吉利汽车
工业视觉开发岗
工业视觉开发岗
发布于 大约 14 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
3D点云
Opencv
Pytorch
图像处理
工业视觉
模型轻量化
深度学习
缺陷检测
值不值得投
71综合评分
综合评分 71
大型车企工业视觉开发岗，技术前沿、成长空间大，但需现场办公和出差，WLB一般。
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
14K
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 1370 个在招
职位详情
关于这个职位
该职位主要负责吉利汽车工业视觉平台的功能模块开发，包括图像采集、预处理、特征提取、缺陷检测和尺寸测量等，同时参与深度学习模型的训练与优化，并协助视觉系统与生产设备的集成联调
适合对工业视觉和机器学习有浓厚兴趣、具备Python或C++基础，并希望深入工业场景落地应用的求职者
最低要求
计算机视觉、图像处理、自动化、电子信息、计算机科学等相关专业
熟练掌握 Python 或 C++ 中至少一门，具备良好的代码规范意识
有图像处理相关项目或竞赛经验者优先
掌握 OpenCV 等图像处理库的基础使用，了解卷积神经网络原理
熟悉 PyTorch框架，有模型训练与评估实践经历者优先（含课程项目、比赛、毕设等）
对工业视觉、机器学习技术有浓厚兴趣，能够主动跟踪行业前沿技术，快速将新知识应用于实际问题
能接受短期现场支持或出差（如产线调试）
具备良好的表达与协作能力，能清晰描述技术问题与解决思路
认真负责，有较强的抗压能力
工作职责
视觉算法开发与调试：参与汽车工业视觉平台的功能模块开发，包括图像采集、预处理、特征提取、缺陷检测、尺寸测量等，完成模块编码、测试与调优
深度学习模型训练与优化：参与缺陷检测、图像分割等深度学习模型的数据标注、训练、评估与迭代优化工作，结合工业场景需求探索模型精度与推理速度的平衡方案
视觉系统集成与联调支持：协助完成视觉系统与生产设备的集成联调工作，参与现场测试与问题排查，逐步积累工业视觉落地部署经验
技术调研与文档沉淀：跟踪深度学习、3D点云、模型轻量化部署等前沿技术动态，整理技术调研报告，协助团队评估新技术在工业视觉场景中的适用性
完成团队合作任务，如前沿技术分享、工作案例分享等，辅助团队能力提升
AI 洞察
优缺点分析
优点
- 吉利汽车作为大型上市企业，平台稳定，能接触到真实的工业视觉应用场景，积累宝贵的落地经验
- 岗位涉及深度学习、3D点云、模型轻量化等前沿技术，技术成长空间大
- 有机会参与完整的视觉系统集成与部署流程，提升综合工程能力
- 工业视觉场景对算法精度和推理速度要求高，需要不断优化和调试，工作强度可能较大
- 需要接受短期现场支持或出差，可能涉及产线调试，工作环境相对艰苦
- 作为开发岗，需要持续学习新技术，保持技术敏感度
- 适合对工业视觉和机器学习有浓厚兴趣，具备扎实编程基础，愿意深入工业现场解决实际问题的求职者
缺点 / 挑战
暂无明显挑战项
角色解读
- 从工业视觉开发工程师起步，逐步积累工业视觉落地部署经验，向高级视觉算法工程师或技术专家方向发展
- 可向深度学习算法工程师、视觉系统架构师等方向转型，负责更复杂的视觉系统和算法优化
- 在吉利汽车等大型制造企业，有机会参与前沿技术研究，向技术管理或项目管理方向发展
- 参与工业视觉平台的功能模块开发，包括图像采集、预处理、特征提取、缺陷检测和尺寸测量等，负责模块编码、测试与调优
- 参与深度学习模型的数据标注、训练、评估与迭代优化，探索模型精度与推理速度的平衡方案
- 协助视觉系统与生产设备的集成联调，参与现场测试与问题排查，积累工业视觉落地部署经验
- 跟踪深度学习、3D点云、模型轻量化部署等前沿技术动态，整理技术调研报告，评估新技术在工业场景中的适用性
- 熟练掌握 Python 或 C++ 中至少一门，具备良好的代码规范意识
- 掌握 OpenCV 等图像处理库的基础使用，了解卷积神经网络原理
- 熟悉 PyTorch 框架，有模型训练与评估实践经历者优先
- 具备良好的表达与协作能力，能清晰描述技术问题与解决思路
申请策略
- 关注吉利汽车在宁波的招聘动态，了解工业视觉团队的业务方向
- 在面试中展示对工业视觉落地挑战的理解，如精度与速度的平衡、现场环境适应性等
- 突出图像处理或计算机视觉相关的项目经验、竞赛经历或毕业设计，展示实际动手能力
- 强调 Python 或 C++ 编程能力，以及 OpenCV、PyTorch 等工具的使用经验
- 如有模型训练、调优或部署经验，务必详细描述，体现对深度学习流程的掌握
- 展示对工业视觉、机器学习前沿技术的关注和主动学习能力
- 提前熟悉 OpenCV 和 PyTorch 的常用功能，尝试完成一个简单的图像分类或目标检测项目
- 了解工业视觉常见应用场景，如缺陷检测、尺寸测量，可查阅相关案例或论文
面试指南
- 使用 STAR 法则（情境、任务、行动、结果）描述项目经验，突出你的技术贡献和成果
- 对于技术问题，先阐述基本原理，再结合具体场景分析，最后提出解决方案
- 对于现场调试问题，强调你的问题排查思路、沟通协作能力和抗压能力
- 请描述一个你使用 OpenCV 或 PyTorch 完成的图像处理或深度学习项目
- 如何平衡模型精度和推理速度？请举例说明
- 在工业视觉场景中，如何设计一个缺陷检测系统？
- 你如何应对现场调试中遇到的突发问题？
- 请解释卷积神经网络的基本原理
职位点评
薪资福利70
成长发展85
工作生活50
使命价值75
薪资福利
70中等
作为上市大型企业，薪资福利相对稳定，但具体薪资未披露，需面议。
薪资信号面议 (10K-18K/月)
成长发展
85较高
岗位涉及深度学习、3D点云、模型轻量化等前沿技术，技术成长空间大，且明确要求跟踪前沿技术。
技术前沿前沿/新兴技术
技术栈Python、C++、OpenCV、PyTorch、深度学习、3D点云、模型轻量化
成长机会技术调研、前沿技术分享
业务类型ambiguous
工作生活
50较低
工作地点在宁波，需接受短期现场支持或出差，工作强度可能较大，WLB一般。
工作模式仅现场办公
办公地点工厂/生产基地
加班情况JD含高强度暗示词
使命价值
75中等
汽车工业视觉属于智能制造领域，行业前景好，但JD未明确提及社会价值导向。
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