人工智能、计算机视觉、航空航天与初创企业咨询

毕业于伦敦帝国理工学院航空工程系，获一等荣誉工程硕士学位（First Class Honours），并荣获百年纪念奖（Centenary Prize）及最佳航空航天毕业论文奖。随后在卡内基梅隆大学（4.0 / 4.0 GPA）完成机器学习、计算机视觉与深度表征学习的研究生科研工作。

作为卫星计算机视觉公司 Spacept 的创始人兼 CTO（获瑞典欧洲航天局孵化器 ESA BIC、Katapult 及 Antler 投资支持），在欧洲实现关键基础设施卫星视觉监测的商业化落地。目前，Sergiu 直接担任深科技创始人的创业顾问与兼职 CTO（Fractional CTO），并为风险投资基金提供涵盖 AI、计算机视觉与航空航天的技术尽职调查。

电网运营商每公里需花费超过 1,000 美元进行直升机激光雷达（LiDAR）巡检，以防止树木倒伏触碰高压线引发山火。传统人工巡检速度慢、风险高且难以大规模扩展。

设计并构建了处理高分辨率卫星影像（Airbus Pléiades、Maxar、Sentinel）的端到端卫星计算机视觉管线。发明并申请专利“Spacept 本影测高法（Umbra Method）”，将深度学习图像分割与太阳星历几何学相结合，直接从光学阴影中测算树木 3D 高度与倒伏风险，无需机载激光雷达。

• 1,400+ 公里商业审计落地 (TRL 7)： 携手 Enedis、Sterblue、Vattenfall 和 Neara，在法国、瑞典和澳大利亚的国家电网中成功部署。
• >88% 实地验证准确率： 相比地面激光实测基准，实现 ±1.2 米垂直高度精度及低于 10% 的误报率。
• 企业级 GIS 交付： 自动生成植被风险热力图与维护工单，直接集成至电力公司的资产管理系统中。

将前沿的计算机视觉与机器学习学术模型转化为在严苛真实环境下可靠运行的工程软件——涵盖从封闭宇航环境到早期环境灾害预警与储能系统的多元场景。

针对充满噪声的真实光学、红外与时间序列传感器数据，设计并训练了定制卷积神经网络（CNN）、Transformer 视觉架构以及物理引导的机器学习管线。

• 载人航天心理健康计算机视觉 (Sensian)： 构建实时面部特征点与微表情追踪软件，在长期太空任务与极地科考期间被动监测乘组的心理健康状态。
• 山火早期检测与蔓延追踪视觉： 研发光学与多光谱计算机视觉模型，精准识别森林早期火点并实时追踪火线蔓延边界。
• 电池寿命与光伏预测机器学习： 在卡内基梅隆大学研发机器学习模型，利用早期充放电曲线预测锂离子电池循环寿命衰减，并预测光伏阵列发电输出。

为英/日/意全球空战计划（GCAP / Tempest）定义作战自主架构，重点解决无人自主飞机（“忠诚僚机”）如何在强电磁干扰环境下感知威胁并与有人驾驶战斗机协同作战。

为 BAE Systems 未来概念与战略团队提供咨询（通过 Outsmart Insights）。制定了面向机载边缘计算的自主任务管理逻辑，以及融合光电/红外（EO/IR）、雷达与电子战的多光谱计算机视觉感知架构。

• 高韧性蜂群协同控制： 建立分布式控制协议，使无人僚机在通信中断期间仍能动态重新分配作战任务。
• 被动式 EO/IR 与多传感器融合： 设计低辐射光学、红外与雷达感知管线，在不暴露飞机位置的前提下保持目标持续追踪。
• 飞行关键级安全保障： 应用 DO-178C（DAL A/B）与 ARP4754A 适航框架，对机载自主决策逻辑进行边界约束与形式化验证。

早期与成长期创始团队需要资深技术领袖协助将科研成果转化为商业产品并完成机构融资；而风险投资基金在投资前则需要独立的领域专家核实初创公司的技术真实性与护城河。

将一线深科技创业经验（带领 Spacept 历经 ESA BIC、Katapult 和 Antler 孵化扩张）与深入代码库、模型权重及硬件底层的技术审计相结合。

• 创业顾问与兼职 CTO： 指导创始人完成计算机视觉与 AI 系统架构设计、核心工程团队招聘、企业级试点交付，以及种子轮至 B 轮融资的技术叙事。
• 识别真正自主 IP 与薄层 API 套壳： 为风投机构审计代码库、训练数据来源与模型基准，区分具有护城河的自研技术与简单的商业 API 封装。
• 航空航天与军民两用 TRL 验证： 评估飞行硬件、自主控制栈与单位经济模型（TRL 1–9），保护投资委员会免受技术死胡同的损失。