职位详情
光谱法水质检测开发算法工程师
1.3-2.6万
爱沃特智能水务(安徽)有限公司
合肥
1-3年
本科
08-22
工作地址

合肥市-蜀山区-湖光路与雪霁路交叉口环境科技大厦A座508号

职位描述
一、教育背景
  1. 学历与专业:硕士及以上学历优先,本科需具备 1 年及以上相关工作经验;专业限定光学工程、应用化学、环境工程(水质方向)、分析化学、计算机科学与技术(数据挖掘 / 算法方向) 等交叉学科,其中光学 / 化学背景需具备算法开发能力,计算机背景需了解光谱分析原理。


二、专业技能
1. 光谱技术与数据处理能力
  • 光谱原理与硬件认知:精通紫外 - 可见(UV-Vis)、近红外(NIR)、拉曼光谱等水质检测常用技术,理解光谱仪工作原理(如分辨率、信噪比、积分时间对数据的影响),能根据水质场景(如地表水、污水、饮用水)选择适配的光谱波段(如 UV-Vis 用于 COD 检测,NIR 用于总氮 / 总磷分析)。
  • 光谱数据预处理:熟练掌握光谱数据降噪(平滑算法:Savitzky-Golay、小波变换)、基线校正(自适应迭代重加权惩罚最小二乘法 airPLS)、数据标准化(归一化、标准化、多元散射校正 MSC)等技术,能解决实际场景中浊度干扰、气泡干扰、温度漂移导致的光谱失真问题。
  • 特征提取与降维:精通高维光谱数据处理方法,如主成分分析(PCA)、偏最小二乘(PLS)、连续投影算法(SPA)、竞争自适应重加权采样(CARS),可从数百维光谱数据中提取与水质指标(COD、氨氮、总磷、浊度)强相关的特征,降低模型复杂度。



2. 算法开发与建模能力
  • 传统机器学习建模:精通水质指标定量 / 定性算法,如偏最小二乘回归(PLSR)、支持向量机回归(SVR)、随机森林(RF)、梯度提升树(XGBoost/LightGBM),能构建光谱 - 水质指标映射模型(如基于 PLSR 的 COD 预测模型,误差需满足《GB 11914-89 水质 化学需氧量的测定》精度要求)。

  • 深度学习与创新算法:熟练使用 PyTorch/TensorFlow 搭建深度模型,如基于 CNN 的光谱特征自动提取(适配多波段光谱数据)、基于 LSTM/Transformer 的时序光谱分析(用于在线水质监测的动态指标预测)、基于迁移学习的小样本建模(解决水质样本稀缺问题,如特殊污染物检测);能改进传统算法(如优化 PLSR 的异常样本剔除逻辑)提升模型鲁棒性。
  • 模型评估与优化:掌握模型性能评估指标(R²、RMSE、MAE、相对误差 RE),能通过交叉验证、网格搜索优化超参数;具备模型在线更新能力,可设计增量学习算法,适配水质成分变化(如季节更替导致的光谱基线漂移),确保模型长期精度。


  • 工具与开发环境:熟练使用 Python(Scikit-learn、HyperSpy、SpectraPy 等光谱处理库)、MATLAB(光谱分析工具箱);具备 C/C++ 开发能力,可将算法部署到嵌入式光谱检测设备(如便携式水质检测仪、在线监测传感器),优化算法运行效率(如将模型推理时间压缩至 100ms 内);熟悉光谱采集软件(如 OceanView、Andor Solis),能对接光谱仪硬件获取实时数据。
三、工作经验
  1. 经验要求:硕士需 1 年及以上光谱法水质检测算法开发经验,本科需 3 年及以上,且满足以下任一条件:
    • 主导过光谱水质检测项目,如开发便携式 UV-Vis 光谱水质检测仪算法模块(实现 COD、氨氮、浊度三参数同时检测,相对误差≤5%),或设计在线近红外光谱监测系统的时序预测算法(支撑污水处理厂实时工艺调整),项目已落地并通过第三方检测认证。
    • 参与过光谱算法优化项目,如通过深度学习 + PLS 融合算法提升低浓度污染物(如总磷≤0.02mg/L)的检测精度,或开发光谱干扰剔除算法(如浊度补偿模型),解决复杂水体(如工业废水)的检测难题,提供可验证的测试报告(含不同水质样本的光谱数据与模型误差分析)。

工作地点:合肥,广州,天津,新加坡。

以担保或任何理由索取财物,扣押证照,均涉嫌违法,请提高警惕

立即申请