一、 岗位职责

1. 算法设计与开发：

a) 多模态数据融合算法开发：设计并实现可见光视频、红外视频、气体传感器数据的融合算法，解决工业场景下复杂环境干扰（如粉尘、高温、光照变化）对数据准确性的影响；开发基于深度学习的多传感器数据融合模型，实现设备状态监测（如皮带机托辊发热、死辊、缺辊、皮带跑偏）与人员行为及环境识别（如未佩戴安全帽/工服、火情等）的高精度检测。

b) 设备故障检测算法开发：针对石化、钢铁、煤炭行业的关键设备（如运输皮带机、压力容器、旋转机械），开发基于热红外图像的故障检测算法，实现托辊卡转、筒体磨穿等故障的实时识别与定位。研究轴心轨迹特征识别、振动信号分析等传统算法与深度学习结合的混合模型，实现设备早期故障预警（如轴承锈蚀、润滑油缺失），降低误报率。

c) 人员安全监测算法开发：基于计算机视觉技术，开发人员异常行为识别算法（如摔倒检测、区域入侵预警），结合姿态估计和时序建模，实现复杂工业环境下的实时行为分析；设计多模态数据融合框架（如视频 + IMU + 气体浓度），提升人员安全监测的鲁棒性，支持在低光照、遮挡等极端条件下的可靠检测。

2. 系统集成与优化：

a) 边缘端算法部署：针对轮式/挂轨机器人的边缘计算平台（如RK3588、X5、S100等），优化深度学习模型，确保在一定功耗下下实现推理速度持续提升；开发算法模块与机器人运动控制、数据采集系统无缝对接，支持多机器人协同调度与任务分配。

b) 算法性能优化：采用分布式训练框架和自动化调参工具，提升模型训练效率，缩短迭代周期；设计在线学习机制，利用机器人实时采集数据持续优化模型，适应工业环境的动态变化。

3. 团队协同：能够与产品团队、硬件开发团队、嵌入式软件开发团队、测试团队紧密协作。比如深入理解石化、钢铁、煤炭等行业的业务需求，与产品团队共同制定算法技术方案，明确检测指标；参与机器人硬件选型，确保算法需求与硬件能力的匹配（如红外热像仪分辨率、气体传感器响应速度）。

二、 任职要求

1. 学历与经验：硕士及以上学历，计算机科学、人工智能、自动化等相关专业；3年以上工业检测、机器人或计算机视觉领域算法开发经验，有石化/钢铁/煤炭行业项目经验者优先。

2. 专业技能：

a) 精通计算机视觉算法（如目标检测、图像分割、视频分析），熟悉 YOLO、Mask R-CNN、OpenCV 等工具库，有工业缺陷检测项目经验者优先；

b) 掌握深度学习框架（PyTorch/TensorFlow），具备模型优化（剪枝、量化）和边缘端部署经验，熟悉 TensorRT、OpenVINO 等推理引擎；

c) 熟练使用 Git 进行版本控制，掌握 CI/CD 工具链（如 Jenkins）和容器化部署（Docker/Kubernetes）。

三、 综合素质

1. 具备较强的逻辑思维能力和问题解决能力，能快速定位并解决技术难题；

2. 良好的跨团队协作能力，能与硬件工程师、行业专家共同解决复杂技术问题；

3. 热爱技术，具备快速学习能力，能主动跟进机器人等领域的新技术。