1. 负责工业制造工序合规/SOP检测算法研发：基于图像、视频、传感器等数据，研发工序识别、动作识别、行为合规检测、异常操作识别等算法。实现对标准作业流程的自动化识别与合规判断。 2. 负责工业现场算法方案设计：深入理解产线工艺流程、SOP要求和质量管控标准。将业务流程拆解为算法可识别的目标、动作、状态和规则。设计工序合规检测的整体技术方案。 3. 负责视觉模型开发与优化：开发目标检测、姿态估计、动作识别、工件识别、工具识别、人员行为分析等模型。针对工业现场的遮挡、反光、低光照、复杂背景、动作相似等问题进行算法优化。 4. 负责SOP规则引擎与时序逻辑建模：建立工序流程状态机、动作序列判定、时间窗口判断、节拍分析等规则模型。支持不同产线、不同产品、不同岗位的SOP灵活配置。 5. 负责数据集建设与模型迭代：规划数据采集方案，制定数据标注规范。分析误报、漏报、边界样本和异常样本。持续提升算法准确率、召回率、稳定性和泛化能力。 6. 负责算法部署与工程落地：与软件、硬件、平台团队协作，完成算法模块的集成、部署和上线。支持边缘端、服务器端或云端推理部署。优化模型推理速度、资源占用和稳定性。 7. 负责项目现场调试与交付支持：参与客户现场或工厂产线调研、摄像头点位设计、光照环境评估。支持算法效果测试、问题定位、验收评估和上线运维。 8. 参与工业AI产品化建设：沉淀通用算法组件、SOP配置模板、场景解决方案和算法评估体系。推动工序合规检测能力标准化、平台化和产品化。

1. 教育背景：硕士及以上学历，计算机、人工智能、自动化、电子信息、模式识别、机器视觉、工业工程等相关专业。 2. 专业经验：3年以上计算机视觉、深度学习或工业AI相关工作经验。有制造业工序识别、SOP合规检测、工业质检、人员行为分析、安全生产监管等项目经验优先。 3. 算法能力：熟悉目标检测、图像分类、语义分割、实例分割、关键点检测、OCR、行为识别等算法。熟悉视频理解、时序动作识别、动作检测、异常行为检测等技术。能独立完成模型训练、调参、评估和优化。 4. 工程能力：熟练掌握Python，熟悉C++者优先。熟悉PyTorch、OpenCV等主流开发框架。熟悉ONNX、TensorRT、OpenVINO等模型部署和推理加速工具者优先。具备Linux环境开发、接口联调经验。 5. 工业理解能力：熟悉制造业产线作业流程、质量检验流程、工艺文件、SOP标准和异常处理机制。能够理解工厂现场需求，并转化为算法任务和系统功能。 6. 系统设计能力：能够设计基于视频流的实时检测系统。能够构建动作序列、工序状态、异常规则、报警逻辑等算法策略。有规则引擎、状态机、多模态融合经验者优先。 7. 项目交付能力：具备良好的需求分析、方案设计、问题排查和项目推进能力。能与产品、研发、实施、工艺、质量、生产等团队高效协作。能适应一定程度的出差和现场部署工作。 8. 综合素质：具备较强的学习能力、逻辑分析能力和工程落地意识。对工业AI、智能制造、生产过程数字化有兴趣。结果导向，能够在复杂现场环境中持续推进问题解决。