你好，我是
梁中园

基于FastAPI搭建后端服务，结合Gradio与PyQt5构建GUI界面。

实现9大核心功能：知识库精准问答、定时任务、复杂项目代码编写、Git/Docker环境远程实操。

开发复杂任务的多智能体模式切换逻辑，优化AI大模型接口调用策略。

透视变换生成鸟瞰图，结合Canny边缘检测提取车道特征。

采用PID控制算法动态调整转向角，结合目标检测状态设计速度调节策略。

优化YOLOv11模型推理速度，单帧识别延迟控制在100ms以内。

运用PyQt5开发实时监控前端界面，展示识别结果与设备状态。

优化YOLOv8推理流程，结合多线程控制放料推杆动作，实现连续稳定上料。

基于paho-mqtt库建立系统与分拣设备的稳定连接。

对接产线需求，完成相机、镜头，光源选型及打光方案设计，输出技术方案及BOM清单，控制硬件成本。

基于Halcon/OpenCV开发核心算法，实现工件精准定位（±0.02mm）、涂胶宽度/厚度检测及漏涂/溢胶缺陷识别，抑制误报漏报率低于1%。

完成视觉系统与PLC、运动控制器的通讯对接，调试触发信号与联动逻辑，优化产线节拍，提升堆叠、涂胶效率约15%。

现场部署调试，处理粉尘、工件反光、振动等干扰，编写操作及维护手册，培训产线技术员，保障系统稼动率≥98%。

后期持续优化算法参数，迭代缺陷样本库，降低产线不良率与人工检测成本。

基于屏幕检测需求，完成工业相机、镜头，光源选型及打光方案设计，对接机器硬件搭建图像采集模块，确保微观缺陷、宏观尺寸均能清晰采集。

微观检测：针对像素点缺陷、微裂纹、线路短路等细微瑕疵，基于Halcon/OpenCV开发精准检测算法，控制误报漏报率低于0.8%。

宏观检测：完成屏幕整体尺寸、边框平整度、贴合偏差等指标检测，实现检测精度±0.01mm。

完成micro、macro检测机器与视觉系统的联动调试，优化采集速度与算法效率，将单块屏幕检测时间缩短至3s/件，提升产线检测效率约20%。

现场调试处理反光、污渍、微观成像模糊等干扰，编写操作手册，培训产线人员，保障系统稼动率≥98.5%。

收集客户需求，修改C#代码进行实际测试，根据结果对算法和系统持续优化，确保检测准确性与稳定性。