视频识别研发工程师

1.利用 YOLO 系列模型（如 YOLOv5/v8/v10、YOLO-Seg、YOLO-World 等）实现视频流中的目标检测与实例分割；

2.完成模型训练、优化与部署；

3.通过通信接口将识别结果传递给控制单元（如机器人、无人机、AGV、工业设备），形成闭环控制系统。
二、核心职责
1.负责YOLO 模型开发与训练，针对业务场景（如矿用机械、设备巡检、安防监控）定制 YOLO 检测/分割模型；
2.负责数据标注、增强、训练调优，提升 mAP、IoU、推理速度等指标；
3.负责支持多类别、小目标、遮挡、低光照等复杂场景优化。
4.负责视频流实时处理，开发基于 OpenCV / GStreamer / FFmpeg 的视频采集与推理 pipeline；
5.负责实现低延迟、高帧率的视频识别（如 30 FPS @ 1080p），处理 RTSP、USB Camera、CSI 接口等输入源，模型部署与边缘计算，将 YOLO 模型转换为 TensorRT / ONNX / NCNN / RKNN 格式，部署到 Jetson Orin/Nano、瑞芯微 RK3588、华为 Atlas 等边缘设备，优化内存占用与功耗，满足嵌入式平台资源限制。
6.通信与控制集成。通过 串口（UART）、CAN、TCP/UDP、ROS/ROS2 等协议，将识别结果（如目标坐标、类别、分割掩码）发送至控制模块，与运动控制、路径规划团队协作，实现“看到即响应”的闭环控制（如自动避障、目标跟踪、抓取引导），设计容错机制，处理通信丢包、延迟、同步等问题。
7.系统联调与现场支持，参与整机系统集成测试，在真实环境中调试算法鲁棒性。

8.编写技术文档与接口说明。
三、任职要求
1.本科及以上学历，硕士优先，计算机、人工智能、自动化、电子工程、机器人等相关专业。
2. 精通 Python，熟练使用 C++（用于部署或通信模块），且深度学习框架：熟悉 PyTorch，掌握 YOLO 系列代码结构（ultralytics/YOLOv5/v8）；
3.图像/视频处理：熟练使用 OpenCV，了解视频编解码、多线程推理，有 TensorRT / ONNX Runtime / OpenVINO 部署经验
4.通信协议：熟悉至少一种：UART、TCP/UDP、MQTT、ROS2、CAN
5.操作系统：熟悉 Linux，能在 Ubuntu / Debian / 嵌入式 Linux 上开发调试

具备工程化思维，能平衡精度、速度、稳定性；
6.能阅读英文技术文档（如 NVIDIA Developer Docs、YOLO GitHub Issues）；
良好的跨团队沟通能力（需与硬件、控制、测试团队协作）。
✅ 加分项（非必需但优先）
有 YOLO-Seg、YOLOv8-seg、RT-DETR、SAM + YOLO 融合等分割项目经验；
熟悉 ROS2 Humble/Foxy，开发过感知-控制节点；
有 Jetson / RK3588 / 华为昇腾 平台开发经验；
参与过 机器人、无人机、智能农机、工业视觉 等落地项目；
熟悉 PID 控制、状态机设计、有限状态自动机（FSM）。