资深研究员-工业视觉算法

解决方案落地：深入理解家电制造场景的视觉检测需求，主导从需求分析、方案设计、算法开发、现场验证到量产部署的全流程，推动视觉质检项目在工厂端的实际落地；

多模态大模型算法研发：针对工业质检复杂场景，设计并开发基于多模态大模型的视觉质检算法，融合图像、点云、工艺、设备等多源数据，解决传统算法难以覆盖的疑难检测问题，持续提升产品质量控制水平；

技术创新与优化：跟踪并研究业内前沿的工业视觉大模型、多模态融合、少样本/零样本学习等技术，结合业务场景进行创新性应用，持续优化算法的检测精度与推理效率；

技术规划与突破：规划工业质检领域的技术演进路线，针对小目标检测、复杂背景缺陷、极端光照等行业共性技术难题进行攻关突破；

跨部门协同推进：与工厂工艺、设备、生产等团队紧密协作，推动视觉质检技术在美的各事业部的规模化落地应用。

学历与经验：硕士及以上学历，计算机视觉、人工智能、数学、自动化等相关专业；5年以上工业质检领域工作经验，在家电、新能源、汽车、3C、等行业有多个视觉质检项目从0到1落地经验，具备独立解决复杂技术问题的能力；

编程与工具栈：精通C++、Python编程语言；熟练掌握OpenCV、Halcon、PCL等图像/点云处理库；熟悉PyTorch、TensorFlow等深度学习框架，具备基于大模型进行微调、迁移、改进的能力；

算法能力（核心要求）： - 熟悉目标检测、语义分割、图像分类等基础CV算法 - 重点要求：对多模态大模型、工业视觉大模型有深刻理解和实践经验，包括但不限于视觉语言模型（VLM）、多模态融合、自监督/半监督学习 - 深入理解少样本/零样本异常检测、小目标检测等工业场景核心难题 - 具备丰富的模型量化、蒸馏、剪枝、TensorRT/ONNX部署优化经验

硬件与光学基础：具备工业相机、镜头、光源选型及系统标定的实践经验，理解成像原理与光学系统设计；

软技能：具备优秀的跨部门沟通能力和团队协作精神，工作主动、严谨认真，具备强烈的技术自驱力和问题解决能力。