业务和功能介绍
“基于 Qt + OpenCV + YOLO 的工业缺陷检测系统”
YOLOv5 / YOLOv8 / YOLO11：具备完整落地经验，包括 PyTorch → ONNX → onnxruntime / OpenCV-dnn 的模型转换、量化、NMS 参数自调优；在 RTX3060 + i7 上实现 1080p@60fps 多目标检测。
负责整体架构与核心推理引擎，支持 3 路 4K 相机同步采集 → GPU 批处理 → 检测结果 QML 3D 可视化，已在客户产线稳定运行 12 个月。
YOLOv5 / YOLOv8 / YOLO11：具备完整落地经验，包括 PyTorch → ONNX → onnxruntime / OpenCV-dnn 的模型转换、量化、NMS 参数自调优；在 RTX3060 + i7 上实现 1080p@60fps 多目标检测。
负责整体架构与核心推理引擎，支持 3 路 4K 相机同步采集 → GPU 批处理 → 检测结果 QML 3D 可视化，已在客户产线稳定运行 12 个月。
项目实现
个人技术栈（OpenCV + Qt + YOLO + C++ 项目）
开发语言与范式
熟练运用 C++17/20 进行面向对象与泛型编程，遵循 RAII / Rule of Zero / Modern CMake 最佳实践。
熟悉 Qt Meta-Object 系统（信号-槽、属性系统、多线程 QObject 亲和性），能基于 QtConcurrent 与 QThreadPool 实现 CPU/GPU 混合流水线并行推理。
GUI 与跨平台框架
Qt 5.15 / Qt 6.x：能用 Widgets 与 QML 两种技术栈快速搭建桌面/嵌入式 UI；熟悉 Model-View-Delegate 架构、自定义 QQuickImageProvider 实现 GPU 纹理零拷贝渲染。
掌握 CMake + Qt Creator + MSVC/MinGW 跨平台构建流程，可在 Windows / Ubuntu / Jetson / Android 一条代码多端部署。
计算机视觉与深度学习
OpenCV 4.x：熟练运用 cv::cuda:: / cv::dnn:: / T-API** 做图像预处理、后处理、颜色空间转换及 CUDA 加速；熟悉 cv::Mat ↔ QImage 零拷贝转换，实现 4K 30 fps 实时渲染。
YOLOv5 / YOLOv8 / YOLO11：具备完整落地经验，包括 PyTorch → ONNX → onnxruntime / OpenCV-dnn 的模型转换、量化、NMS 参数自调优；在 RTX3060 + i7 上实现 1080p@60fps 多目标检测。
熟悉 DeepSort / ByteTrack 多目标跟踪算法，能基于 QOpenGLWidget 实现轨迹可视化与交互式 ROI 选择。
性能调优与工程化
使用 Qt Test + Google Benchmark 完成模块级单元测试与性能基准；通过 VTune / Nsight 热点分析，将端到端延迟从 120 ms 优化至 38 ms。
基于 QPluginLoader 把检测/跟踪/业务逻辑拆为 热插拔动态库，实现 “一套算法 SDK + 多场景 APP” 的模块化架构。
部署与交付
掌握 Windows NSIS / Ubuntu deb / Android APK 三段式打包脚本；在 Jetson Xavier 上完成 TensorRT + Qt 硬编解码一体部署，整机功耗 ≤ 15 W。
熟悉 GitHub Actions + Docker 的 CI/CD，push 后自动生成多平台二进制与 SDK 包。
开发语言与范式
熟练运用 C++17/20 进行面向对象与泛型编程，遵循 RAII / Rule of Zero / Modern CMake 最佳实践。
熟悉 Qt Meta-Object 系统（信号-槽、属性系统、多线程 QObject 亲和性），能基于 QtConcurrent 与 QThreadPool 实现 CPU/GPU 混合流水线并行推理。
GUI 与跨平台框架
Qt 5.15 / Qt 6.x：能用 Widgets 与 QML 两种技术栈快速搭建桌面/嵌入式 UI；熟悉 Model-View-Delegate 架构、自定义 QQuickImageProvider 实现 GPU 纹理零拷贝渲染。
掌握 CMake + Qt Creator + MSVC/MinGW 跨平台构建流程，可在 Windows / Ubuntu / Jetson / Android 一条代码多端部署。
计算机视觉与深度学习
OpenCV 4.x：熟练运用 cv::cuda:: / cv::dnn:: / T-API** 做图像预处理、后处理、颜色空间转换及 CUDA 加速；熟悉 cv::Mat ↔ QImage 零拷贝转换，实现 4K 30 fps 实时渲染。
YOLOv5 / YOLOv8 / YOLO11：具备完整落地经验，包括 PyTorch → ONNX → onnxruntime / OpenCV-dnn 的模型转换、量化、NMS 参数自调优；在 RTX3060 + i7 上实现 1080p@60fps 多目标检测。
熟悉 DeepSort / ByteTrack 多目标跟踪算法，能基于 QOpenGLWidget 实现轨迹可视化与交互式 ROI 选择。
性能调优与工程化
使用 Qt Test + Google Benchmark 完成模块级单元测试与性能基准；通过 VTune / Nsight 热点分析，将端到端延迟从 120 ms 优化至 38 ms。
基于 QPluginLoader 把检测/跟踪/业务逻辑拆为 热插拔动态库，实现 “一套算法 SDK + 多场景 APP” 的模块化架构。
部署与交付
掌握 Windows NSIS / Ubuntu deb / Android APK 三段式打包脚本；在 Jetson Xavier 上完成 TensorRT + Qt 硬编解码一体部署，整机功耗 ≤ 15 W。
熟悉 GitHub Actions + Docker 的 CI/CD，push 后自动生成多平台二进制与 SDK 包。
示例图片视频
相似推荐
家庭医生签约-球星卡库存管理
爬取全民健康数据，小程序完成居民健康数据录入，完成之后填写数据同步到全民健康平台。前后端交换使用AES堆成加密
球星卡录入对卡片球员识别，包括系列等，对接ERP系统，完成抖店的自动上架。。前后端交换使用AES堆成加密
医疗器械售卖小程序和后台管理系统
1. 立项背景和目标
立项背景 ：本项目是基于SpringBoot+Vue+Uni-app开发的开源商城系统，旨在为企业提供一个功能完善的电商平台解决方案。项目采用前后端分离架构，支持多终端（Web管理端、移动端、小程序）访问。
项目目标 ：
构建一个企业级电商系统，支持商品管理、订单处理、用户管理等核心业务
实现新零售模式，支持线上线下融合
提供分销推广功能，帮助企业拓展销售渠道
建立完整的数据统计分析体系，为企业决策提供支持
2. 软件功能与核心功能模块
核心功能模块 ：
商品管理模块 （ `商品相关实体类` ）：
商品分类管理、商品信息维护、商品规格参数管理
商品图片管理、库存管理、价格策略
订单管理模块 （ `订单相关实体类` ）：
订单创建、支付处理、发货管理、退款处理
订单状态跟踪、物流信息同步
用户管理模块 （ `用户相关实体类` ）：
用户注册登录、会员等级管理、用户标签
用户积分、优惠券管理、PLUS会员功能
营销模块 （ `营销活动实体类` ）
秒杀活动、砍价活动、拼团活动
优惠券发放、积分商城、分销推广
财务管理模块 （ `财务相关实体类` ）：
资金流水、提现管理、发票管理
财务报表、对账功能
系统管理模块 ：
权限管理、系统配置、日志管理
数据字典、定时任务、系统监控
3. 业务流程与功能路径
主要业务流程 ：
用户购物路径 ：
1.用户注册/登录 → 浏览商品 → 加入购物车 → 提交订单
2.选择支付方式 → 完成支付 → 商家发货 → 确认收货 → 评价商品
商家运营路径 ：
1. 商品发布 → 库存管理 → 订单处理 → 发货管理 → 售后服务
2. 营销活动创建 → 优惠券发放 → 数据统计分析 → 经营决策
分销推广路径 ：
1.用户申请成为分销商 → 分享商品链接 → 好友通过链接购买
2.获得分销佣金 → 佣金提现 → 推广效果统计
特色功能流程 ：
维修工单系统 （ `维修工单接口文档` ）：
用户报修 → 工程师接单 → 维修处理 → 用户评价
发票管理 （ `发票模块文档` ）：
发票申请 → 开票处理 → 发票邮寄 → 发票查询
设备对比系统 ：
设备信息录入 → 参数对比 → 对比报告生成 → 推荐结果
市医疗大数据平台
本项目旨在构建一个覆盖全市30家医疗机构(包括7家中心医院、18家乡镇卫生院及5家民营医院)的区域性卫生数据中台。核心工作是对多源的医疗及公共卫生数据进行统一的实时采集、清洗、整合与治理，并基于此开发标准化统计报表，为区域卫生管理、决策支持提供数据。
平台核心任务是整合异构医疗数据，实现省、市平台的双向对接，并通过了国家最高等级的互联互通标准化成熟度四级甲等评测。
业务流程管理系统
搭建部门业务流程线上化项目开发，根据产品经理提供的原型方案，对部门业务包含公司产品规划，设计，包装等近20个业务流程进行系统定制化开发及后续的运维工作。确保业务运行正常稳定流转，符合部门工作需要，高效便捷使用。
PCR扩增曲线智能分析
PCR扩增曲线智能分析，融合算法与大数据，精准解析荧光信号。自动识别基线、阈值与Ct值，智能判读曲线形态，有效甄别异常扩增。实现高效、客观的数据解读，为基因检测与分子诊断提供可靠依据，提升科研与临床分析的精准度与自动化水平。
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服