1. 深度学习与视觉算法 模型应用： 熟练掌握主流目标检测（如 YOLO 系列、SSD）和语义/实例分割（如 DeepLabV3+、Mask R-CNN）算法的使用与调优。

几何计算： 具备扎实的数学功底，能够根据分割掩码（Mask）或检测框（Bbox）设计几何测量算法（涉及像素坐标系转物理坐标系、单目测距、长度/尺寸拟合等）。

框架工具： 熟练使用 PyTorch 或 TensorFlow 进行模型训练与推理测试。

2. 模型部署与迁移地平线平台： 熟悉地平线（Horizon）天工开物工具链，有模型定点量化、编译及 .bin 模型转换经验的优先。

推理加速：了解模型量化（INT8/FP16）原理，能够解决量化过程中的精度掉点或算子不支持问题。

边缘计算：熟悉 BPU (Brain Processing Unit) 的特性，具备在嵌入式端进行资源调度和多线程推理优化的能力。

3. Linux 工程能力开发环境： 精通 C++ (STL/多线程) 或
Python，能在 Linux 环境下进行高效开发。

系统编程： 熟悉 Linux 系统管理，掌握 Shell/Python 脚本编写，能够独立完成自动化部署。

服务常驻： 熟练配置 Systemd 或编写守护进程脚本，实现程序的开机自启动、进程监控及异常拉起。

4. 现场交付与调试图像处理：熟练使用
OpenCV 进行图像预处理（降噪、增强）及后处理。

故障排查：具备较强的现场排查能力，能够分析解决复杂光照、硬件抖动、网络延迟等对算法效果的影响