{
    "basic_info": {
        "name": "王超博",
        "gender": "",
        "phone": "18137907609",
        "email": "18137907609@163.com",
        "age": "",
        "birth_date": "",
        "location": "深圳",
        "work_years": "2.2"
    },
    "education": [
        {
            "school": "洛阳师范学院",
            "major": "物联网工程",
            "degree": "本科",
            "graduation_year": "2024"
        }
    ],
    "job_intention": {
        "expected_position": "机器视觉开发工程师",
        "expected_salary": "",
        "expected_city": "",
        "availability": ""
    },
    "skills": [
        "熟练使用 VisionPro、Halcon、VisionMaster 主流视觉开发软件及运用 C#进行联合二次开发",
        "熟练相机、镜头及光源的选型，能够通过合理的配置，为图像处理环节获取高质量的图像",
        "熟练九点标定，十二点标定，确保检测结果的测量精度与机器人定位准确性",
        "熟悉 TCP，串口，西门子、三菱、Modbus 等市场上常用的通信设备，并且够使用 C#语言跟设备进行连接通信",
        "熟练使用 WinForm 窗体界面设计，可实现 WinForm 与VisionPro\/Halcon 进行工具集成",
        "精通模板匹配、Blob 分析、缺陷检测等核心视觉算子，针对不同产品缺陷，优化检测算法，降低误判率",
        "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",
        "了解 VisionMaster、Halcon 深度学习模型训练平台和测试平台，能够使用深度学习模型",
        "具备工业视觉项目全流程跟进能力，从需求分析、方案设计、软硬件调试到现场交付、后期维护均有实操经验，能快速响应现场问题并完成优化迭代",
        "具备良好的团队协作意识、沟通能力与责任心，抗压能力强，能接受出差",
        "具备快速学习能力，可快速掌握新技术、新工具，适配工业场景的迭代需求",
        "熟悉上位机运动控制开发，熟练正运动运动控制SDK，可独立完成运动控制功能开发、参数调试与设备联动控制"
    ],
    "work_experience": [
        {
            "company": "深圳鑫昊博科技有限公司",
            "position": "机器视觉开发工程师",
            "duration": "2024\/06 - 2026\/08",
            "description": "1. 算法研发与落地：参与工业视觉检测场景的需求调研与方案评估，基于 VisionPro、Halcon、Vision Master 工具库完成图像预处理、特征提取、目标定位等核心算法模块的开发与调试，匹配不同产线的光照、成像环境完成参数调优，保障检测准确率满足生产要求；\n2. 系统集成与验证：协同硬件、测试团队完成视觉系统与工业设备的对接调试，设计测试用例覆盖多场景缺陷样本，迭代优化算法鲁棒性；\n3. 技术运维与迭代：跟进已上线系统的运行状况，快速定位识别误检、漏检等异常问题并输出修复方案，基于生产端反馈持续优化算法模型，降低产线人工复检成本。"
        }
    ],
    "project_experience": [
        {
            "name": "汽车制造装配车载玻璃的 2D视觉引导（VP）",
            "role": "",
            "duration": "",
            "description": "项目简介：本项目为车载玻璃装配产线研发的机器视觉引导系统，通过 2D 视觉结合激光测距方案，实现车载玻璃的位姿精准识别与坐标解算，引导六轴工业机械臂完成柔性抓取、转运与装配对位。系统可适配多款侧窗、天窗玻璃的生产切换，有效提升抓取装配的重复精度与生产节拍，降低人工劳动强度，助力产线实现全自动化、柔性化生产。\n核心技术指标：1. 工件适配：支持最大尺寸 1200×800mm 的曲面车载玻璃，兼容 3 款以上不同规格玻璃的无干预切换；2. 生产节拍：单块玻璃图像采集 + 位姿解算 + 机械臂抓取总周期 ≤8s，满足日产 1200 件的产能要求。\n个人职责：1. 负责车载玻璃视觉引导系统的整体方案设计，完成相机、镜头、光源及测距传感器的选型与光路验证；2. 基于 VisionPro 开发视觉定位算法流水线，实现玻璃边缘特征提取、曲面拟合、位姿解算与坐标系转换；3. 完成眼在手外模式的手眼标定，建立视觉坐标系与机械臂基坐标系的映射关系，保障引导精度；4. 基于 S7-TCP 通信完成与西门子 PLC 的数据对接，将视觉计算得到坐标、高度等数据写入 PLC的DB数据块。"
        },
        {
            "name": "晶圆表面检测系统（VP）",
            "role": "",
            "duration": "",
            "description": "项目简介：本项目基于 VisionPro 视觉平台研发的晶圆表面在线检测系统，采用高精度成像与多算法融合方案，实现晶圆整片表面的自动化缺陷筛查，可精准识别颗粒、划痕、崩边、针孔、污染等多类工艺异常，完成缺陷定位、分类与数据追溯。系统对接产线 PLC，支持多尺寸晶圆一键换型，大幅提升检测节拍与缺陷检出率，降低人工检测成本与良率损耗，助力晶圆制造工序实现高精度、全自动化在线质量管控。\n核心技术指标：1. 工件适配：兼容 6\/8\/12 寸标准晶圆，支持不同工艺、不同晶粒尺寸产品的无干预换型；2. 识别鲁棒性：可应对晶圆轻微翘曲、表面灰度波动、放置偏移 ±10mm 工况。\n个人职责：1. 负责晶圆表面检测系统的整体方案设计，完成相机、镜头、多组光源与运动平台的选型及光路可行性验证；2. 基于 VisionPro 搭建视觉检测算法流水线，实现晶圆模板定位、边缘亚像素拟合、多类型缺陷检测等核心功能；3. 基于 C# WinForm 完成系统二次开发，实现人机交互界面、参数配置、检测结果统计与缺陷图像存储功能；4. 基于 Modbus-TCP对接产线 PLC，实现检测信号交互、NG 品分拣控制与检测数据上传。"
        },
        {
            "name": "锂电池顶盖与壳体对位贴合系统(VM)",
            "role": "",
            "duration": "",
            "description": "项目背景：本项目基于 Vision Master 视觉算法平台研发的高精度对位贴合系统，采用双相机成像与视觉引导方案，通过 VM 内置的亚像素定位、坐标标定与对位解算工具，实现顶盖与壳体的特征精准对齐，输出偏移量驱动四轴伺服运动平台完成高精度贴合。支持多型号电芯一键换型，对位精度远高于机械定位，助力锂电产线实现高柔性、高精度的自动化贴合制程管控。\n核心技术指标：1. 对位精度：顶盖与壳体特征对位重复精度 ±0.1mm，角度偏差 ≤0.5°；2. 工件适配：兼容方形铝壳电芯 50~150mm 全系列尺寸，支持不同顶盖结构、不同壳体规格的无干预换型；3. 贴合节拍：单电芯对位 + 贴合全周期 ≤1.5s，适配产线 2400 件\/小时的量产产能要求。\n个人职责：1. 负责系统的整体方案设计，完成双相机、远心镜头、光源的选型及光路可行性验证；2. 完成视觉与运动平台物理坐标系的标定映射，验证双相机视野拼接与坐标转换精度，保障最终贴合重复精度；3. 基于 VM 自带的界面配置工具完成操作界面开发，实现参数配置、实时状态显示、贴合数据统计。"
        },
        {
            "name": "精密轴承滚子表面视觉检测系统（VM）",
            "role": "",
            "duration": "",
            "description": "项目背景：本项目基于 Vision Master 视觉算法平台研发的全表面自动化检测系统，采用多工位环绕成像 + 滚筒旋转上料方案，通过 VM 内置的缺陷分割、特征提取、亚像素测量、分级判定工具，实现滚子外圆柱面、两端面、内外倒角的全维度缺陷检测与关键尺寸测量，输出分级判定结果与分拣控制信号对接产线执行机构。系统支持多规格滚子一键换型，检测精度与稳定性远超人工目检，大幅提升检测效率与品质一致性，助力轴承产线实现高精度、高柔性的自动化质量管控。\n核心技术指标：1. 工件适配：兼容直径 φ5~φ50mm、长度 10~80mm 全系列滚子，支持不同材质、精度等级的无干预换型；2. 检测节拍：单颗滚子全表面检测全周期 ≤0.8s，适配产线 4500 件\/小时的量产检测产能要求；3. 识别鲁棒性：可应对滚子轻微油污、来料尺寸公差、表面氧化色差工况。\n个人职责：1. 负责系统的整体方案设计，完成多工位相机、远心镜头、光源与旋转上料机构的选型及成像可行性验证；2. 完成视觉坐标系与工件物理坐标系的标定映射，验证多工位相机成像拼接与尺寸转换精度，保障测量重复精度；3. 基于 VM 自带的界面配置工具完成操作界面开发。"
        },
        {
            "name": "机械臂分拣新能源电池极耳系统（Halcon）",
            "role": "",
            "duration": "",
            "description": "项目简介：本项目基于 Halcon 视觉算法平台研发的机械臂视觉引导分拣系统，采用高精度成像与手眼标定方案，实现极耳工件的精准定位、外观缺陷初筛与抓取坐标输出，引导六轴机械臂完成极耳的精准抓取、分拣与上料作业，可稳定识别极耳翻折、破损、尺寸超差等异常。系统对接产线 PLC 与机械臂控制器，支持多规格极耳一键换型，大幅提升分拣节拍与定位精度，降低人工成本与极耳损耗，助力新能源电芯产线实现高精度、柔性化的自动化分拣管控。\n核心技术指标：1. 定位精度：机械臂引导抓取综合精度 ±0.1mm，坐标输出延迟 ≤10ms；2. 工件适配：兼容铜\/铝材质、不同宽度与厚度的动力电芯极耳，支持叠片、卷绕多种工艺极耳的无干预换型；3. 分拣节拍：单工位视觉引导分拣节拍 ≤3s\/件，适配产线 1200 件\/小时的上料产能要求；4. 识别鲁棒性：可应对极耳轻微变形、表面氧化色差、来料堆叠偏移 ±5mm 工况，极耳定位成功率 ≥98%。\n个人职责：1. 基于 Halcon 搭建视觉检测算法流水线，实现图像预处理、轮廓提取、亚像素边缘拟合、模板匹配定位等功能；2. 完成九点手眼标定算法开发与验证，建立视觉像素坐标系与机械臂物理坐标系的映射转换，保障引导抓取精度；3. 基于 C# 联合 Halcon 完成系统二次开发，实现人机交互界面、参数配置、检测结果统计与缺陷图像存储功能；4. 对接机械臂控制器与产线 PLC，实现触发采图、坐标下发、分拣控制与检测数据上传的全流程信号交互。"
        },
        {
            "name": "电池极耳视觉检测系统（Halcon）",
            "role": "",
            "duration": "",
            "description": "项目简介：针对电池极耳人工检测效率低、尺寸一致性难保证以及焊接缺陷易漏检等问题，基于 Halcon 开发双工位在线视觉检测系统，采用高精度远心成像方案，实现极耳尺寸测量与焊接质量自动检测。系统可完成极耳高度、宽度、间距、翻折角度、对齐度及毛刺等尺寸检测，同时识别漏焊、虚焊、焊痕偏移、焊宽不足、焊渣飞溅、焊穿等异常；对接产线 PLC，支持多规格产品一键换型，实现极耳在线自动化质量检测。\n项目需求：1. 可应对极耳表面反光、轻微褶皱、位置偏移 ±5mm、焊痕灰度不均及表面氧化等工况；2. 支持极耳高度、宽度、间距、翻折角度、电芯对齐度、毛刺等多项尺寸测量；3. 支持漏焊、虚焊、焊痕偏移、焊宽不足、焊渣飞溅、焊穿等多类焊接缺陷检测与分类。\n个人职责：1. 负责双工位视觉系统方案设计，完成相机、远心镜头、光源等视觉硬件选型及成像光路验证；2. 基于 Halcon 搭建尺寸测量与焊接缺陷检测流程，实现工件定位、图像预处理、尺寸计算及缺陷判定；3. 设计模板匹配定位、亚像素边缘检测、Blob 分析、灰度特征统计、几何工具拟合等多算法组合方案；4. 基于 C# WinForm 完成系统二次开发，实现人机交互界面、参数配置、检测结果统计、缺陷样本存储。"
        }
    ],
    "certifications": [],
    "self_evaluation": ""
}

{
    "events": [
        {
            "eventName": "ObjectCreated:PutObject",
            "eventSource": "acs:oss",
            "eventTime": "2026-09-11T09:05:51.000Z",
            "eventVersion": "1.0",
            "oss": {
                "bucket": {
                    "arn": "acs:oss:cn-hangzhou:1748673497100614:langbowei-static",
                    "name": "langbowei-static",
                    "ownerIdentity": "1748673497100614",
                    "virtualBucket": ""
                },
                "object": {
                    "deltaSize": 507693,
                    "eTag": "054B118E7EA123F3320386DCCF7EFB30",
                    "key": "resumes\/1-6aa3c468-154daa-eb08230013b2__widget_1704704635359_0.pdf",
                    "objectMeta": {
                        "mimeType": "application\/pdf"
                    },
                    "size": 507693
                },
                "ossSchemaVersion": "1.0",
                "ruleId": "6ace21aabfd5f4f41034504922b3ff7128aa76bb"
            },
            "region": "cn-hangzhou",
            "requestParameters": {
                "sourceIPAddress": "172.16.0.134"
            },
            "responseElements": {
                "requestId": "6AA3C46FF5C62A30385027B9"
            },
            "userIdentity": {
                "principalId": "300034963247836315"
            }
        }
    ]
}