机器视觉算法工程师（工业检测/智能制造）

一、岗位职责：
1、缺陷检测算法研发：
● 负责经编白胚布、鞋型布等复杂纹理背景下的缺陷检测算法开发。
● 重点攻克“微弱特征”识别难题（如：细微面纱、轻微停机痕、抽纱），以及“高速流式”检测难题（如：边织边检场景下的实时推理与抗震动干扰）。
2、 高精度视觉测量与匹配：
● 负责“AI版型核对”相关算法研发，实现菲林稿图纸与布面实物的轮廓提取、特征匹配及形变分析。
● 设计高精度尺寸测量算法，替代人工菲林比对，实现毫米级误差判定。
3、 物体计数与分割算法：
● 优化“AI鞋型点数”算法，针对密集排列、不同材质的鞋面进行精准分割与计数，确保计数准确率达到98%以上。
4、模型部署与性能优化：
● 负责算法模型在工业现场设备（如NVIDIA Jetson、工业PC）上的部署与加速（TensorRT、ONNX Runtime等）。
● 针对生产线实际环境（光照变化、机械抖动），进行算法鲁棒性调优，打通从采集到PLC报警的闭环。
二、任职要求：
1、计算机、自动化、光学、数学或图像处理相关专业，本科及以上学历。
2、核心技能：
● 熟练掌握 Python 和 C++，具有良好的编程规范。
● 精通 PyTorch / TensorFlow 等主流深度学习框架。
● 扎实的 OpenCV / Halcon 传统图像处理功底。
3、算法经验：
● 熟悉图像分类、目标检测、语义分割及实例分割等算法。
● 必须具备：有实际的缺陷检测、OCR或精密测量项目落地经验。
4、有纺织、布料、印刷或类似柔性材料表面缺陷检测经验者优先；熟悉边缘计算设备（Jetson Xavier/Orin）开发，或有模型量化/剪枝/加速经验者优先；了解工业相机、光源、镜头选型，能配合硬件工程师进行光场设计优先。
备注：当前技术环境下，我们更看重解决未知问题的底层特质：
1、场景好奇心与物理直觉：
● 不满足于做一个“坐在实验室的调参侠”。面对复杂的纺织瑕疵，拥有强烈的好奇心去探究“瑕疵是如何在物理层面产生的”。愿意深入一线观察机械运行规律，能从物理成因反推算法逻辑。
2、科学的试错与探索精神：
● 工业现场充满非标挑战。我们需要你具备敢于假设、快速验证的探索欲望。不迷信学术界SOTA模型，愿意在小样本、高噪声的恶劣条件下，通过系统性的试错（A/B Test、消融实验）找到最适合现场的解决方案。
3、深度实践与闭环思维：
● 知识获取容易，但解决Corner Case（极端边界情况）很难。我们需要你有死磕那“最后1%准确率”的韧性。具备“从算法到产品”的深度实践意识，不仅关注模型精度，更关心最终落地在边缘设备上的真实效果（实时性、稳定性）。
4、AI工具的高阶驾驭者：
● 善于利用AI工具（GPT/Copilot）加速知识获取与代码构建。在知识唾手可得的时代，更看重你的判别力——能否运用专业功底去伪存真，修补AI无法触达的真实世界细节。
【我们能提供什么】
● 技术挑战与成长： 您将挑战行业难题（如高难度“面纱”检测、柔性材料形变测量），直接参与从0到1的“机器换眼”全流程，技术成果直接转化为生产力。
● 明确的落地场景： 拒绝“PPT造车”，所有项目均有明确的里程碑（2026年Q1-Q4）和应用场景（验布机、织造机台），数据样本丰富。
● ESG与人文关怀： 您的算法将直接把一线工人从高强度的“强光刺眼”和“繁重计数”中解放出来，这是一份既有技术深度又有社会价值（保护视力、降低职业病）的工作。