负责中大型工业级无人机（载重10-20kg多旋翼/固定翼）全生命周期飞行操作、复杂场景（电力巡检/应急测绘/环保监测）任务执行，及团队飞行标准制定与新人带教，衔接研发端性能验证与客户端需求落地

• 主导某省级电网输电线路年度巡检项目，选用大疆M300 RTK+禅思H20T组合，结合电力行业差分GNSS（RTK-Diff）定位技术与自研Python航线优化脚本（整合SRTM地形数据与杆塔坐标），解决山区基站信号遮挡导致的航线偏移问题——将单基塔巡检时间从12分钟压缩至8分钟，绝缘子裂纹/金具松动等缺陷识别率提升15%，累计覆盖1200基塔、200公里线路，实现零安全事故与客户续签率100%
• 应对夏季暴雨后某地50平方公里应急测绘任务，操作飞马D2000倾斜摄影无人机搭载五镜头相机，使用ContextCapture软件处理点云数据时，针对水域淹没区雷达反射干扰问题，手动将避障系统阈值从默认80%下调至65%，同时开启RTK实时差分修正定位，3天内交付精度±2cm的DOM/DSM成果，直接用于当地政府灾后重建选址规划，客户满意度达98%
• 搭建“三阶新人带教体系”：1）基础层用小楷智航FlightSim仿真平台训练悬停/航线规划/应急返航；2）场景层模拟电力巡检/环保监测等真实任务；3）实战层跟随执行任务并复盘。通过该体系带教3名新飞行员，团队独立执行任务周期从2个月缩短至1个月，季度任务完成率从85%提升至95%
• 参与公司新型20kg载重多旋翼无人机试飞，负责飞控性能与稳定性验证——用CANoe工具监测飞控系统CAN总线数据（姿态角、电机转速、电池电压），发现高速飞行时桨叶动平衡导致的振动值超标（0.15g→阈值0.1g），协同研发部调整桨叶配重（每片增加2g）并优化动平衡算法，最终振动值降至0.04g以内，试飞成功率从70%提升至92%

聚焦测绘与环保监测场景，负责无人机飞行操作、高精度数据采集及初步质量校验，保障数据满足GIS分析与客户报告需求，同时承担航测系统日常维护

• 主导某地级市生态环境局大气污染溯源项目，选用八旋翼无人机搭载PID气体检测仪+电化学传感器，结合GIS地理信息系统规划500m×500m网格化航线，针对化工园区复杂风场（平均风速4m/s）导致的气体扩散偏差问题，调整飞行高度至150m（原计划100m）并降低航速至3m/s，累计采集10万条VOCs/NOx浓度数据，成功定位3个隐藏污染源，相关结论被纳入当地大气治理白皮书
• 负责公司飞马A3航测无人机系统的校准与维护，每月用Emlid Reach RS2 GNSS接收机对地面站进行静态差分校准，全年保持定位精度在±2cm以内，直接降低航测数据返工率——从之前的10%降至2%，节省客户重新补飞成本约30万元
• 参与市级森林火灾应急演练，操作穿越机（DJI FPV）搭载FLIR热成像相机，使用FLIR Tools软件实时分析热源特征，制定“低空侦查（50m高度）+定点投送灭火弹”方案，演练中成功定位模拟火源点时间从5分钟缩短至2分钟，助力团队获得演练第一名，后续该方案被纳入公司应急服务标准流程
• 优化飞行数据预处理流程：用Pix4Dmapper软件设置“航向重叠度80%/旁向重叠度70%”的自动拼接参数，替代之前人工筛选冗余影像的方式，单项目数据预处理时间从4小时压缩至1.5小时，支撑后续三维建模效率提升40%

负责基础测绘与产品演示任务的无人机飞行，学习行业操作规范与飞控系统基础，协助资深飞行员完成任务并积累场景经验

• 参与公司首次电力塔精细化测绘项目，使用大疆悟2+X5相机，跟随资深飞行员学习Pix4Dcapture航线规划工具，完成20基110kV输电线路杆塔的影像采集（分辨率0.05m），数据经处理后用于三维建模，模型合格率90%，首次接触工业级无人机场景应用
• 承担公司无人机产品演示任务，针对测绘/环保行业客户展示飞行稳定性与影像质量——用大疆Phantom 4 Pro调试参数（ISO 100、快门速度1/1000s、光圈f/2.8），累计演示15次零失误，助力签下3个客户（合计金额50万元），获得“季度最佳演示员”称号
• 自学PX4开源飞控基础，掌握参数调优方法：协助解决演示机偶尔的GPS漂移问题（漂移量50cm→调整PID增益与磁罗盘校准后降至10cm以内），提升演示时的定位精准度，获得研发团队认可
• 参与编写《初级无人机操作手册》，整理10类常见故障处理方案（如信号丢失时的手动接管、电池过放的前期预警），成为公司新员工培训核心资料，将新手故障处理时间缩短30%

大型工业无人机全场景多模态融合避障系统研发

• 工业无人机向大型化（起飞重量＞100kg）、复杂环境作业（山区电力巡检、城市应急救援）渗透，现有单模态避障（视觉/雷达）存在“视觉受光照干扰、雷达难辨小目标”的痛点，需研发覆盖0-500米范围、支持细电线/移动车辆等复杂障碍物的多模态融合避障系统，目标误报率＜1%、响应时间＜100ms，通过民航局适航认证。
• 项目核心挑战有三：一是多传感器（16线LiDAR、77GHz毫米波雷达、双目视觉）数据同步与空间校准，初始时间戳偏差达50ms、坐标误差超10cm；二是复杂背景下小目标检测，如直径5cm的电力线在植被遮挡下漏检率高达20%；三是动态障碍物（如路口移动货车）轨迹预测滞后，导致避障决策延迟。
• 针对数据同步，设计“硬件触发+软件补偿”双冗余机制：用FPGA实现传感器硬件触发同步，再用卡尔曼滤波补偿剩余时间偏差，将时间同步精度压至5ms内，空间校准采用基于SIFT特征的PnP算法，误差控制在2cm以内；针对小目标检测，优化YOLOv7颈部网络，加入CBAM注意力机制聚焦小目标区域，并用Blender合成10万张含电力线/树枝的复杂场景数据增强，将小目标漏检率降至3%；针对动态预测，融合LSTM长时记忆与卡尔曼滤波实时性，构建“历史轨迹+速度矢量”的双维度预测模型，将轨迹预测准确率从75%提升至92%。
• 系统最终实现0-500米全场景覆盖，误报率0.8%、响应时间85ms，通过民航局RTCA DO-365适航测试；应用于公司M300大型工业无人机，在南方电网电力巡检、郑州暴雨应急救援中落地，累计完成1200+架次任务，避免3起无人机撞线/撞车事故。个人主导系统架构设计与核心算法优化，申请2项发明专利（“一种多模态传感器数据校准方法”“基于注意力机制的小目标避障检测模型”），获公司年度技术创新奖。

中近程物流无人机集群管控平台开发

• 电商物流亟需无人机集群配送降本，但现有管控平台存在“集群路径冲突率高（＞10%）、载荷分配不合理（电池续航浪费约20%）、应急响应慢（指令延迟＞500ms）”问题，目标是开发支持10-50架集群的管控平台，将路径冲突率压至5%以下、载荷利用率提升20%、应急响应时间＜2分钟。
• 项目难点集中在三方面：一是动态环境下的集群路径重规划，突发障碍物（如飞鸟、临时搭建物）会导致原路径失效；二是多目标载荷分配，需平衡货物重量、电池健康度、配送时效三个维度；三是4G网络下集群通信延迟，指令传输慢导致协同误差。
• 路径规划方面，改进传统A*算法，加入PPO强化学习模块，让无人机实时感知环境并自主调整路径，将冲突率从12%降至4%；载荷分配上，构建混合整数规划（MIP）模型，引入电池SOH（健康状态）作为约束条件，优化货物与无人机的匹配策略，将载荷利用率从75%提升至90%；通信层面，采用MQTT协议的QoS 1等级+数据分片传输，将指令延迟从500ms压缩至150ms以内。
• 平台支撑公司“无人机+快递”试点项目，实现50架集群的稳定管控，累计完成8000+单农村末端配送，节省燃油成本15%、减少配送时长25%。个人负责集群路径规划与载荷分配模块开发，撰写3篇技术文档，参与制定《物流无人机集群管控系统企业标准》，获部门季度优秀员工。

支教时发现乡村小学因缺乏实验器材，科学课多停留在课本讲解。返校后联合实验室开发出百元级科学实验背包，内含20个基础实验器材。为确保可持续运营，设计配套视频课程与城乡结对系统，并培训132名大学生担任远程助教。项目覆盖9省47所学校后，学生科学兴趣评分提升35%。这段经历教会我用产品思维解决社会问题，当看到孩子们用自制望远镜发现土星光环时，我理解了教育的真谛是点燃可能性。