工作內(nèi)容:
我們正在尋找一位視覺算法工程師,負責視覺檢測項目算法方案的開發(fā)。
1.針對零部件表面缺陷,主導算法軟件的需求評估,與算法供應商合作設計及優(yōu)化視覺算法。
2.提升檢測準確率,降低漏檢率和誤檢率。加快處理速度。兼顧魯棒性 Robustness 和泛化性 Generalization。
3.檢測場景的數(shù)據(jù)采集、標注與清洗,結(jié)合數(shù)據(jù)增強技術提升模型泛化能力?;谏a(chǎn)反饋數(shù)據(jù)持續(xù)迭代算法模型,解決新出現(xiàn)的缺陷類型。
4.與硬件(光學、電氣)團隊協(xié)同,將算法適配至實際檢測設備,解決“算法理論效果”與“設備實際表現(xiàn)”的偏差;負責算法的工程化部署:將模型部署至工業(yè)控制器、嵌入式平臺或PC端檢測系統(tǒng),配合軟件團隊完成算法與設備控制邏輯的集成。
5.理解檢測標準,將業(yè)務規(guī)則轉(zhuǎn)化為算法邏輯。為測試、運維團隊提供算法技術支持,編寫算法使用手冊、制定異常處理預案,參與設備調(diào)試與現(xiàn)場問題排查。
6.跟蹤行業(yè)前沿算法,評估其在應用可行性,推動技術預研與落地。協(xié)助成熟視覺檢測技術在各產(chǎn)線推廣使用。
7.完成每周工作報告總結(jié)撰寫,積極合理的向領導匯報工作進度與問題點;完成上級臨時安排的其它任務。
職位要求:
1. 學歷與專業(yè):本科及以上學歷,計算機科學、自動化、模式識別、圖像處理等相關專業(yè)。
2. 工作經(jīng)驗:
- 3年以上機器視覺算法開發(fā)經(jīng)驗,有檢測項目(如3C電子、汽車零部件、半導體、鋰電等行業(yè))全流程落地經(jīng)驗,熟悉生產(chǎn)場景的算法適配難點。
- 主導過“傳統(tǒng)算法+深度學習”混合方案落地(如復雜背景下先用傳統(tǒng)算法定位ROI,再用深度學習細分類)。
- 解決過高速流水線(≥50件/分鐘)或高精度(≤0.01mm)檢測場景的算法瓶頸。
3. 技術能力:
- 算法基礎:精通傳統(tǒng)機器視覺算法(OpenCV/Halcon庫熟練應用,如邊緣檢測、模板匹配、Blob分析);掌握深度學習框架(TensorFlow/PyTorch),能獨立搭建、訓練檢測模型(如YOLO、Faster R-CNN)與分類模型(如ResNet、EfficientNet)。
- 工程化能力:熟悉C++/Python編程語言,能將算法封裝為可調(diào)用的模塊(如動態(tài)鏈接庫);了解模型部署工具(如ONNX Runtime、TensorRT),有嵌入式平臺(如Jetson TX2/NX)部署經(jīng)驗者優(yōu)先。
- 場景理解:理解工業(yè)檢測的核心指標(漏檢率、誤檢率、處理速度),能基于生產(chǎn)數(shù)據(jù)量化算法效果(如將誤檢率從3%降至0.5%);熟悉至少一種行業(yè)檢測標準(如汽車行業(yè)IATF 16949中的視覺檢測要求)。
4. 軟技能 :
- 具備強問題拆解能力:能從生產(chǎn)反饋(如“某批次工件頻繁誤判”)中定位算法根因(如樣本分布偏移、特征提取失效)并快速驗證解決方案。
- 優(yōu)秀的跨部門溝通能力:能將算法技術細節(jié)轉(zhuǎn)化為業(yè)務語言(如“算法優(yōu)化后可減少30%人工復核工作量”),推動各團隊協(xié)同解決問題。
- 結(jié)果導向:以“提升生產(chǎn)質(zhì)量/效率”為目標,而非單純追求算法復雜度,能平衡算法性能與工程落地成本。
5. 熟悉IATF16949、ISO14001、ISO27001、TISAX和ISO45001 等體系相關知識。