图像处理算法工程师

优缺点分析

角色解读

• 从初级算法工程师成长为能独立主导复杂视觉项目落地的核心骨干
• 未来可向计算机视觉架构师、AI技术专家或视觉算法团队负责人方向发展
• 负责图像采集、预处理、缺陷检测、OCR等场景的算法方案设计与开发
• 使用OpenCV进行传统图像处理，并将算法模型适配到PC或嵌入式平台进行量化加速
• 与硬件工程师协作，调试相机、光源等参数，解决现场成像与算法效果问题
• 扎实的计算机视觉与数字图像处理基础，熟练使用OpenCV
• 了解相机成像原理及标定流程，具备算法在PC及嵌入式平台部署与加速（如TensorRT、OpenVINO）的能力
• 具备良好的英语读写与沟通能力，能撰写英文文档并进行技术交流

申请策略

• 了解格创东智在工业互联网和智能制造领域的业务布局，准备相关的行业认知
• 准备好英文自我介绍或技术文档撰写能力的证明，以应对英语能力要求
• 突出在工业缺陷检测、医疗影像或OCR等垂直场景的实际项目经验及落地成果
• 强调模型量化、加速（TensorRT/OpenVINO）及嵌入式平台部署的经验
• 展示与硬件团队联调相机、光源参数，解决现场成像问题的实际案例
• 深入学习TensorRT或OpenVINO等推理加速框架，提升模型在边缘侧的部署能力
• 复习并巩固相机标定、畸变校正等底层视觉几何知识，提升软硬结合能力

面试指南

• STAR法则：针对项目经验，从情境、任务、行动、结果四个维度清晰阐述，重点突出技术难点和解决思路
• 软硬结合思路：回答现场问题时，强调不仅从算法层面（如图像增强、滤波）解决，还会结合硬件（光源、镜头）进行综合调优
• 请详细描述一个你独立完成的图像类项目，包括方案选型、算法实现及最终落地效果
• 在模型部署到嵌入式平台时，你使用了哪些量化和加速技术？遇到了什么性能瓶颈及如何解决的？
• 如果现场成像环境发生变化（如光照不均、反光），你会如何调整算法策略或硬件参数？
• 请解释一下多相机标定的流程，以及畸变校正的原理
• 复习OpenCV核心函数及传统图像处理算法的底层原理，准备手写或口述关键代码逻辑
• 梳理过往项目中的模型加速数据（如FPS提升、内存占用降低等），用具体数据证明你的优化能力