算法工程师

职位描述

1. 主导工业自动化AOI设备中图像算法的研发与迭代，解决复杂场景下的微小缺陷检测、高精度测量及多类缺陷分类等核心问题；

2. 设计并优化结合传统图像处理与深度学习的混合检测方案，提升召回率、准确率及实时性；

3. 负责图像采集系统（相机、镜头、光源）的选型评估与成像质量调优，从源头降低算法复杂度；

4. 推动算法在工控机/嵌入式平台的高效部署（如TensorRT、OpenVINO、TFLite），并进行多线程、流水线等工程优化；

5. 探索并落地前沿AI技术在AOI中的应用，包括但不限于：基于扩散模型的缺陷样本生成、大语言模型辅助缺陷规则定义、多模态模型（如CLIP、GPT-4V）进行零样本/少样本缺陷检测与图文描述；

6. 带领或指导初中级算法工程师完成数据标注规范制定、模型训练调优及产线灰度测试；

7. 与硬件、电气、软件团队紧密协作，制定视觉检测方案与验收标准，解决现场疑难问题（如小样本、类别不均衡、光照鲁棒性）。

任职要求

1. 硕士及以上学历，计算机、自动化、光学工程、电子信息、数学等相关专业，3年以上工业视觉、AOI或缺陷检测相关算法经验；

2. 精通数字图像处理（滤波、形态学、边缘检测、特征提取、相机标定、畸变校正等），熟练使用OpenCV/Halcon等工具；

3. 熟练掌握Python或C++，具备高性能、高稳定性代码编写能力，熟悉Linux开发环境；

4.深度学习基础扎实，熟悉PyTorch/TensorFlow/PaddlePaddle框架，能独立完成从数据准备、模型选型（分类/检测/分割）到训练、调优、剪枝量化的全流程；

5. AI综合能力突出：

熟悉生成式AI（如扩散模型、GAN、VAE），并能应用于工业缺陷样本合成、数据增强或域迁移；

了解多模态大模型（如CLIP、LLaVA、GPT-4V系列），具备通过视觉-语言模型进行少样本/零样本缺陷检测、缺陷描述生成的实际经验；

能够利用大语言模型（如Llama、通义千问、ChatGLM）进行检测规则解析、故障报告自动生成或交互式质检辅助；

5. 了解自监督学习、对比学习在图像表征提取中的运用，减少对大量标注数据的依赖；

6. 深刻理解工业AOI实际挑战：光照不均、成像噪声、产品型号多变、漏检/过杀平衡、实时性要求（如<100ms/图）；

7. 熟悉模型部署加速方法（ONNX、TensorRT、OpenVINO、NCNN等），有实际落地项目经验；

8. 优秀的逻辑分析、问题定位及文献复现能力，能独立承担技术攻关任务。

加分项：

1. 有PCB、半导体晶圆、锂电池、显示屏、表面缺陷等典型AOI场景的成功落地案例（需在简历中体现）；

2. 熟悉4K/8K线扫相机、高光谱、3D结构光或光场成像等先进视觉技术；

3. 掌握C++多线程/GPU编程（CUDA)协同加速；

4. 有将生成式AI或多模态大模型集成到工业质检产品中的实际项目经历（如利用Stable Diffusion生成缺陷图、利用CLIP做零样本分类、利用GPT-4V辅助标注等）；

5. 在CVPR/ICCV/ECCV或光学、自动化领域发表过高水平论文或专利；

6. 有技术管理经验或主导过完整AOI算法产品生命周期。