THE

刘俊杰

Fight For Universe
探索未至之境

13530630818 liujunie [at] foxmail [dot] com junie.top ORCID

教育信息

西安石油大学

计算机科学与技术 | 本科

2022.9 ~ 2026.6

技术栈

编程语言：熟练掌握 Python 编程语言及其生态，熟悉 Flask、PyTorch、Anaconda、Jupyter 等；具备 C/C++、Java 基础编程能力，能够实现算法和解决计算密集型任务。

人工智能/机器学习：精通机器学习和深度学习技术，有丰富的实战经验；熟悉 CNN、Transformer (EVA-02, ViT) 等经典网络结构；掌握 MIM 预训练、GeM Pooling、差异化学习率等高级调优技巧；能够独立完成从数据预处理、模型设计、训练到部署的全流程工作；具备 OCR、目标检测等计算机视觉应用开发能力；熟悉大模型部署及周边技术，如 RAG、MCP 等，能够构建和部署大语言模型平台，如 OpenWebUI 等。

数据分析：具备扎实的数据分析能力，熟练使用 Excel 进行高级数据处理，熟练使用 Python 进行大规模数据分析，有相关软件开发落地经验；有实际项目经验构建模拟退火、蒙特卡洛等优化算法；熟练使用 Visio, Origin 等进行有效的数据可视化和结果呈现。

前端开发：熟悉 Web 前端技术栈，能够使用 Vue3、Element Plus、Bootstrap、Semantic UI、Ajax、jQuery 等技术构建模块化、动态响应的用户界面；熟悉前后端交互及数据传输原理；熟练使用 Chart.js 等进行数据可视化；熟悉桌面端应用开发，能够使用 PyQt5、Pyside 等技术进行桌面端应用开发。

后端开发：熟悉基于 Flask、Spring Boot 的后端开发，熟悉 RESTful API 的开发与设计；熟练使用 Spring Data JPA 进行数据持久化，熟悉 Spring Security 权限控制及 JWT 认证；熟悉 MySQL 数据库的部署与操作，能够进行数据建模和查询优化；会使用 Thymeleaf 模板引擎；具备一定的后端架构设计能力。

系统运维：熟练掌握 Linux 服务器运维，有实际项目部署经验；熟悉 Docker 容器化技术，能够进行服务封装和部署；会使用 NAS 搭建内网文件管理系统；了解 Nginx 配置；熟悉深度学习开发环境的搭建与配置。

网络技术：熟悉网络工程基础知识，具备网络规划、设备维护及软硬件故障排查能力；了解网络安全基础，掌握基础 ROP 攻击原理、漏洞扫描与安全测试方法；有大型网络安全测试实践经验。

嵌入式开发：有独立开发落地简单嵌入式系统经历，使用基于 Arduino 平台开发嵌入式 HTTP 服务器、PWM 控制、指纹识别等，具备一定的嵌入式编程能力；熟悉常用传感器和模块的使用；会一般的 PCB 绘制。熟练掌握 Logisim 的使用以及相关项目的开发

其他工具：熟练使用 Gradle、Vite、Maven 等构建工具；熟练使用 Git 进行文件版本控制，能够进行团队协作开发；熟练使用 Markdown、LaTeX 进行文档编写和排版；有较强的实用英语能力，能够进行英文技术文档以及文献阅读。

项目经历

基于 EVA-02 的高精度植物识别系统 (竞赛) 全国一等奖

2025.12

采用 EVA-02 Base (Patch14, 448px) 作为骨干网络，引入 GeM Pooling 替代传统 GAP 以增强细粒度特征提取。
设计“三阶段微调策略”：从全局预热到难样本挖掘（Hard Class Mining），最后通过 Encouraging Loss 进行鲁棒性微调。
应用动态数据增强（Mixup, CutMix）与差异化学习率策略，有效克服了数据分布不均与过拟合问题。
最终在验证集实现 98.42% Top-1 准确率，在第五届全国高校计算机能力挑战赛中获全国一等奖。

基于 Spring Boot 和 Vue 的工资管理系统开源于 Github

2025.6

采用 Spring Boot + Vue 3 前后端分离架构，实现教师工资管理、项目管理和信息查询平台。
后端使用 Spring Security + JWT 实现用户认证和权限控制，区分教师和管理员角色。
前端基于 Vue 3 Composition API 和 Element Plus 构建响应式界面，集成 Chart.js 实现工资构成可视化。
支持 CSV 批量导入导出、文件管理等功能，提供完整的 RESTful API 接口。

基于 Java Web 的视频共享网站的设计与开发开源于 Github

2025.9

基于 Spring Boot 和 Thymeleaf 构建的视频共享平台，支持视频上传、播放、下载和管理。
后端采用 Spring Security 进行安全控制，通过 Spring Data JPA 管理数据，并利用 FFmpeg 实现视频缩略图生成。
前端使用 Bootstrap 5 构建响应式界面，通过 Chart.js 实现数据统计可视化。
支持按标题、关键词、上传者进行全文检索，并提供后台统计功能。

基于 Flask 的项目管理网站

2024.6

前端采用 Semantic UI 框架，结合 Ajax, jQuery 技术，构建模块化、动态响应的用户界面。
后端基于 Flask 框架搭建轻量级、高性能 RESTful API 服务，处理用户请求、数据库交互和业务逻辑。

微小型图像目标检测模型 (竞赛) 全国三等奖

2023.12

针对边缘计算场景，基于 FastDet 架构进行深度定制与模型裁剪，优化特征提取网络拓扑。
运用通道剪枝与参数量化技术，将模型体积极致压缩至 1MB (仅为 YOLOv5n 的 25%)。
在 CPU 环境下实现 30ms 极低推理延迟，官方验证集 mAP 达 84%，获第五届全国高校计算机能力挑战赛全国三等奖。

基于深度学习的高性能车牌识别

2024.4

采用分步式识别策略：粗定位 -> 边界回归精确定位 -> OCR 字符识别。
将模型部署为 Web API 并进行 Docker 封装，方便使用与交付。

大语言模型及公共平台的本地部署

2025.1

利用有限资源 (4*RTX3090-24G) 成功部署 7B~70B 蒸馏量化模型及 671B 1.58bit 量化模型 (Deepseek-R1)。
公网部署 OpenWebUI，整合多家大模型 API 供内部测试与使用。

科研经历

旋转摩擦纳米发电机的转速检测已发表于 Sensors

2024.2 ~ 2024.12

作为第二作者随张春导师研究并产出论文"Rotational triboelectric nanogenerator with machine learning for Monitoring Speed"(Sensors, CJR Q2 IF: 3.4)。主要负责代码实现、实验设计、数据分析和图表绘制。
针对旋转机械实时转速监测的需求，设计并实现了一种基于机器学习的摩擦纳米发电机（TENG）监测方案，旨在拓宽可监测的转速范围。针对性地设计了高斯软编码对采集的电信号进行标注，训练神经网络模型以实现对转速的精确监测。
研究发现，该方法使模型对不同转速的分类预测准确率稳定在 90% 以上，验证了其在旋转机械健康监测与预警中的有效性和应用潜力。

生产过程最佳决策模型的研究与构建已发表于 CMNM 2025

2025.5

作为第一作者负责核心的分析建模、代码实现、文章编撰及图表绘制工作，产出论文 "Multi-Stage Decision Optimization for Electronics Assembly using Statistical and Simulation Methods"，已出版。
针对电子制造业在采购、检验、装配和缺陷处理等环节的质量控制与成本优化挑战，构建数学模型进行决策优化。运用假设检验和二项分布设计抽样检验方案，优化采购检验参数；采用决策树和蒙特卡洛模拟优化双组件装配的检验与返工/报废策略。
基于模拟退火算法优化复杂多阶段装配决策，在利润与声誉之间实现平衡，有效降低复杂装配系统的成本。建立了电子制造业生产优化的综合数据驱动决策支持框架，识别出高利润零退货率策略，为制造业决策优化提供理论支撑。

基于 Transformer 架构的天然气流量长期预测已发表于 ICSP 2025

2025.5

作为共同第一作者及通讯作者，负责模型设计、代码实现及图表绘制，产出论文 "Advancing Long-Term Natural Gas Flow Forecasting with Transformer Architecture"，已出版。
针对天然气流量预测中复杂的非线性动态和长期依赖性挑战，采用了仅编码器的 Transformer 架构，利用自注意力机制有效捕捉长期依赖关系，在标准化和滑动窗口预处理后的历史流量数据上进行训练。
实验结果表明，该模型在未来一年的预测中平均准确率达到 94.7%，成功捕捉了流量的趋势、季节性和波动，验证了其在能源预测实际应用中的鲁棒性。

石油工业中用于轴承故障诊断的先进深度学习架构已发表于 ACAIB 2025

2025.6

作为第三作者负责论文辅助代码实现、图表绘制，产出论文 "Advanced Deep Learning Architectures for Bearing Fault Diagnosis in the Petroleum Industry"，已出版。
针对石油工业中常见的非平稳、高噪声振动信号，传统故障诊断技术效果不佳。该研究提出了一种名为 WDRS 的集成方法，结合小波变换进行时频特征提取，利用储备池计算处理时间动态，并通过支持向量机进行精确分类。
在模拟石油机械工况的数据集上，WDRS 的平均准确率达到 97.35%，显著优于其他方法。该算法在高噪声和变负载条件下表现出强大的鲁棒性，为该领域的轴承问题识别提供了有效可靠的解决方案。

深度储备池运算模型的相关研究

2023.9 ~ 至今

深入研究机器学习算法 Reservoir Computing，探索该模型的深度架构的有效性以及相关理论探究。

校内经历

校信息处网络管理员

2022.9 ~ 2025.6

负责校内机房日常巡查、设备检修及网络故障报修处理工作。
制定并执行机房周巡检计划，保障核心服务器稳定运行。
建立网络故障快速响应流程 (10分钟响应，1小时现场)，编撰用户自检文档，有效降低简单故障报修率。
熟练掌握网络工程基础、弱电设备维护及常见软硬件故障排查。

校计算机协会技术部 - 副部长

2023.9 ~ 2024.6

负责协会服务器运维，部署并维护官方博客、本地网盘等服务。
作为技术支持，保障校内算法竞赛期间平台的稳定运行。
维护详细的技术文档和工作日志。

校网络安全协会 - 副会长