图像算法工程师

1. 核心算法研发：负责半导体设备（如晶圆缺陷检测、关键尺寸测量、宏观/微观缺陷检测等）中核心图像处理与机器视觉算法的研发、仿真与实现。
2. 前沿技术探索：研究传统图像处理算法及基于深度学习的缺陷检测、图像分类、语义分割技术，解决半导体工艺中的复杂检测难题（如微弱缺陷识别、高噪声背景下的特征提取）。
3. 算法优化与加速：对算法进行时间复杂度与空间复杂度优化，利用多线程、OpenCL等手段实现高分辨率图像的实时处理。
4. 系统集成与验证：将算法封装为动态库或服务，供上层C++/C#软件调用，配合软件工程师完成整机集成与现场验证。
5. 技术攻关：分析和解决设备现场因工艺波动、光照变化、材料差异等导致的检测误报、漏报问题，持续提升算法鲁棒性。
6. 知识产权积累：撰写算法设计文档、技术专利。
【任职要求】
一、 基本条件
1. 学历专业：硕士及以上学历（优秀本科可考虑），计算机、模式识别、图像处理、应用数学、光学工程等相关专业。
2. 工作经验：5年以上机器视觉或图像处理算法研发经验，具备半导体设备行业背景（如晶圆检测、对准、封装基板检测等）。
二、 专业技能
1. 编程语言（必须）：
精通 C++（C++11/14/17）或 C#，具备扎实的代码实现能力，能将算法高效落地。
熟练使用Python进行算法快速原型验证及数据分析。
2. 图像处理基础：
深入理解数字图像处理理论，包括但不限于：空/频域滤波、边缘检测、形态学分析、特征提取（SIFT/SURF/ORB）、图像配准、相机标定等。
3. 视觉算法库：
熟练掌握 OpenCV（必须），能基于OpenCV源码进行算法修改与二次开发。
熟悉Halcon、VisionPro等商业库的算法原理者优先。
4. 深度学习（加分项但强烈推荐）：
熟悉PyTorch、TensorFlow等主流深度学习框架。
有实际项目经验，如基于CNN的分类、目标检测（YOLO/ Faster R-CNN）、语义分割（UNet/DeepLab）在工业缺陷检测中的应用。
了解模型量化、剪枝、蒸馏等边缘端部署优化技术。
5. 数学基础：
扎实的线性代数、概率统计、数值优化基础，能够独立推导算法公式。
熟悉优化方法、傅里叶变换、小波分析等数学工具。
6. 性能优化：
熟悉多线程编程、内存池技术，能针对嵌工控机环境进行算法轻量化设计。
三、 加分项
1. 半导体工艺知识：熟悉晶圆制造（前道）或封装测试（后道）工艺流程，了解常见缺陷分类及形成机理。
2. 光学成像：了解光学成像原理，能与光学工程师协同优化打光方案以降低算法复杂度。
3. 3D视觉：有结构光、共聚焦、白光干涉等3D测量算法经验。