一、崗位職責(zé)：
1、缺陷檢測算法研發(fā)：
● 負責(zé)經(jīng)編白胚布、鞋型布等復(fù)雜紋理背景下的缺陷檢測算法開發(fā)。
● 重點攻克“微弱特征”識別難題（如：細微面紗、輕微停機痕、抽紗），以及“高速流式”檢測難題（如：邊織邊檢場景下的實時推理與抗震動干擾）。
2、 高精度視覺測量與匹配：
● 負責(zé)“AI版型核對”相關(guān)算法研發(fā)，實現(xiàn)菲林稿圖紙與布面實物的輪廓提取、特征匹配及形變分析。
● 設(shè)計高精度尺寸測量算法，替代人工菲林比對，實現(xiàn)毫米級誤差判定。
3、 物體計數(shù)與分割算法：
● 優(yōu)化“AI鞋型點數(shù)”算法，針對密集排列、不同材質(zhì)的鞋面進行精準(zhǔn)分割與計數(shù)，確保計數(shù)準(zhǔn)確率達到98%以上。
4、模型部署與性能優(yōu)化：
● 負責(zé)算法模型在工業(yè)現(xiàn)場設(shè)備（如NVIDIA Jetson、工業(yè)PC）上的部署與加速（TensorRT、ONNX Runtime等）。
● 針對生產(chǎn)線實際環(huán)境（光照變化、機械抖動），進行算法魯棒性調(diào)優(yōu)，打通從采集到PLC報警的閉環(huán)。
二、任職要求：
1、計算機、自動化、光學(xué)、數(shù)學(xué)或圖像處理相關(guān)專業(yè)，本科及以上學(xué)歷。
2、核心技能：
● 熟練掌握 Python 和 C++，具有良好的編程規(guī)范。
● 精通 PyTorch / TensorFlow 等主流深度學(xué)習(xí)框架。
● 扎實的 OpenCV / Halcon 傳統(tǒng)圖像處理功底。
3、算法經(jīng)驗：
● 熟悉圖像分類、目標(biāo)檢測、語義分割及實例分割等算法。
● 必須具備：有實際的缺陷檢測、OCR或精密測量項目落地經(jīng)驗。
4、有紡織、布料、印刷或類似柔性材料表面缺陷檢測經(jīng)驗者優(yōu)先；熟悉邊緣計算設(shè)備（Jetson Xavier/Orin）開發(fā)，或有模型量化/剪枝/加速經(jīng)驗者優(yōu)先；了解工業(yè)相機、光源、鏡頭選型，能配合硬件工程師進行光場設(shè)計優(yōu)先。
備注：當(dāng)前技術(shù)環(huán)境下，我們更看重解決未知問題的底層特質(zhì)：
1、場景好奇心與物理直覺：
● 不滿足于做一個“坐在實驗室的調(diào)參俠”。面對復(fù)雜的紡織瑕疵，擁有強烈的好奇心去探究“瑕疵是如何在物理層面產(chǎn)生的”。愿意深入一線觀察機械運行規(guī)律，能從物理成因反推算法邏輯。
2、科學(xué)的試錯與探索精神：
● 工業(yè)現(xiàn)場充滿非標(biāo)挑戰(zhàn)。我們需要你具備敢于假設(shè)、快速驗證的探索欲望。不迷信學(xué)術(shù)界SOTA模型，愿意在小樣本、高噪聲的惡劣條件下，通過系統(tǒng)性的試錯（A/B Test、消融實驗）找到最適合現(xiàn)場的解決方案。
3、深度實踐與閉環(huán)思維：
● 知識獲取容易，但解決Corner Case（極端邊界情況）很難。我們需要你有死磕那“最后1%準(zhǔn)確率”的韌性。具備“從算法到產(chǎn)品”的深度實踐意識，不僅關(guān)注模型精度，更關(guān)心最終落地在邊緣設(shè)備上的真實效果（實時性、穩(wěn)定性）。
4、AI工具的高階駕馭者：
● 善于利用AI工具（GPT/Copilot）加速知識獲取與代碼構(gòu)建。在知識唾手可得的時代，更看重你的判別力——能否運用專業(yè)功底去偽存真，修補AI無法觸達的真實世界細節(jié)。
【我們能提供什么】
● 技術(shù)挑戰(zhàn)與成長： 您將挑戰(zhàn)行業(yè)難題（如高難度“面紗”檢測、柔性材料形變測量），直接參與從0到1的“機器換眼”全流程，技術(shù)成果直接轉(zhuǎn)化為生產(chǎn)力。
● 明確的落地場景： 拒絕“PPT造車”，所有項目均有明確的里程碑（2026年Q1-Q4）和應(yīng)用場景（驗布機、織造機臺），數(shù)據(jù)樣本豐富。
● ESG與人文關(guān)懷： 您的算法將直接把一線工人從高強度的“強光刺眼”和“繁重計數(shù)”中解放出來，這是一份既有技術(shù)深度又有社會價值（保護視力、降低職業(yè)病）的工作。