工作职责：
1.主导视觉检测类项目；主导供应商方案讨论与细化。DFM审核，提供技术指导。传统算法与AI结合的评估等。标准搭建：公司内部视觉算法基础与迭代白皮书。
2.视觉检测算法逻辑设计与编写：针对光模块（如电子元器件、零部件）的外观/尺寸缺陷检测场景，设计基于机器视觉的算法逻辑，编写算法代码（如基于OpenCV、PyTorch/TensorFlow框架），实现缺陷（如划痕、缺角、污渍）的分类识别、优化算法检测精度与速度。
3.熟悉深度学习技术，熟悉Pytorch或TensorFlow框架，熟悉常见的AI目标检测模型，包括YOLO、RCNN、Faster-RCNN、Masker-RCNN等，有相关开发经验;
4.生成不良品数据集：利用GAN、Diffusion等图像生成技术，设计工业场景下的图像数据生成方案，定向生成稀缺不良品样本（如特定角度划痕、微小缺角）及多样化背景/光照下的模拟数据，补充真实数据集;
5.算法落地与效果迭代：配合工程团队将训练完成的检测算法部署至实际生产设备（如视觉检测工位、流水线），调试算法与硬件（相机、光源）的适配性；
1.本科以上学历，计算机科学与技术、人工智能、自动化、电子信息工程等相关专业。
2.3年及以上计算机视觉检测算法开发经验，有工业产品缺陷检测（如3C电子、汽车零部件）项目经验者优先。具备AI检测算法、图像生成（补充数据集）及模型训练调优的实际项目经验。
3. 核心技术能力：
- 算法开发能力：熟练掌握Python编程语言，精通OpenCV等机器视觉库；熟悉深度学习框架 （PyTorch/TensorFlow等），具备目标检测模型（YOLO系列、Faster R-CNN）的开发与调优能力。
- 图像生成技术：了解GAN、Stable Diffusion等图像生成原理，能使用相关工具（如StyleGAN、Diffusers库）生成符合工业场景的标注图像数据，解决样本稀缺问题。
- 数据处理能力：掌握数据集标注及规范；掌握数据增强、数据清洗方法，保障训练数据质量。
- 行业认知：了解工业视觉检测硬件（相机、镜头、光源）的基本原理，能结合实际检测场景优化算法性能。
4. 综合能力：
- 问题分析能力：能通过现场检测数据定位算法误检/漏检原因，快速提出优化方案（如补充样本、调整模型参数）。
- 协作沟通能力：可与硬件工程师、生产团队高效配合，推进算法落地；能清晰输出技术文档与方案说明。
5. 其他要求：有半导体、光模块行业实际缺陷检测项目经验者优先，具备良好的抗压能力。
任职要求：
1.本科以上学历，计算机科学与技术、人工智能、自动化、电子信息工程等相关专业。
2.3年及以上计算机视觉检测算法开发经验，有工业产品缺陷检测（如3C电子、汽车零部件）项目经验者优先。具备AI检测算法、图像生成（补充数据集）及模型训练调优的实际项目经验。
3. 核心技术能力：
- 算法开发能力：熟练掌握Python编程语言，精通OpenCV等机器视觉库；熟悉深度学习框架 （PyTorch/TensorFlow等），具备目标检测模型（YOLO系列、Faster R-CNN）的开发与调优能力。
- 图像生成技术：了解GAN、Stable Diffusion等图像生成原理，能使用相关工具（如StyleGAN、Diffusers库）生成符合工业场景的标注图像数据，解决样本稀缺问题。
- 数据处理能力：掌握数据集标注及规范；掌握数据增强、数据清洗方法，保障训练数据质量。
- 行业认知：了解工业视觉检测硬件（相机、镜头、光源）的基本原理，能结合实际检测场景优化算法性能。
4. 综合能力：
- 问题分析能力：能通过现场检测数据定位算法误检/漏检原因，快速提出优化方案（如补充样本、调整模型参数）。
- 协作沟通能力：可与硬件工程师、生产团队高效配合，推进算法落地；能清晰输出技术文档与方案说明。
5. 其他要求：有半导体、光模块行业实际缺陷检测项目经验者优先，具备良好的抗压能力。