海信
机器视觉算法专家(J36003)
机器视觉算法专家(J36003)
发布于 3 小时前普通员工/个人贡献者
全职员工仅现场办公计算机视觉工程
计算机视觉工程
Opencv
Pytorch
Tensorflow
工业质检
机器视觉
深度学习
缺陷检测
值不值得投
73综合评分
综合评分 73
智能制造核心研发岗，技术壁垒高、发展前景好，但需深入产线且薪资未明确披露。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
3.5万
比计算机视觉工程中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 880 个在招 · 其中计算机视觉工程 3 个
职位详情
关于这个职位
该职位主要负责工业视觉检测技术的规划、研发与落地，设计并开发基于深度学习和图像处理的缺陷检测算法与系统
你需要结合软硬件知识，搭建并维护视觉检测平台，推动技术在工厂生产质量控制中的实际应用
最低要求
年以上工业质检、缺陷检测领域工作经验，有丰富的解决方案设计和项目实施经验，参与过多个工业质检项目，具备独立解决问题的能力
计算机、数学、自动化、机械等专业背景，有良好的数学和统计学基础，能够理解和应用相关的数学模型和算法
精通Python、C++等编程语言，熟练掌握OpenCV、Halcon等图像处理库，熟悉TensorFlow、PyTorch等深度学习框架
具备一定的硬件知识，熟悉工业视觉检测系统的硬件设计、开发和部署，对工业相机、光源以及标定等有深入了解
熟悉常用的图像处理算法和深度学习算法，包含不限于图像分类、异常检测、图像分割、自监督学习、多模态图像/视频理解等
有较强的逻辑思维能力、问题分析和解决能力，具备良好的沟通表达能力和团队协作精神
工作职责
针对产业/工厂对视觉检测实际需求，以及行业最新技术发展，进行视觉检测技术规划、研究与开发
设计和开发基于视觉检测的算法和系统，用于工业产品的质量控制和生产过程中的缺陷检测
研究和评估新的图像处理和深度学习技术，以提高检测精确度和效率
负责视觉检测平台的规划、建设和维护，不断提升平台的性能和稳定性
与跨部门团队合作，推动视觉检测技术在生产过程中的应用
AI 洞察
优缺点分析
优点
- 工业AI和机器视觉是当前智能制造的核心方向，行业前景广阔
- 工业现场环境复杂，对算法的鲁棒性和实时性要求极高，调试和落地周期可能较长
- 需要频繁与跨部门及产线人员沟通，对解决实际工程问题的能力要求高
- 适合具备扎实算法基础且愿意深入工业现场，对智能制造和软硬件协同有浓厚兴趣的资深技术人才
缺点 / 挑战
- 岗位涉及软硬件结合与算法落地，能积累深厚的工业场景实战经验，技术壁垒较高
角色解读
- 从算法工程师向视觉技术专家或架构师发展，未来可转型为机器视觉技术总监或工业AI解决方案负责人
- 负责工业视觉检测技术的规划与研发，设计缺陷检测算法与系统
- 结合软硬件知识，搭建视觉检测平台并推动其在工厂产线的落地应用
- 精通Python/C++及OpenCV/Halcon等视觉库，熟练使用PyTorch/TensorFlow等深度学习框架
- 具备扎实的图像处理与深度学习算法基础，同时熟悉工业相机、光源等硬件选型与标定
申请策略
- 提前了解海信在智能制造和家电/显示面板产线上的视觉检测痛点，面试时若能提出针对性的算法优化思路将大幅加分
- 重点突出5年以上工业质检/缺陷检测项目经验，展示从算法设计到产线落地的完整闭环能力
- 详细列出使用的视觉库、深度学习框架及硬件选型经验，并附上提升检测精度或效率的具体数据指标
- 建议深入了解最新的小样本学习、异常检测及多模态视觉技术，以应对工业场景数据不平衡的问题
- 同时可补充一些工业通信协议或PLC基础知识，提升软硬件联调能力
面试指南
- 采用STAR法则，结合具体项目背景，重点阐述遇到的技术难点（如数据少、干扰多）、你的解决思路（如引入自监督学习、优化光路设计）以及最终带来的业务收益（如漏检率降低、节拍提升）
- 在工业质检中，如何解决缺陷样本极少（数据不平衡）的问题？
- 请分享一个你主导的视觉检测项目，从硬件选型到算法部署的完整流程是怎样的？
- 在复杂光照或反光材质表面，你如何进行图像预处理和缺陷提取？
- 如何平衡深度学习算法的检测精度与产线要求的实时性（推理速度）？
- 复习经典的图像处理算法及最新的深度学习视觉模型（如YOLO系列、分割模型），并准备2-3个自己最拿手的工业落地项目案例，梳理其中的软硬件协同细节
职位点评
薪资福利75
成长发展85
工作生活50
使命价值80
薪资福利
75中等
岗位为资深算法专家，薪资在制造业研发中具备竞争力，但传统家电行业的整体薪资上限可能略低于纯互联网AI大厂。
薪资信号未披露（AI估算：2.5千–4.5万/月）
成长发展
85较高
工业AI是核心发展方向，岗位涉及前沿深度学习技术与硬件结合，能积累极高的技术壁垒和行业Know-how。
技术前沿前沿/新兴技术
技术栈Python、C++、OpenCV、Halcon、TensorFlow、PyTorch、图像分类、异常检测、图像分割、自监督学习、多模态
业务类型ambiguous
工作生活
50较低
岗位需要深入工厂产线进行硬件部署和调试，工作环境可能涉及车间，且制造业节奏通常较紧凑，WLB相对一般。
工作模式未明确
办公地点工厂/生产基地
加班情况未提及（无法判断）
使命价值
80较高
推动智能制造和工业AI落地，提升产品质量与生产效率，具有较高的产业价值和社会意义。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs