算法工程师

算法开发与验证：负责计算机视觉算法（如目标检测、目标跟踪、图像分割等）的选型、训练、调优与验证。

模型轻量化与部署：将深度学习模型（如 YOLO 系列等）进行网络压缩、剪枝或量化（FP16/INT8），并移植部署到边缘计算硬件平台上。

推理加速与优化：使用 TensorRT、NCNN、OpenVINO 等推理引擎，在嵌入式设备上进行底层算法加速，满足系统对实时性（高帧率）和内存占用的严格要求。

系统通信与集成：开发边缘计算设备与下位机（嵌入式MCU、PLC 或其他控制系统）的通信接口，通过串口、CAN 总线或以太网等协议，实时下发检测结果与动作指令。

工程化落地：参与软硬件联合调试，解决现场复杂环境下的视觉识别与系统协同问题，编写相关技术文档。

教育背景：全日制本科及以上学历，计算机、自动化、电子信息、通信工程、机器人等相关专业。

编程功底：精通 C/C++ 与 Python，具备扎实的数据结构与算法基础；熟练掌握 Linux 环境开发及 CMake 构建工具。

视觉与算法基础：熟练使用 PyTorch 或 TensorFlow 深度学习框架；熟练使用 OpenCV 进行传统图像处理；熟悉主流的目标检测（如 YOLO）和多目标跟踪算法。

模型部署经验：必须具备模型转 ONNX 及端侧部署经验，熟练掌握 TensorRT 框架（或 NCNN/MNN/RKNN 之一），有实际的模型量化（Quantization）经验。

嵌入式与通信技能：熟悉至少一种边缘计算平台（如 NVIDIA Jetson 系列、瑞芯微 RK3588、地平线或华为昇腾）；熟悉常见的硬件通信协议（RS232/RS485/CAN/TCP/UDP）。 加分项（优先录用）

有移动机器人（AMR/AGV）、无人机或工业自动化产线视觉项目的实际落地经验。

熟悉 ROS/ROS2（机器人操作系统）的开发与节点通信。

在模型轻量化算法（如剪枝、知识蒸馏）方面有深入研究或实际落地成果。

具备一定的多线程、多进程并发编程及内存池优化经验。