视觉系统工程师

视觉硬件选型与系统设计

负责巡检视觉系统的硬件选型，包括RGB相机、红外相机（热成像）、深度相机（RGB-D/结构光/双目）、多光谱相机等。

深入理解各类相机的工作原理与性能参数，根据巡检场景的精度要求、检测距离、环境光照、目标物体特性等因素，输出合理的硬件选型及安装方案。

负责镜头（定焦/变焦/远心）、光源方案、图像采集卡、工控机/边缘计算设备等配套硬件的选型与适配。

AI视觉算法开发

负责巡检图像目标检测、图像分割、缺陷识别等AI视觉算法的研发与优化。

熟悉PyTorch/TensorFlow等深度学习框架，精通YOLO、RT-DETR、U-Net等主流模型。

设计并实现多模态融合方案（RGB+红外、RGB+深度等） 3. 数据集采集与标注

负责巡检场景下图像数据的采集方案设计、数据清洗与质量管控。

熟练使用Labelme、CVAT等标注工具，完成高质量数据集建设。

视觉系统软件开发与工程化落地

负责算法模型的工程化封装与服务化部署：Python方向使用FastAPI/Flask将检测模型封装为标准HTTP/RPC接口；C++方向完成跨平台（Linux/Windows）动态库编译与底层算法库封装，保障推理模块高效运行。

负责主流工业相机SDK（海康、大华、Basler等）二次开发，完成相机调用、图像采集、触发控制及参数动态调节，实现原始数据格式转换与预处理。

设计视觉系统与巡检设备间的进程通信方案（共享内存、ZeroMQ、Socket等），实现多路图像数据与识别结果的低延迟高吞吐传输，满足系统实时性要求。

承担多线程/异步编程架构设计，结合多路相机并发采集与检测需求，优化线程池与任务调度，充分利用异构计算资源（GPU/VPU/NPU）。

负责代码版本管理（Git）、单元测试编写及技术文档输出（设计文档、API文档、部署手册），保障软件工程规范与代码质量。

独立处理Linux与Windows双平台下的开发适配、依赖管理及动态库链接等环境问题，确保视觉软件在多型工控机与边缘设备上稳定部署。

学历与经验

全日制本科及以上学历，计算机、自动化、电子信息、光学工程、人工智能等相关专业。 2)3年以上工业视觉、巡检机器人、AI检测等相关领域工作经验。

硬件选型能力

熟悉RGB相机、红外相机（热成像）、深度相机等的工作原理、性能参数与适用场景。

熟悉相机（CCD/CMOS）、镜头、光源等视觉硬件的选型方法与技术评估流程。

具备相机标定（内参、外参、畸变校正）的实际操作经验。

AI算法开发能力

掌握目标检测、图像分割、异常检测等计算机视觉算法原理。

熟练掌握PyTorch/TensorFlow等深度学习框架，精通OpenCV等图像处理库。

熟悉模型轻量化与边缘端部署技术（TensorRT、ONNX Runtime、OpenVINO等）。

数据采集与标注能力

熟悉Labelme、CVAT等主流数据标注工具的使用与配置。

具备数据采集方案设计、数据清洗、数据增强的实操经验。

软件开发与工程化能力

熟练掌握Python、C++、C#中至少一种语言，具备扎实的编程基础与良好的编码规范：Python方向需精通NumPy、OpenCV、PyTorch/TensorFlow及FastAPI/Flask框架，具备将算法模型封装为HTTP/RPC接口的能力；C++方向需熟练掌握C++11/14/17及STL，具备内存管理、Makefile/CMake编写及跨平台动态库编译经验；C#方向需熟悉.NET Framework/.NET Core，具备C#语言开发能力。

熟练使用Git进行版本协作，具备单元测试与调试习惯，能编写清晰的技术设计文档。

熟悉多线程/异步编程，具备进程间通信经验（共享内存、命名管道、Socket、ZeroMQ等），能独立完成相机SDK二次开发（如海康、大华、Basler等）。

具备Linux与Windows双平台下的开发与部署经验，能独立解决环境依赖、动态库链接等底层问题。