工业视觉算法专家（平台搭建+现场落地）

该职位来源于猎聘

岗位职责

1、负责工业视觉算法模型训练平台的搭建、迭代与运维，参与构建标准化的数据管理、标注流转、训练调度、模型版本管理、自动化评测全流程MLOps体系，搭建从数据回流、模型训练、效果验证到产线部署的完整算法闭环，提升团队模型迭代效率与交付标准化能力。

2、负责工业视觉缺陷检测、图像分类、语义分割等核心算法研发与模型训练，针对玻璃盖板、光学镜片等精密工业品表面划痕、脏污、崩边、膜印、干涉纹、油墨瑕疵、异物等各类复杂缺陷，设计适配的深度学习算法方案。

3、独立完成数据集清洗、标注规范制定、样本筛选、数据增强、模型调优、对比实验及效果评测，针对工业场景小样本、缺陷形态多变、背景干扰强等痛点，运用迁移学习、小样本学习、异常检测等技术优化模型泛化能力。

4、严格把控模型落地指标，以产线实际漏检率、误检率、过杀率为核心优化目标，持续迭代模型阈值策略与算法逻辑，解决量产场景下的伪缺陷干扰、弱对比度缺陷难识别、曲面成像畸变等行业难题，确保模型满足量产验收标准。

5、负责算法模型工程化落地，完成模型量化、压缩、推理加速与ONNX/TensorRT部署适配，配合软件团队完成算法与整机系统联调，保障算法稳定高效运行在工业设备端。

6、深入生产现场开展算法调试与优化，适配现场真实光照、工装结构、生产工况，快速定位解决现场模型漏检、误检、稳定性不足等问题，持续沉淀缺陷字典、标准数据集与算法方案。

7、沉淀算法技术文档、训练规范、落地标准，协助团队搭建算法资产库、缺陷案例库与标准化交付流程，支撑多项目快速复用与批量交付。 8、配合产品、工艺、光学团队进行方案评审，结合工艺特性、成像方案、生产痛点，优化视觉检测整体解决方案，推动算法持续量产落地与迭代升级。

任职要求

1、本科及以上学历，计算机科学、人工智能、自动化、模式识别、机器视觉等相关专业，5年及以上工业深度学习视觉算法落地经验。

2、熟练掌握PyTorch框架，精通YOLO、UNet、Mask R-CNN、异常检测等主流视觉算法，熟练掌握图像预处理、特征分析、模型训练、调优、评测全流程。

3、具备模型训练平台、MLOps体系搭建落地经验，熟悉数据版本管理、自动化训练调度、模型版本迭代、批量评测流程，有工业视觉算法平台搭建实战经验者优先。

4、具备精密光学、玻璃盖板、3C工业品、半导体、汽车零部件等外观检测项目落地经验，熟悉工业量产场景漏检、误检优化逻辑，能够独立从算法层面解决现场复杂缺陷检测难题。

5、具备极强的工程落地思维，不局限于实验室模型效果，能够适配复杂工业现场，独立完成现场调优、问题复盘、模型迭代，保障算法量产稳定性。

6、熟悉模型推理加速、量化压缩、部署适配，具备算法工程化、嵌入式端部署实操经验优先。

7、逻辑清晰、责任心强，具备良好的跨部门沟通能力与问题攻坚能力，能承受项目交付压力，具备独立负责项目算法全流程交付能力。