主要职责：
一、核心算法研发与创新
1、研发、训练并优化用于表面缺陷（如划痕、污点、印刷不良等）的检测、分割与分类的深度学习模型（如YOLO、Mask R-CNN、U-Net及其变体）。
2、针对复杂工业场景（如高反光、复杂纹理、微小瑕疵、背景干扰）进行算法创新与模型优化，提升检测鲁棒性。
3、跟踪前沿计算机视觉技术，并探索其在小样本学习、数据不平衡等实际挑战中的应用，推动算法性能边界。
二、数据体系建设与处理
1、主导构建和维护高质量的缺陷图像数据集，包括制定数据标注规范、数据清洗流程与数据增强策略。
2、设计并实施针对性的数据增强方案，模拟多样化缺陷与复杂成像条件（如光照变化、反光），以提升模型的泛化能力。
三、图像处理与系统集成
1、研发图像预处理算法（如光照归一化、反光抑制），以提升模型输入质量。
2、设计高效的模型后处理逻辑，对原始输出进行过滤、去噪和聚合，生成精准的缺陷报告。
3、负责模型的工程化优化（包括轻量化、量化、加速），并协同软件工程师完成在实时检测系统中的集成与部署，确保满足生产环境的性能与稳定性要求。
任职要求：
1、统招本科及以上学历，计算机科学、人工智能、电子工程、应用数学等相关专业。
2、3年及以上工业领域计算机视觉算法研发经验。
3、精通Python编程，熟练掌握PyTorch或TensorFlow等至少一种主流深度学习框架，熟练使用OpenCV进行图像处理。
4、具备扎实的计算机视觉基础，在目标检测、图像分割等方向有深厚的理论知识和成功的项目实践经验。
5、具备工业缺陷检测、精密外观检测或类似领域的项目经验，对解决复杂场景下的视觉挑战有浓厚兴趣。
6、具备优秀的技术攻关能力，能够独立解决如小样本、复杂背景干扰、模型优化等技术难题，并具备良好的团队协作精神。
加分项：
1、具备实际的模型部署经验，熟悉TensorRT、OpenVINO、ONNX等至少一种推理框架。
2、熟悉传统图像处理算法（如Blob分析、边缘检测、滤波器设计），并能与深度学习模型有效结合。
3、了解弱监督/自监督学习、主动学习等技术在数据稀缺场景下的应用。