Recognition
条码识别、工业 OCR、视觉检测与文档理解,解决结构化信息进入数字系统的问题。
- Barcode Recognition
- Industrial OCR
- Document Intelligence
AI systems for real-world intelligence
AI Systems · Edge Intelligence · Multimodal Robotics
我长期关注真实设备、真实数据和真实业务中的 AI 系统:从识别到感知,从端侧部署到平台闭环,再到多模态智能体与具身行动。
我的技术路径从 AIDC 场景中的视觉识别问题出发,逐步扩展到图像修复、工业 OCR、端侧 AI 调度、企业级 AI 平台、多模态智能体与具身智能。
我更关注 AI 如何在真实约束中持续产生价值:模型是否可部署,数据是否能回流,系统是否可维护,团队是否能把一次项目沉淀成长期能力。
AIDC 是起点,长期目标是面向真实世界智能的系统能力。
条码识别、工业 OCR、视觉检测与文档理解,解决结构化信息进入数字系统的问题。
用图像修复、多模态理解和场景语义增强,让设备在低质量输入中获得稳定感知。
把算法能力转成可灰度、可监控、可回滚、可复用的端云协同 AI 工程体系。
面向 Agent、VLA 与机器人任务,把识别和感知能力延展为决策、规划和行动闭环。
面向低质量条码、受损码和远景深小目标码,通过图像修复与可解码性评估提升识别稳定性。
Case study planned面向标签、包装、单据、MRZ 和序列号等场景,构建检测、识别、矫正与业务规则后处理能力。
Case study planned面向智能终端的端侧 AI 调度中心,覆盖模型管理、动态加载、灰度发布与能力编排。
Case study planned企业级 AI 中台,打通数据、标注、训练、评估、部署和回流,让算法能力从项目走向平台。
Case study planned探索 VLM / VLA、仿真到真实、视觉伺服、抓取和任务规划在零售仓储机器人中的系统化落地。
Case study planned网站后续可以逐步扩展为项目页、研究笔记和技术文章库。第一版先把方向固定清楚,避免变成零散内容集合。
让团队从项目交付走向系统能力和长期判断。
把模型、数据、端侧运行、产品路径和业务反馈放到同一个系统里判断,而不是孤立优化单点指标。
重视评测、灰度、监控、回滚、样本回流和复盘,让算法能力能在真实环境中持续迭代。
建立技术路线判断、问题拆解和协作机制,让团队可以独立处理不确定问题并沉淀方法论。