机器视觉算法开发工程师-Machine Vision Algorithm Engineer(J19651)

优缺点分析

角色解读

• 技术深耕：成长为机器视觉算法专家，掌握更先进的3D视觉、点云处理等技术
• 横向拓展：转向半导体工艺集成或设备工程，成为跨领域技术骨干
• 管理方向：带领视觉团队，负责更大范围的智能制造项目或研发管理
• 负责半导体设备的机器视觉算法开发与优化，提升设备检测和定位精度
• 利用OpenCV、Halcon和C++编写视觉程序，集成工业相机、光源和镜头
• 应用深度学习框架（PyTorch/TensorFlow）解决缺陷检测、对准等复杂问题
• 与设备工程师和供应商协作，推动智能制造和绿色制造项目落地
• 扎实的编程能力：精通C++和OpenCV/Halcon等视觉库
• 深度学习实战经验：熟悉PyTorch或TensorFlow，有图像识别项目经验
• 硬件选型与集成：了解工业相机、光源、镜头选型及调试，有完整视觉系统项目经验
• 问题解决与协作：能适应Fab环境，具备英文阅读能力和团队沟通能力

申请策略

• 提前了解长鑫存储的产品线和技术方向，在面试中展现对半导体行业的兴趣
• 准备一个完整的视觉项目案例，从需求分析到最终部署，展示系统思维
• 突出机器视觉项目经验，特别是完整系统集成的案例，包括硬件选型、算法开发、部署效果
• 强调深度学习在检测/分类中的应用，附上项目成果和量化指标（如准确率、速度）
• 展示C++和OpenCV的熟练程度，如有性能优化经验更佳
• 体现半导体或相关精密制造行业背景，或对Fab环境的适应意愿
• 补强工业相机和光源选型知识，如线扫描、面阵相机区别，光源颜色和角度选择
• 练习典型视觉任务（如定位、测量、缺陷检测）的代码实现，熟悉Halcon的算子

面试指南

• STAR法则：描述项目背景、任务、你的行动和结果，突出量化指标
• 分点回答：先给出核心思路，再补充细节和备选方案，体现系统思考
• 结合实际案例：引用自己项目中的具体参数和调试过程，增强可信度
• 请描述一个你完成的机器视觉系统集成项目，包括硬件选型、算法选择和结果
• 如何用OpenCV实现一个边缘检测并计算缺陷尺寸？
• 在深度学习中，如何处理小样本缺陷检测问题？
• 工业相机选型时需要考虑哪些参数？光源类型如何影响成像质量？
• 如何优化视觉算法的实时性？举例说明