专注于将 AI 技术与嵌入式系统深度融合的工程师
我是一名嵌入式软硬件开发者，拥有多年的 AIoT 项目开发经验。 专注于将深度学习、边缘计算和优化算法应用于嵌入式系统，让智能设备拥有更强的感知和决策能力。 致力于推动 AI 在物联网、工业自动化、智能硬件等领域的应用落地。 我的技术专长包括模型量化、硬件加速器优化、实时系统开发等核心领域。
掌握全面的 AI 与嵌入式技术栈
在嵌入式设备上部署轻量级 AI 模型，实现本地推理，降低延迟，保护隐私，提升系统响应速度
模型量化、剪枝、蒸馏、知识迁移等优化技术，让大模型在有限资源下高效运行
深入利用 NPU、DSP、FPGA、GPU 等硬件加速器，显著提升 AI 推理性能
AIoT 智能物联网解决方案，实现设备智能化、网络协同、云端一体化
RTOS 实时操作系统开发，满足高可靠性、低延迟、确定性的应用需求
嵌入式安全设计，包括安全启动、加密存储、安全通信，确保系统可靠
掌握前沿技术与工具
用数据说话
真实项目展示技术实力
基于 STM32H7 + ESP32 的高性能嵌入式视觉识别系统，集成 YOLOv5n 轻量级目标检测模型，在边缘端实现实时物体检测、分类和追踪。系统优化后推理速度达到 30FPS，准确率超过 95%，广泛应用于工业质检、安防监控、智能家居等场景。
技术栈: STM32H7, ESP32, TensorFlow Lite Micro, YOLOv5n, OpenCV, DMA 优化
性能指标: 推理延迟 <33ms, 模型大小 2MB, 功耗 <150mW
基于 ESP32-S3 的高集成度语音助手系统，采用自定义的唤醒词检测模型和轻量级语音识别引擎。支持中英文混合识别，语音唤醒准确率 98% 以上，指令识别准确率 92%。完全离线运行，无需云端依赖，保护用户隐私，系统响应延迟 <500ms。
技术栈: ESP32-S3, MicroWakeWord, TensorFlow Lite, Audio Processing, 硬件编解码
性能指标: 唤醒响应 <200ms, 待机功耗 <1mW, 唤醒后 <100mW
分布式 AIoT 智能家居系统，支持 100+ 设备并发接入，实现多设备智能协同和场景联动。边缘 AI 节点实现本地感知和决策，云平台提供大数据分析和远程控制。系统采用微服务架构，支持设备热插拔，具备高可用性和可扩展性。
技术栈: Raspberry Pi, ESP32, MQTT, Docker, Kubernetes, Node-RED, TensorFlow, Prometheus
性能指标: 支持 1000+ 并发连接, 系统可用性 99.9%, 设备响应 <200ms
嵌入式 ADAS 高级驾驶辅助系统，实现车道线检测、车辆和行人检测、交通标志识别、疲劳驾驶监测等功能。系统满足 ISO 26262 功能安全标准，通过 AEC-Q100 车规级认证，已成功应用于某新能源汽车平台。
技术栈: NVIDIA Jetson, OpenCV, YOLOv8, LaneNet, ResNet, CUDA, ROS, ISO 26262
性能指标: 车道检测精度 99.2%, 目标检测精度 96.8%, 系统延迟 <100ms
面向精密制造行业的 AI 视觉质检系统，集成深度学习缺陷检测算法，支持多种产品表面缺陷自动识别。系统部署在工业级嵌入式平台上，具备抗干扰能力强、检测速度快、误报率低等特点，显著提升了生产效率和产品质量。
技术栈: NVIDIA Jetson Xavier, PyTorch, OpenCV, Modbus TCP, EtherCAT, 工业相机
性能指标: 检测速度 200 帧/秒, 缺陷识别率 98.5%, 误报率 <0.1%
丰富的行业实践经验
某知名 AIoT 公司 | 2020 - 至今
负责 AI 算法在嵌入式平台的移植优化，主导多个边缘 AI 项目的架构设计与实现。团队规模 20+ 人，成功交付 15+ 个商业项目，申请技术专利 5 项。
某工业自动化公司 | 2016 - 2020
参与工业控制器和智能传感器的研发，专注于实时系统开发和底层驱动优化。负责的产品年销售额超过 5000 万元，获得公司技术创新奖。