项目经历

水产养殖场景下需要长期追踪东星斑个体，但个体外观差异细微、水下成像质量波动大，且实际部署中新个体与未注册个体持续出现，闭集识别假设不成立。

在视觉语言先验基础上构建一套既能识别已知身份、又能拒绝未知个体的开放世界识别方法，并把模型压缩到可部署规模。

基于 CLIP-ReID 设计 Compact256 投影层，将特征维度压缩至 1/5；提出 QACM 质量感知身份原型机制，把图像质量估计融入身份原型建模，实现已知识别与未知拒识一体化；构建覆盖 92 个身份、万余张图像的东星斑个体数据集，并完成闭集评测与部署级开放集评测。

本项目构建了面向开放世界鱼类个体识别的单鱼视频运行时系统，围绕轨迹级身份生命周期管理，通过Fast Warm-up、确认后身份保持、动态置信度更新等五大核心机制，解决了轨迹断裂、帧质量波动、身份冲突等场景下的稳定识别问题。

双模态东星斑识别研究需要同一时刻的标签与多视角图像，但人工拍摄与标注无法保证 ID 与图像严格对应，数据一致性差、采集效率低。

负责整机方案设计与落地，实现 RFID 标签触发下的多机位同步采集，并让数据按个体 ID 自动归档。

设计跨壁式倒 U 型 UPVC 过鱼通道，集成 134.2kHz RFID 读写单元与 3 路全局快门视觉单元；基于 Python 开发多线程同步采集程序，实现 RFID 触发录像、三机位同步与数据按 ID 自动归档；通过 USB3.2 解决多路视频流的带宽瓶颈，并沉淀完整的工程化搭建与操作规范。

3 路 25fps 视频稳定采集，采集与标注效率较人工方式提升 80%；形成可复用的工程化搭建与操作规范，支撑后续数据集生产。

计算机视觉方向的科研项目、模型实验结果、学术论文与求职简历信息缺少统一的在线展示入口，面试官只能通过静态简历了解研究内容与工程实践。

独立开发一个基于 Next.js 的个人技术作品集网站，搭建项目图文展示模块、实现全响应式页面，并完成公网部署供面试官在线查看。

以 Next.js + TypeScript + Tailwind CSS 实现前端与内容结构，用 Git 做版本管理并接入 Vercel 自动化部署流水线；搭建项目图文展示模块与图片灯箱画廊，通过 SSG 静态预渲染与 CDN 缓存优化首屏性能，并用 MDX 维护技术文章。

完成网站公网部署，全域静态预渲染（SSG）并支持 CDN 缓存，首屏加载性能提升 60%+；搭建科研成果展示体系，可视化呈现鱼个体重识别项目的实验数据、流程图与核心指标；实现 GitHub + Vercel 自动化部署，代码提交后自动完成发布，上线周期缩短至 2 分钟；作为线上求职作品集替代传统静态简历。

东星斑个体标记缺乏统一工艺标准，不同规格鱼体在芯片植入与体外标记下的存活率与标记保持率差异明显，实验结果难以横向比较。

通过多方案对照实验筛选适用标记方法，建立标准化操作与术后养护流程，并输出不同规格鱼体的标记方案选型指南。

设计多方案对照实验，完成百余尾不同规格鱼体的全流程验证；建立标准化芯片植入操作与术后养护流程；对比背部注射标记等不同方案在不同规格鱼体上的存活与保持表现，并整理成选型依据。

成鱼背部注射标记存活率提升至 80%；形成不同规格鱼体的标记方案选型指南，为后续个体识别数据集建设提供稳定的标记基础。