合肥信息技术职业学院 · 人工智能专业 · 大三
具备从深度学习模型训练到 Web 全栈工程部署的复合能力。
不只是代码——驱动这些项目的动力
我是一名大学生开发者,专注于 AI 与物联网的交叉领域——让智能算法理解物理世界的信号。 过去一年里,我从零搭建了一套轴承故障诊断系统(IndustrialMind),在跨域泛化任务上达到了 99.22% 的精度; 同时也独立构建了一个完整的法律知识库问答系统(Legal RAG),处理了从向量检索到 SSE 流式输出的全链路工程问题。
我最享受的过程是 从实际问题出发、找到合适的技术方案、并把它做成真正可用的产品。 目前正在备战第 19 届中国大学生计算机设计大赛(参赛作品:IndustrialMind)。 对新事物保持好奇心,习惯阅读英文论文并复现其中的算法,擅长快速掌握新技术并应用到实际场景。
在校期间长期跟随导师进行科研项目开发,参与过物联网设备故障检测和多模态感知监测等课题。 除了技术研究,我也关注如何把复杂的技术方案用清晰的方式呈现出来。
从算法研究到工程落地,每个项目都解决了一个实际问题
核心算法:基于 PyTorch 实现 ResNet1D (3.9M参数) 一维残差网络,采用 DANN / CDAN 域对抗网络实现跨域特征对齐,设计差异架构集成(ResNet1D + MultiScale-CNN + CNN1D)软投票融合。
工程部署:FastAPI 提供实时诊断 API,前端用 Vue3 + Element Plus 展示诊断结果,STM32 边缘端采集振动信号,Git 版本管理,Linux 服务器部署。
跨域故障诊断精度达 99.22%(CWRU→HUST 跨设备验证,4 数据集泛化)。ResNet1D 单模型达 99.78%。
后端架构:Python + FastAPI 构建 RAG Pipeline,BGE-M3 模型生成向量嵌入,ChromaDB 向量库存储,BM25 关键词检索,RRF 融合双路召回结果,支持 Ollama / DeepSeek / 硅基流动 多模型一键切换。
前端交互:Vue3 + Element Plus 开发管理界面,SSE 流式输出实时返回检索内容,知识图谱可视化展示实体关系,Git 管理代码,Linux 服务器部署。
稳定导入 60+ 法律文档,6000+ 检索块,支持多 LLM 一键切换。
数据采集与标注:自建绿萝病害数据集,拍摄 4 类病害图片,使用 LabelImg 工具进行标注,共 400+ 张标注图片。
模型训练:YOLOv5 + PyTorch 在 RTX 4060 GPU 上训练,支持单图检测和实时摄像头模式。
部署应用:OpenCV DNN 模块推理加速,Python GUI 图形界面,图片批量检测功能。
完成 400+ 张图片标注,4 分类别,单图推理 <50ms。
后端架构:Python + FastAPI 构建 78 张塔罗牌定义 API,包含 56 套小阿尔卡纳独立牌义模板,Ollama / DeepSeek 双 LLM 模式支持。
语义检索:BGE-M3 + Ollama embeddings 向量检索,RRF 融合关键词与语义结果,优化解读准确度。
用户体验:历史记录延迟验证反馈机制,多轮对话上下文记忆,Git 管理代码。
完成 56 套独立牌义模板,支持本地/远程双 LLM 模式。
小程序开发:微信小程序 WXML/WXSS/JavaScript 开发,音视频播放器组件实现乐谱音频同步播放。
后端服务:微信云开发免服务器架构,云函数 Node.js 处理业务逻辑,云数据库存储乐谱数据。
运维部署:Git 管理代码,完成微信小程序审核上线。
完成 5+ 功能页面,已上线运营。
无论是工作机会、技术交流还是项目合作,欢迎随时联系