{
    "basic_info": {
        "name": "李志豪",
        "gender": "",
        "phone": "19071401772",
        "email": "1265669487@qq.com",
        "age": "",
        "birth_date": "",
        "location": "",
        "work_years": "3.2"
    },
    "education": [
        {
            "school": "汉口学院",
            "major": "机械电子工程",
            "degree": "本科",
            "graduation_year": "2023\/06"
        }
    ],
    "job_intention": {
        "expected_position": "机器视觉开发工程师",
        "expected_salary": "",
        "expected_city": "",
        "availability": "可随时到岗"
    },
    "skills": [
        "VisionPro",
        "Caliper卡尺测量",
        "Blob缺陷分析",
        "CogPMAlign模板匹配",
        "NPointToNPoint手眼标定",
        "图像预处理",
        "畸变校正",
        "尺寸测量",
        "外观缺陷检测",
        "机械手引导",
        "C# WinForm开发",
        "图像采集",
        "算法调度",
        "配方管理",
        "日志与图片存档",
        "Modbus通讯",
        "TCP通讯",
        "PLC对接",
        "机械手对接",
        "相机、镜头、光源选型",
        "光路调试",
        "环形光源应用",
        "偏振镜应用",
        "深度学习"
    ],
    "work_experience": [
        {
            "company": "武汉裕仁自动化设备有限公司",
            "position": "机器视觉工程师",
            "duration": "2023\/07 - 2026\/09",
            "description": "1. 负责视觉项目方案评估、硬件选型、光路搭建调试，独立完成 VisionPro 算法以及 C# WinForm 上位机开发；\n2. 完成视觉系统与 PLC、机械手通讯对接，处理现场成像、精度、误漏检问题，完成拷机测试与项目验收交付；\n3. 根据客户现场迭代算法参数，保障设备 24h 稳定量产，输出测试报告、操作手册，完成客户培训；\n4. 承接汽车零部件、 3C 消费电子检测项目，积累大量高反光工件缺陷检测现场落地经验。"
        }
    ],
    "project_experience": [
        {
            "name": "汽车连接器金属端子尺寸与外观缺陷检测",
            "role": "机器视觉工程师",
            "duration": "",
            "description": "1. 负责汽车低压连接器连片料带端子在线全检，工件关键功能尺寸公差 ±0.02mm ，检测尺寸超差、端子弯扭、大毛刺、压伤等致命缺陷及划痕、压印等一般外观缺陷。\n2. 完成硬件选型与光路调试，采用环形漫反射光源 + 偏振镜抑制金属镜面反光，降低毛刺带来伪缺陷干扰。\n3. 基于 VisionPro 使用 Caliper 像素卡尺完成尺寸测量、 Blob 工具做缺陷分析；采用传统算法 + 深度学习级联方案， AI 分割过滤毛刺、光影造成的伪缺陷。\n4. C# WinForm 开发上位机，实现图像采集、算法调度、 PLC 交互、日志图片存储、 NG 分拣输出；增加低置信度疑似件分流复检逻辑。\n项目成果：尺寸测量精度可达 0.02mm ；关键致命缺陷漏检 ≤0.05% ，整体综合过检率稳定 ≤0.8% ；适配冲压料带整机 UPH 可达 5500 ；设备支持 24h 连续量产，满足 IATF16949 车规质量管控。"
        },
        {
            "name": "机械手定位引导项目",
            "role": "机器视觉工程师",
            "duration": "",
            "description": "1. 汽车冲压工件机械手无序抓取引导项目；完成硬件选型、光路调试；使用 CogPMAlign 模板匹配、NPointToNPoint 九点手眼标定，完成像素 -世界坐标转换。\n2. C# 开发上位机，实现图像采集、坐标解算，通过 TCP 向机械手下发位置补偿数据；使用环形光源 + 偏振片消除金属工件反光干扰；增加匹配失败异常重试逻辑。\n项目成果：定位精度 0.02mm ；抓取定位成功率 99.6% ；可补偿工件 ±15mm 平移偏移、 ±10° 角度旋转；整机 UPH 可达 850，实现冲压工件无序自动抓取上料。"
        },
        {
            "name": "手机玻璃盖板正反面外观缺陷检测项目",
            "role": "机器视觉工程师",
            "duration": "",
            "description": "1. 针对玻璃盖板高反光、透光正反面串扰、浅划痕低对比度难题，搭建双相机正反无盲区检测光路。\n2. 无影光源搭配偏振模组优化成像，弱化镜面反射；基于 VisionPro 完成图像增强、灰度差分、 Blob 缺陷提取；引入深度学习分割区分真实缺陷和可擦拭粉尘脏污，抑制过检。\n3. C# WinForm 上位机实现双相机同步采图、缺陷分类标记、日志图片归档、分拣信号输出；独立完成硬件选型、软件开发、现场联调及项目验收；临界缺陷设置疑似复检分流。\n项目成果：识别划痕、砂眼、崩边、杂质等缺陷；单图像算法检测耗时 ≤250ms ；剔除可擦拭粉尘脏污后，致命缺陷漏检≤0.05% ，整体过检率 ≤2.2% ；整机设备 UPH 可达 1300 ，支持 24 小时稳定量产。"
        }
    ],
    "certifications": [],
    "self_evaluation": "熟练使用 VisionPro 做测量、缺陷、定位引导算法，独立完成 C# WinForm 上位机开发；具备完整非标视觉项目闭环落地能力，擅长解决工业现场反光干扰、误漏检高等量产痛点。抗压能力强，执行力高，能适应工厂现场调试，严格跟进项目节点保障交付质量。"
}

{
    "events": [
        {
            "eventName": "ObjectCreated:PutObject",
            "eventSource": "acs:oss",
            "eventTime": "2026-08-31T09:36:18.000Z",
            "eventVersion": "1.0",
            "oss": {
                "bucket": {
                    "arn": "acs:oss:cn-hangzhou:1748673497100614:langbowei-static",
                    "name": "langbowei-static",
                    "ownerIdentity": "1748673497100614",
                    "virtualBucket": ""
                },
                "object": {
                    "deltaSize": 307565,
                    "eTag": "7C5A155D6AD3B0D395AFDA42A7772066",
                    "key": "resumes\/1-6a954b09-15eb4d-2de866741f6f__widget_1704704635359_0.pdf",
                    "objectMeta": {
                        "mimeType": "application\/pdf"
                    },
                    "size": 307565
                },
                "ossSchemaVersion": "1.0",
                "ruleId": "6ace21aabfd5f4f41034504922b3ff7128aa76bb"
            },
            "region": "cn-hangzhou",
            "requestParameters": {
                "sourceIPAddress": "172.16.0.123"
            },
            "responseElements": {
                "requestId": "6A954B113614A43032F226DC"
            },
            "userIdentity": {
                "principalId": "300034963247836315"
            }
        }
    ]
}