顺丰速运
机器视觉算法高级工程师
机器视觉算法高级工程师
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
Onnx Runtime
Opencv
Tensorrt
图像识别
机器视觉
边缘计算
值不值得投
75综合评分
综合评分 75
大厂核心算法岗、技术栈实用、需现场调试、WLB中等
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
3.3万
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 590 个在招 · 其中计算机视觉工程 2 个
市场机会
选择面较广
上海 · 计算机视觉工程 · 约 120 个在招
职位详情
关于这个职位
负责顺丰物流场景下的机器视觉算法开发与落地，重点解决条码/二维码视频流识别及边缘端部署问题
需精通C++与OpenCV，具备传统图像处理及轻量化模型调优能力，能够输出标准化SDK组件并独立排查全链路技术问题
最低要求
本科及以上学历，计算机、自动化、电子信息、机器视觉等相关专业，3年及以上机器视觉/工业视觉算法开发落地经验
精通C/C++，熟练使用OpenCV，具备扎实的数字图像处理基础，掌握传统图像处理方法的适用场景与优化手段
拥有完整的条码/二维码视频流识别项目落地经验，熟悉ZBar、ZXing等主流解码库的原理与优缺点，具备独立的解码优化能力
熟悉轻量化目标检测模型原理与调优方法，具备边缘端部署经验，了解ncnn、ONNX Runtime、TensorRT等至少一种推理框架
具备良好的工程化能力与代码规范意识，能够输出可复用的SDK组件与标准化技术文档
具备较强的问题排查能力，能够独立定位并解决成像、算法、部署全链路的技术问题
工作职责
工作职责:
基本要求
本科及以上学历，计算机、自动化、电子信息、机器视觉等相关专业，3年及以上机器视觉/工业视觉算法开发落地经验
精通C/C++，熟练使用OpenCV，具备扎实的数字图像处理基础，掌握传统图像处理方法的适用场景与优化手段
拥有完整的条码/二维码视频流识别项目落地经验，熟悉ZBar、ZXing等主流解码库的原理与优缺点，具备独立的解码优化能力
熟悉轻量化目标检测模型原理与调优方法，具备边缘端部署经验，了解ncnn、ONNX Runtime、TensorRT等至少一种推理框架
具备良好的工程化能力与代码规范意识，能够输出可复用的SDK组件与标准化技术文档
具备较强的问题排查能力，能够独立定位并解决成像、算法、部署全链路的技术问题
岗位要求:
基本要求
本科及以上学历，计算机、自动化、电子信息、机器视觉等相关专业，3年及以上机器视觉/工业视觉算法开发落地经验
精通C/C++，熟练使用OpenCV，具备扎实的数字图像处理基础，掌握传统图像处理方法的适用场景与优化手段
拥有完整的条码/二维码视频流识别项目落地经验，熟悉ZBar、ZXing等主流解码库的原理与优缺点，具备独立的解码优化能力
熟悉轻量化目标检测模型原理与调优方法，具备边缘端部署经验，了解ncnn、ONNX Runtime、TensorRT等至少一种推理框架
具备良好的工程化能力与代码规范意识，能够输出可复用的SDK组件与标准化技术文档
具备较强的问题排查能力，能够独立定位并解决成像、算法、部署全链路的技术问题
优先条件
有快递、电商仓储、三方物流、工厂厂内物流相关视觉项目经验，熟悉揽收、分拣、盘点、装车等业务流程
有多传感器融合项目经验（视觉+RFID/激光/称重等），理解不同感知技术的优劣势与互补逻辑
有康耐视、基恩士、新大陆等工业读码器对标测试经验，清楚外购成品的能力边界与成本结构
具备小样本场景快速适配能力，能够通过数据增强、迁移学习、后处理规则快速落地新场景算法
有现场调试与项目交付经验，能够适应短期出差支持核心项目落地
优先资格
有快递、电商仓储、三方物流、工厂厂内物流相关视觉项目经验，熟悉揽收、分拣、盘点、装车等业务流程
有多传感器融合项目经验（视觉+RFID/激光/称重等），理解不同感知技术的优劣势与互补逻辑
有康耐视、基恩士、新大陆等工业读码器对标测试经验，清楚外购成品的能力边界与成本结构
具备小样本场景快速适配能力，能够通过数据增强、迁移学习、后处理规则快速落地新场景算法
有现场调试与项目交付经验，能够适应短期出差支持核心项目落地
AI 洞察
优缺点分析
优点
- 背靠顺丰这样的大型物流巨头，拥有海量真实的工业视觉数据和丰富的应用场景，技术落地价值高
- 接触前沿的边缘计算和轻量化AI技术，技术栈实用且不易过时
- 可能需要频繁出差至仓库一线进行现场调试和交付，工作环境相对艰苦
- 对代码规范和工程化能力要求严格，不仅要懂算法，还要懂软件工程
- 适合喜欢解决实际问题、不排斥去一线现场调试、具备扎实C++功底和工程化思维的算法工程师
缺点 / 挑战
- 作为核心技术岗，在公司内部具有较高的话语权和稳定性
- 物流现场环境复杂（光线变化、污损、高速运动），算法鲁棒性要求极高，调试压力大
角色解读
- 可向计算机视觉专家方向发展，深耕工业视觉领域
- 也可转向算法架构师，负责多传感器融合及整体视觉解决方案的设计
- 随着经验积累，可带领团队攻克更复杂的物流自动化难题
- 负责物流场景中条码/二维码的高效识别算法开发，确保在复杂光照和运动模糊下的高准确率
- 将深度学习模型进行轻量化改造，并在边缘设备（如手持终端、固定摄像头）上进行部署和优化
- 编写高质量的C++代码和SDK，供下游业务系统调用
- 精通C++编程与OpenCV图像处理，深入理解传统视觉算法与深度学习模型的结合点
- 熟悉主流推理框架（TensorRT/ONNX）的边缘端部署优化
- 具备极强的工程落地能力，能解决从成像到算法的全链路Bug
申请策略
- 在简历中明确标注“具备现场调试经验”，这是该岗位的加分项
- 面试前准备一些关于“如何平衡算法精度与推理速度”的具体案例
- 突出展示完整的“算法开发-边缘部署-现场落地”闭环项目经验
- 详细列出使用过的推理框架（如TensorRT加速比）、优化的具体指标（FPS提升、精度保持）
- 强调在复杂场景（如低光照、运动模糊）下的问题解决案例
- 加强C++高性能编程技巧，特别是内存管理和多线程并发
- 深入学习模型量化、剪枝等边缘端部署技术
- 补充对物流业务流程（如分拣、扫描）的理解，以便更好地设计算法
面试指南
- 采用STAR法则（情境、任务、行动、结果）描述项目经历
- 重点突出“问题定位-方案选型-实施细节-最终收益”的逻辑链条
- 对于技术问题，先讲原理，再结合实际场景谈权衡（Trade-off）
- 请介绍一个你主导的条码识别项目，遇到的最大挑战是什么？如何解决的？
- 在边缘设备上部署深度学习模型时，你做过哪些优化？效果如何？
- 对比传统图像处理方法和深度学习方法，在你的项目中是如何选择的？
- 如果现场光线变化导致识别率下降，你会从哪些方面排查和优化？
- 请解释一下NCNN或TensorRT的工作原理及其优势
职位点评
薪资福利78
成长发展85
工作生活60
使命价值70
薪资福利
78中等
顺丰作为上市巨头，薪资福利体系完善，虽然JD未披露具体数字，但此类资深技术岗通常提供具有竞争力的薪酬包。
薪资信号未披露（AI估算：2.5千–4.0万/月）
成长发展
85较高
岗位涉及边缘计算、多传感器融合等前沿技术，且在物流这一垂直领域有深厚的业务积淀，有利于技术深度和行业知识的积累。
技术前沿主流现代技术
技术栈C++、OpenCV、TensorRT、ONNX Runtime、ncnn、目标检测、多传感器融合
业务类型cost_center
工作生活
60中等
岗位明确要求“适应短期出差支持核心项目落地”，意味着工作灵活性受限，可能需要前往仓库一线，WLB受到一定影响。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
70中等
通过技术手段提升物流效率，降低社会物流成本，具有一定的社会价值和行业影响力，属于稳健跟随主流的成熟技术应用。
行业发展稳定成熟行业
社会影响中性/一般
创新程度稳健跟随主流
Watch Jobs