海信
视觉算法工程师(J43082)
视觉算法工程师(J43082)
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
图像分割
工业Ai
机器视觉
深度学习
目标检测
值不值得投
71综合评分
综合评分 71
海信智能制造核心视觉岗，技术栈前沿且全链路落地机会多，稳定性高，但需深入厂区现场。
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
2万
比计算机视觉工程中位数低
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
市场机会
选择不多
青岛 · 计算机视觉工程 · 3 个在招
职位详情
关于这个职位
该职位主要负责海信平台视觉顶层规划与工业AI视觉场景发掘，涵盖机器视觉项目的导入、自研及现场软硬件选型与调试
你需要跟踪前沿视觉技术，进行算法创新与工程实践，同时负责视觉设备的运维管理与人才培养
最低要求
专业要求：计算机、自动化、人工智能、机电等相关专业统招本科及以上学历
知识要求：
熟悉计算机视觉、图像处理、模式识别、机器学习等理论
熟悉深度学习基础，包括CNN、目标检测、图像分割、分类、特征提取等核心算法原理
了解常见视觉任务：目标检测、OCR、图像分类、关键点检测等
了解深度学习训练流程，包括数据预处理、数据增强、模型训练、调参、评估指标
技能要求：
具备机器视觉的理论基础，熟悉工业相机、镜头、光源等硬件产品选型
具备C#/C++/Python等语言能力，有面向对象的编程思想，有良好的编程习惯和代码规范
熟练掌握Python编程，熟练使用主流机器学习和深度学习框架（如scikit-learn、TensorFlow、PyTorch等），能够完成从数据处理、模型训练到模型部署的完整流程
熟练掌握Visionpro/Halcon/OpenCV/VisionMaster等主流算法库的使用
个性要求：
认同并践行海信文化，具备系统性思维和持续改进的意识
具备耐心和热情，乐于分享知识和培养他人
优秀的沟通协调能力、团队合作精神和跨部门影响力
工作职责
负责平台视觉顶层规划，负责视觉引导、质量检测等视觉领域场景发掘，提供解决方案
负责机器视觉标准化制定，统筹视觉平台管理，开发视觉培训课程，培养视觉人才
负责机器视觉项目的导入和自研，负责视觉项目的现场软硬件选型、开发调试、验收，保障项目落地
承接上级指标，维护所负责厂区内视觉设备生产状况、点检保养、升级运维等综合管理工作
跟踪并研究工业AI视觉新前沿技术，持续输出算法创新点和工程具体实践
优先资格
年及以上机器视觉相关工作经验
熟悉常见的图像处理算法
有目标检测/分类/OCR/缺陷检测/行为识别等实际落地项目经验
AI 洞察
优缺点分析
优点
- 依托海信庞大的智能制造场景，拥有丰富的工业视觉落地机会与海量数据资源，利于算法工程化能力的快速积累
- 岗位涵盖从顶层规划、算法研发到硬件选型与运维的全链路工作，能培养全面的系统级解决问题能力
- 工业现场环境复杂，对算法的鲁棒性和实时性要求极高，且需频繁处理软硬件联调与现场突发问题
- 适合具备3年左右机器视觉经验，既懂算法又懂硬件与工程落地，且愿意深耕智能制造与工业AI领域的复合型技术人才
缺点 / 挑战
- 作为传统制造巨头向智能化转型的核心技术岗，职业稳定性较高，且能享受大平台的完善福利体系
- 岗位不仅要求算法能力，还涉及设备运维、标准化制定与培训等综合性管理工作，对精力和多线程处理能力要求较高
角色解读
- 纵向可发展为视觉算法专家或首席架构师，深耕工业AI与机器视觉前沿技术
- 横向可向机器视觉技术总监或智能制造项目负责人转型，统筹更大规模的视觉平台与团队管理
- 负责工业场景下的机器视觉顶层规划与算法研发，涵盖视觉引导、质量检测等核心场景的解决方案设计
- 主导视觉项目的落地实施，包括现场软硬件选型、开发调试、验收以及后续的设备运维与升级
- 跟踪工业AI视觉前沿技术，进行算法创新，并制定机器视觉标准化流程与内部培训体系
- 扎实的计算机视觉与深度学习理论基础，熟练掌握CNN、目标检测、图像分割等核心算法及PyTorch/TensorFlow等框架
- 精通Python/C++/C#编程，熟悉OpenCV、Halcon、VisionPro等主流机器视觉算法库及工业相机、光源等硬件选型
- 具备从数据处理、模型训练到部署的完整工程落地能力，以及良好的跨部门沟通与项目管理能力
申请策略
- 提前了解海信在智能制造和家电生产中的视觉应用场景，面试时可结合具体产线痛点提出初步的视觉解决方案
- 重点突出在工业缺陷检测、视觉引导或OCR等场景的实际落地项目，强调算法带来的良率提升或效率优化指标
- 展示对Halcon、VisionPro等工业视觉软件及OpenCV的熟练度，以及工业相机、光源等硬件选型经验
- 体现从模型训练到边缘端部署的完整闭环能力，以及跨部门协作推动项目落地的经验
- 加强对工业现场常见干扰（如光照变化、反光、粉尘）的图像处理算法研究，提升算法鲁棒性
- 了解模型轻量化与边缘计算部署技术（如TensorRT），以适应工业现场对实时性的严苛要求
面试指南
- 采用STAR法则回答项目经验：明确场景痛点（Situation），设定目标（Task），详细说明算法选型、硬件搭配与工程优化手段（Action），最后用具体数据（如良率提升、节拍缩短）展示成果（Result）
- 针对技术难题，采用'问题分析-理论方案-工程妥协-验证迭代'的框架，展现系统性思维与现场解决实际问题的能力
- 请分享一个你主导的机器视觉落地项目，详细说明软硬件选型、算法方案及最终落地效果
- 在工业缺陷检测中，如果遇到样本极度不平衡或光照变化剧烈的情况，你会如何优化算法？
- 如何平衡视觉算法的精度与工业现场要求的实时性？请结合具体框架或部署工具说明
- 在跨部门协作中，如果生产部门对视觉检测设备的误判率不满意，你会如何排查问题并改进？
- 复习深度学习经典网络（如ResNet, YOLO系列）及其在工业场景的改进变体，熟悉TensorRT等模型加速部署工具
- 了解海信的主营产品线（如电视、冰箱、空调）及其生产工艺流程，思考哪些环节最需要机器视觉介入
职位点评
薪资福利70
成长发展80
工作生活60
使命价值75
薪资福利
70中等
海信作为知名制造企业，薪资在青岛地区具备一定竞争力，但相比一线城市互联网大厂仍有差距，整体福利体系完善，稳定性高。
薪资信号未披露（AI估算：1.5千–2.5万/月）
成长发展
80较高
岗位涉及工业AI前沿技术跟踪与全链路视觉项目落地，技术深度与广度兼具，且包含内部培训与标准化制定，利于个人技术影响力和系统思维的提升。
技术前沿前沿/新兴技术
技术栈机器视觉、深度学习、CNN、目标检测、图像分割、PyTorch、TensorFlow、OpenCV、Halcon
成长机会开发视觉培训课程、培养视觉人才、跟踪并研究工业AI视觉新前沿技术
业务类型ambiguous
工作生活
60中等
岗位需负责现场软硬件选型、调试及厂区设备运维，大概率需要频繁深入生产车间，工作环境和节奏受生产计划影响较大，WLB情况未明确。
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
75中等
推动传统制造业向智能化、AI化转型，通过机器视觉提升产品质量与生产效率，具有明确的产业升级价值与社会意义。
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