"1.负责工业场景下表面缺陷检测算法的全流程开发，包括图像预处理、特征提取、目标检测、语义分割等，结合公司工业视觉业务场景，落地高可靠性的自动化质检解决方案。 2.负责项目前期视觉硬件的选型与实验，包括工业相机（面阵/线扫）、镜头及光源的参数匹配；负责设计打光实验，针对不同材质（高反光、金属、透明件等）制定最优成像方案。 3.对接主流深度学习框架（如 PyTorch、TensorFlow），完成视觉模型（如 YOLO 系列、DeepLab、各类分割网络）的选型、训练与微调，优化算法在工控机端的识别精度与实时性。 4.跟踪计算机视觉前沿技术（如异常检测、弱监督学习、自监督学习等）及工业 AI 案例，针对极小目标、复杂背景、小样本等痛点推动算法迭代升级。 5.参与技术方案评审，分享缺陷检测开发经验，编写相关技术文档；熟悉传统图像处理、深度学习视觉检测。"

"1.研究生及以上学历，3年及以上视觉算法或工业 AI 相关开发经验 (经验>5年可放宽至本科)，计算机、模式识别、自动化、数学、软件工程等相关专业。 2.熟练掌握 OpenCV 及主流深度学习框架，深入理解目标检测、图像分割等计算机视觉核心任务，能独立完成算法逻辑的编写、调试与优化。 •硬件关联：了解工业相机（海康、大恒等）的基本原理及选型，掌握打光方案对成像质量的影响，具备处理过曝光、高反光等复杂环境下图像的实战经验。 3.熟练掌握 Python 编程语言，具备扎实的数学与算法功底，了解 C++ 开发环境，能配合完成算法的工程化移植与接口测试工作。 4.具备良好的工程实践与问题解决能力，能配合团队深入生产线梳理检测需求；具备良好的学习习惯、严谨的工作态度与团队合作精神。 5.有工业领域缺陷检测、AOI（自动光学检测）相关落地项目经验者优先；熟悉 TensorRT 加速、高性能并行计算或传统视觉算法库（如 Halcon/VisionMaster/VisionPro）者优先。"