视觉算法专家/负责人

一、岗位定位与培养目标: 本岗位聚焦于光电智能分选领域，旨在选拔并培养具备高成长潜力的AI视觉技术人才。入选者将作为公司核心算法骨干的储备力量，深度参与大米、茶叶、杂粮、矿石、资源回收及塑料材质等复杂物料的智能分选系统研发。 二、核心岗位职责 1、核心分选算法研发:负责基于可见光、红外、紫外及X射线等多光谱成的物料识别与分选算法开发。攻克复杂背景下的微小色差检测、异物识别、材质分类(如PET/PP/PE塑料分选)及轮廓匹配 等核心技术难题。 2、前沿AI技术预研与转化:持续跟踪小样本学习、无监督异常检测、自监督视觉模型等前沿技术。针对工业分选场景中“缺陷样本极少、物料形态多变、光照条件复杂”等痛点，开展算法结构改造与数据增强策略优化，提升模型的泛化与鲁棒性。 3、模型工程化与高速边缘部署:主导视觉算法在嵌入式平台(如NVIDIAJetson、FPGA、国产AI芯片)上的部署与性能优化。熟练运用模型量化、剪枝、算子融合等技术，确保算法在高速线扫、高并发产线环境下满足超低时延与高稳定性要求。 4、端到端项目交付与系统集成:参与从需求分析、光路设计(光源/相机/传感器选型)、物料光谱分析到算法落地的全流程。协同光学、机械、电控团队，完成算法与高速喷阀、传送带的精准时序同步与系统联调。数据闭环与持续迭代:构建分选场景的数据闭环(数据采集、清洗、标注、质量评估)，建立标准化的评测体系;根据产线反馈持续优化算法，降低误剔率与漏剔率。 三、任职资格 学历与专业背景:全日制本科及以上学历(硕士/博士优先)，计算机科学、自动化、电子信息、光学工程、应用数学等相关专业。扎实的算法与编程功底:精通Python/C++，熟悉Linux开发环境，具备优秀的代码规范与数据结构基础。 深入理解CNN、Transformer等深度学习模型原理，熟练使用PyTorch或TensorFlow等主流框架。 熟练掌握OpenCV等图像/点云处理开源库，具备:扎实的数字图像处理与色彩空间转换基础。项目与实战经验: 在目标检测、图像分割、分类或异常检测等方向有实际项目落地经验。 有在熟悉工业视觉硬件(工业相机、特种光源、多光谱传感器)的选型与调试，了解Halcon/VisionMaster等传统视觉软件者优先。 具备模型轻量化部署与性能调优经验，FPGA、NPU或边缘设备上高速推理部署经验者优 先。