‌岗位职责‌：
负责光谱图水质污染物组分与光谱的谱图响应、浓度预测的AI算法研发，以及水质细微状物（如微生物、悬浮颗粒等）的智能成像识别，实现种类判定、数量统计及活性分析。
‌岗位能力要求‌：
‌专业知识储备‌
掌握分析化学、环境科学基础理论，熟悉水质污染物光谱特征（如UV-Vis、NIR、Raman光谱）与成像原理；
精通机器学习与深度学习算法，熟悉光谱数据分析（如PLS、PCA、CNN时序建模）及计算机视觉技术（目标检测、图像分割、多标签分类）；
具备信号处理能力，能对光谱噪声、基线漂移及成像模糊问题进行数据预处理与特征增强。
‌技术能力‌
熟练使用Python及AI框架（PyTorch/TensorFlow），掌握OpenCV、scikit-learn等工具库；
熟悉光谱数据处理流程（如Savitzky-Golay滤波、光谱对齐、特征提取）及成像算法（如超分辨率重建、小目标检测）；
具备嵌入式系统开发经验，熟悉实时数据处理、模型轻量化（量化、剪枝、TensorRT部署）及边缘计算优化。
‌工程经验‌
参与过光谱分析或显微成像项目，具备水质监测场景的算法落地经验；
熟悉多模态数据融合（光谱+图像+传感器数据）及小样本学习技术，能解决实际场景数据稀缺问题；
了解水质检测仪器硬件架构（如光谱仪、显微成像模块），具备软硬件协同开发能力。
‌问题解决与创新‌
能针对复杂水质场景优化模型鲁棒性，如处理光谱干扰物叠加、成像遮挡等问题；
关注AI前沿技术（如自监督学习、域自适应），推动算法在检测精度与效率上的突破。
‌跨学科协作‌
具备环境科学、光学工程与AI技术的交叉学科理解力，能与化学分析团队、硬件工程师高效沟通；
熟悉水质检测行业标准（如EPA方法、ISO水质指标），确保算法符合法规与业务需求。
‌优先条件‌：
发表过光谱分析或显微成像领域的AI顶会论文；
有FPGA/DSP嵌入式AI开发经验；
熟悉活性生物指标的动态特征提取（如微生物运动轨迹分析）。