0.3%、误检率＜0.5%，有效拦截不良品流出。\n●系统经GRR、CPK验证运行稳定，替代人工目检，提升检测效率与一致性；方案落地产线并形成标准化检测模板，可快速兼容不同型号连接器的换型检测。"
        },
        {
            "name": "手机充电器外壳（注塑件）在线外观检测",
            "role": "核心开发",
            "duration": null,
            "description": "项目描述：\n面向手机充电器外壳注塑产线的外观全检需求，针对人工目检效率低、漏检和判定不一致，以及外壳表面晒纹、高光区域反光强、缩水、顶白等低对比缺陷难成像的问题，采用双工位双相机布局：工件经缓冲供料后由转盘或分度盘输送，1号工位用500万像素GigE全局快门黑白相机、50mmFA定焦镜头和穹顶光，检测顶白、脏污、缺料；2号工位用同规格相机和低角度环形光+偏振片，检测缩水、划伤、压伤。两工位在同一分度停留节拍内同步触发，分别采集各自工位工件图像，结果按治具编号绑定，NG在后续工位剔除；通过Halcon开发缺陷算法、C#开发对应WinForm界面，配合PLC实现自动检测。\n项目职责：\n●负责视觉方案评估与硬件选型：结合缺陷尺寸、视野大小与、产线节拍完成选型；每个工位选用500万像素GigE全局快门黑白相机、50mmFA定焦镜头。\n●负责打光方案设计：1号工位用穹顶光漫射照明，抑制晒纹和高光反光，突出顶白、脏污、缺料；2号工位用低角度环形光+偏振片掠射照明，突出缩水、划伤、压伤；两套光源独立控制，避免干扰。\n●负责使用Halcon开发核心算法：完成灰度化、滤波去噪、动态阈值分割、形态学处理、Blob分析与差分比对；1号工位做灰度异常判定，2号工位做梯度、阴影特征提取，输出缺陷坐标、面积与类型。\n●负责C#开发WinForm界面，根据客户需要，设计界面；负责现场安装调试，优化两工位光源亮度与算法阈值，解决来料偏移、表面反光差异带来的误检漏检问题，输出调试与运维文档。\n项目成果：\n●高对比缺陷（划伤、脏污、披锋）最小可检0.1mm，其余缺陷（缩水、顶白、缺料）最小可检0.15mm；漏检率≤0.3%，误检率≤1.5%，替代2名目检人员。\n●双工位并行检测，适配注塑线全检；方案复制到2条充电器外壳产线。\n●双工位结果按治具编号绑定，NG在后续工位自动剔除，检测效果符合需求。"
        },
        {
            "name": "小型方形锂电池顶盖划痕检测",
            "role": "核心开发",
            "duration": null,
            "description": "项目描述：\n小型方形锂电池顶盖，划痕、擦伤等表面瑕疵，铝制顶盖表面反光强烈、来料摆放偏移等工况，人工检测漏检率高、结果无法量化，影响产品外观品质。本项目采用VisionMaster搭建2D在线划痕检测系统，搭配C#上位机+工业相机\/光源+PLC通讯：通过低角度环形光源+交叉偏振抑制铝盖镜面反光，采用阈值分割、形态学处理与Blob分析提取划痕特征，识别划痕、擦伤、凹坑、脏污等表面缺陷并判定分拣，适配产线节拍，有效拦截不良工件，保障产品外观品质。\n项目职责：\n●负责用VisionMaster搭建图像预处理、模板匹配定位、位置修正、阈值分割、形态学与Blob分析检测流程；参与核心算法调试——完成滤波去噪、阈值分割、形态学开闭运算、Blob特征提取（面积、长宽比、长度、宽度），识别划痕等表面缺陷，并兼容来料偏移与不同型号差异。\n●参与方案评估与硬件选型：结合检测精度、视野与产线CT节拍完成视觉方案可行性论证与硬件选型；选用500万像素GigE全局快门黑白相机+35mmFA定焦镜头，满足检测要求。\n●参与打光方案的设计和验证：选用低角度环形光源，突出划痕亮线，配合光源侧偏振片+镜头侧检偏的交叉偏振抑制铝盖镜面反光，保证成像清晰、对比度稳定。\n●负责现场产线批量跑料调试，优化曝光、光源强度与算法阈值，解决油污、烟尘、来料偏移带来的误检问题，参与编写客户操作培训文档。\n项目成果：\n●可识别0.15mm宽划痕，节拍适配高速产线生产要求。\n●系统漏检率低于0.7%，误检率控制在1%以内，可替代3名人工全检岗位。\n●方案落地两条锂电产线，有效拦截划痕、擦伤、凹坑等表面缺陷不良工件。"
        },
        {
            "name": "芯片丝印字符识别系统",
            "role": "核心开发",
            "duration": null,
            "description": "项目描述：\n芯片（SOP\/QFP，单颗约5~15mm）表面丝印型号、批次与日期，料盘检测区域约40×30mm，原人工目检抄录效率低、易出错。芯片字符小（字高1~2mm）、表面反光、托盘来料位置有偏移，影响识别稳定性。本项目采用VisionMaster搭建2D字符识别系统，搭配C#上位机+工业相机\/光源+PLC：通过同轴光+交叉偏振抑制芯片表面反光，VM字符识别模块完成字符定位、分割与识别，结果经格式校验后判定，NG自动剔除。\n项目职责：\n●负责用VisionMaster搭建图像预处理、模板匹配定位、位置修正、字符识别与格式化流程；参与字符样本采集、标注与字符训练，完成型号、批次、日期识别。\n●参与方案评估与硬件选型：结合字符高度、视野与产线节拍完成选型；选用200万像素GigE全局快门黑白相机+25mmFA定焦镜头，字高1~2mm，满足识别要求。\n●参与打光方案设计与验证：采用同轴光均匀照明+交叉偏振，抑制芯片表面反光，保证丝印字符与背景对比稳定。\n●负责现场产线调试，优化曝光、光源强度与识别阈值，解决来料偏移、表面反光差异导致的识别失败问题，参与编写操作与运维文档。\n项目成果：\n●字符识别率≥99.5%，误读率<0.1%。\n●节拍适配高速产线生产要求。\n●替代2名人工目检岗位，错漏率下降90%以上。\n●方案复制到2条芯片产线，形成标准化识别模板。"
        }
    ],
    "certifications": [],
    "self_evaluation": "本人自动化专业，1年半工作经验，参与过4个项目，具备C#、Halcon、VisionMaster和VisionPro等视觉相关的技术，具备良好的2D视觉处理能力。在工作中我听话，擅长交流，对新事物也有不错的接受能力。有良好的团队意识，善于并且乐于通过小组学习合作来解决一些复杂问题。主动积极，面对复杂代码逻辑能够结合数学模型等其他学科知识进行理解。在生活中热爱运动，拥有良好的抗压能力与执行力，适应能力出色，可快速适应项目节奏与现场工作。"
}

{
    "events": [
        {
            "eventName": "ObjectCreated:PutObject",
            "eventSource": "acs:oss",
            "eventTime": "2026-11-05T12:01:34.000Z",
            "eventVersion": "1.0",
            "oss": {
                "bucket": {
                    "arn": "acs:oss:cn-hangzhou:1748673497100614:langbowei-static",
                    "name": "langbowei-static",
                    "ownerIdentity": "1748673497100614",
                    "virtualBucket": ""
                },
                "object": {
                    "deltaSize": 353759,
                    "eTag": "01B36E6B3BF2C035D7606744240984DA",
                    "key": "resumes\/1-6aec701e-15ca6e-d572c8e4526f__widget_1704704635359_0.pdf",
                    "objectMeta": {
                        "mimeType": "application\/pdf"
                    },
                    "size": 353759
                },
                "ossSchemaVersion": "1.0",
                "ruleId": "6ace21aabfd5f4f41034504922b3ff7128aa76bb"
            },
            "region": "cn-hangzhou",
            "requestParameters": {
                "sourceIPAddress": "172.16.0.119"
            },
            "responseElements": {
                "requestId": "6AEC701EB7216C343728449B"
            },
            "userIdentity": {
                "principalId": "300034963247836315"
            }
        }
    ]
}