职位描述
HALCONOpenCVC++Python工业自动化/机器人
任职资格
1. 学历与专业
本科及以上学历，计算机科学、图像处理、模式识别、自动化等相关专业；
硕士或3年以上工业视觉算法开发经验者优先。
2. 技能要求
核心技术能力：
精通图像处理理论（空间域/频域变换、特征提取、几何变换）及经典算法（边缘检测、霍夫变换、SIFT/SURF）；
熟练使用Halcon进行算法开发与性能调优，具备完整视觉项目（定位/测量/检测）落地经验；
掌握深度学习框架（PyTorch/TensorFlow），熟悉目标检测（YOLO、Faster RCNN）、图像分割（UNet）模型部署；
熟悉三维视觉技术（点云处理、立体匹配）及工业相机标定（手眼标定、多相机同步）。
工具与编程：
熟练使用C++/Python开发视觉算法，熟悉OpenCV、Halcon等库的底层实现原理；
掌握多线程优化、GPU加速（CUDA/OpenCL）技术，具备算法性能瓶颈分析能力；
熟悉Git、SVN版本管理工具及敏捷开发流程。
行业经验：
在半导体、汽车零部件、消费电子等领域有视觉检测系统开发成功案例；
熟悉工业视觉检测标准（如IPCA610）及行业痛难点（反光材质、微小缺陷检测）。
3. 素质要求
具备从理论到工程的转化能力，能针对具体场景设计高效算法路径；
逻辑严谨，善于通过数据分析定位算法缺陷并提出改进方案；
具备技术文档撰写及客户需求沟通能力，适应短期出差支持项目交付。
1. 学历与专业
本科及以上学历，计算机科学、图像处理、模式识别、自动化等相关专业；
硕士或3年以上工业视觉算法开发经验者优先。
2. 技能要求
核心技术能力：
精通图像处理理论（空间域/频域变换、特征提取、几何变换）及经典算法（边缘检测、霍夫变换、SIFT/SURF）；
熟练使用Halcon进行算法开发与性能调优，具备完整视觉项目（定位/测量/检测）落地经验；
掌握深度学习框架（PyTorch/TensorFlow），熟悉目标检测（YOLO、Faster RCNN）、图像分割（UNet）模型部署；
熟悉三维视觉技术（点云处理、立体匹配）及工业相机标定（手眼标定、多相机同步）。
工具与编程：
熟练使用C++/Python开发视觉算法，熟悉OpenCV、Halcon等库的底层实现原理；
掌握多线程优化、GPU加速（CUDA/OpenCL）技术，具备算法性能瓶颈分析能力；
熟悉Git、SVN版本管理工具及敏捷开发流程。
行业经验：
在半导体、汽车零部件、消费电子等领域有视觉检测系统开发成功案例；
熟悉工业视觉检测标准（如IPCA610）及行业痛难点（反光材质、微小缺陷检测）。
3. 素质要求
具备从理论到工程的转化能力，能针对具体场景设计高效算法路径；
逻辑严谨，善于通过数据分析定位算法缺陷并提出改进方案；
具备技术文档撰写及客户需求沟通能力，适应短期出差支持项目交付。
岗位职责
1. 视觉算法开发与优化
基于Halcon/OpenCV等工具开发机器视觉算法，涵盖图像预处理（降噪、增强）、形态学处理、颜色与纹理分析、图像分割与分类等核心模块；
设计并实现高精度模板匹配、三维定位、表面缺陷检测（划痕、异物、完整性检测）等工业场景解决方案。
2. 视觉系统设计与集成
开发立体视觉、多相机协同标定系统，结合深度学习技术（目标检测、语义分割）提升复杂场景的检测鲁棒性；
与光学、机械团队协作，优化视觉系统软硬件协同方案，确保检测精度与实时性（如毫秒级响应）。
3. 项目落地与性能调优
针对工业现场需求（如高速运动目标、低对比度缺陷）定制化开发算法，完成算法移植与嵌入式部署；
分析检测结果数据，优化算法参数及流程逻辑，提升系统检出率并降低误判率。
4. 技术研究与创新
跟踪前沿技术（如3D点云处理、小样本学习），推动深度学习与传统视觉算法的融合应用；
研究典型工业案例（如电子元器件检测、精密尺寸测量），提炼可复用的算法模块。
5. 文档与标准化
编写算法设计文档、测试报告及用户手册，建立视觉算法开发规范与知识库；
输出典型场景的视觉技术方案模板，支持团队快速响应客户需求。
1. 视觉算法开发与优化
基于Halcon/OpenCV等工具开发机器视觉算法，涵盖图像预处理（降噪、增强）、形态学处理、颜色与纹理分析、图像分割与分类等核心模块；
设计并实现高精度模板匹配、三维定位、表面缺陷检测（划痕、异物、完整性检测）等工业场景解决方案。
2. 视觉系统设计与集成
开发立体视觉、多相机协同标定系统，结合深度学习技术（目标检测、语义分割）提升复杂场景的检测鲁棒性；
与光学、机械团队协作，优化视觉系统软硬件协同方案，确保检测精度与实时性（如毫秒级响应）。
3. 项目落地与性能调优
针对工业现场需求（如高速运动目标、低对比度缺陷）定制化开发算法，完成算法移植与嵌入式部署；
分析检测结果数据，优化算法参数及流程逻辑，提升系统检出率并降低误判率。
4. 技术研究与创新
跟踪前沿技术（如3D点云处理、小样本学习），推动深度学习与传统视觉算法的融合应用；
研究典型工业案例（如电子元器件检测、精密尺寸测量），提炼可复用的算法模块。
5. 文档与标准化
编写算法设计文档、测试报告及用户手册，建立视觉算法开发规范与知识库；
输出典型场景的视觉技术方案模板，支持团队快速响应客户需求。
登录查看完整内容
