Xingyu Rui

-Research, develop, evaluate and optimize various computer vision and deep learning models for manufacturing related applications. -Assist in image acquisitions and hardware selection. -Identify use-cases and drive computer vision solutions. -Deploy computer vision models.

Master thesis: As-Cast Surface Roughness Recognition Based on Modern Deep Learning Approaches with Gray-Scale Images (Grade: 1.0) - Perform transfer learning with the state-of-the-art deep learning models such as EfficientNet, ViT and MaxViT using PyTorch. - Perform semantic segmentation on casting surface images using PyTorch and OpenMMLab. Utilize the segmentation algorithms such as DeepLabV3+ and improved version of Unet for the automatic detection of the pores on castings surface.

Praktikum in der Abteilung Konzepte und Funktionen passive Sicherheit • Einsatz von Methoden aus dem Bereich der künstlichen Intelligenz, der Unsicherheitsanalyse und der Statistik - Implementierung von neuronalen Netzen und Gaussian Progress Regression - Durchführung von Sensitivitätsanalysen - Bewertung von Qualitätskennzahlen für Kurvenähnlichkeit - Erstellung von Korrelationsplots • Einarbeitung in die Mehrkörpersimulation Madymo sowie deren Anwendung

* Simulations * Literature research * Validation of the tools * Programming and visualization * Interpretation and Documentation of results

* Programmierung und Inbetriebnahme eines Displays für E-Fahrzeuge * Materialrecherche über funktionale Sicherheit der E-Mobilität * Analyse von sicherheitsrelevanter Hardware auf Systemebene * Durchführung von CAN-Tests mit CANalyzer * Erstellung der DBC-Files zur CAN-Kommunikation

1.4 / 1.0

1.5/1.0 (Graduation with distinction) Paper: "Headland Turn Automation Concept for Tractor-Trailer System with Deep Reinforcement Learning" (IEEE CASE 2023)

Maschinenbau, Fahrzeugtechnik