吉利汽车
图像算法工程师-易易
图像算法工程师-易易
发布于 大约 8 小时前普通员工/个人贡献者
中国
中级经验
全职员工
仅现场办公
硕士
计算机视觉工程
Yolo
图像分类
模型优化
深度学习
目标检测
计算机视觉
语义分割
工业缺陷检测
AI 估算 · 25k–45k
硕士学历+2年经验，计算机视觉算法岗，新能源行业前景好，薪资具有竞争力。
职位详情
关于这个职位
作为吉利汽车集团的图像算法工程师，你将专注于换电站场景下的计算机视觉算法研发，包括电池外观缺陷检测、设备异常识别等核心能力
工作涉及深度学习模型的设计、优化与工程化部署，并与硬件、嵌入式团队协作完成系统集成
该职位适合有2年以上视觉算法经验、对工业落地场景感兴趣的工程师
最低要求
硕士及以上学历，计算机视觉、模式识别、图像处理、人工智能等相关专业
年以上图像识别/计算机视觉算法开发经验，有项目落地经历
熟练掌握目标检测（YOLO系列等）、图像分类、语义分割等主流算法
熟悉 Linux 开发环境，掌握 Docker 容器化部署，具备算法工程化落地能力
具备创新思维，能够针对业务痛点提出创造性的技术方案
良好的沟通协作能力，能推动跨团队技术问题的解决
工作职责
负责换电站场景下的图像识别算法研发，包括电池外观破损检测、设备异常状态识别、安全风险预警等核心能力搭建
设计并优化目标检测、图像分类、语义分割等深度学习模型，提升算法在复杂工业环境下的准确率与实时性
负责算法模型的训练、评估、调优及工程化部署，确保算法在实际生产环境中稳定高效运行
跟踪计算机视觉领域前沿技术，结合换电业务场景进行技术创新与落地验证
与硬件、嵌入式、平台等团队协作，完成算法与换电站系统的集成联调
参与算法相关技术文档、专利的撰写与沉淀
优先资格
优先条件：
有工业缺陷检测、表面瑕疵检测等实际项目经验
有模型轻量化及推理性能优化经验
有新能源、智能制造等行业背景
AI 洞察
优缺点分析
优点
- 新能源行业前景好，技术应用场景明确，可积累工业视觉和算法工程化经验
- 工业环境复杂，算法准确率和实时性要求高，需要跨团队协作，工作强度可能较大
- 适合有计算机视觉背景，对工业应用场景感兴趣，希望深入算法工程化的工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 从算法工程师向高级算法工程师、技术专家或技术管理方向发展，积累工业视觉领域经验
- 负责换电站场景下的图像识别算法研发，包括电池外观破损检测、设备异常状态识别等核心能力搭建
- 熟练掌握目标检测（YOLO系列）、图像分类、语义分割等主流算法，熟悉Linux和Docker部署
申请策略
- 关注吉利在换电领域的布局，了解其技术方向，展示对工业视觉场景的理解
- 突出目标检测、图像分类等算法项目经验，强调工业缺陷检测或相关落地案例
- 补充模型轻量化、推理性能优化经验，了解新能源或智能制造行业知识
面试指南
- 结合项目经验，说明算法选型、优化过程、工程化部署和跨团队协作的具体做法
- 请介绍一个你负责的图像识别项目，如何设计模型并优化性能？
- 如何处理工业场景下光照、遮挡等复杂环境对检测精度的影响？
- 你如何将训练好的模型部署到生产环境，并保证实时性？
- 如何与硬件或嵌入式团队协作，解决算法集成中的问题？
- 复习目标检测、图像分类等经典模型，准备项目案例，了解换电行业和工业视觉应用
职位点评
69
综合评分
新能源巨头，前沿技术栈，成长空间大，但工作地点和WLB不明确。
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。
更适合这类人
适合追求技术成长、对新能源行业有热情，且能接受一定工作强度的算法工程师。
表现最好
成长发展
相对薄弱
工作生活
薪资福利70
成长发展80
工作生活50
使命价值75
薪资福利
70中等
薪资未明确，但作为上市巨头企业，薪资福利通常具有竞争力，且新能源行业前景好。
薪资信号未披露（AI估算：25K-45K/月）
成长发展
80较高
技术栈主流，涉及工业视觉前沿应用，有技术创新和专利机会，成长空间大。
技术前沿前沿/新兴技术
技术栈计算机视觉、目标检测、YOLO、图像分类、语义分割、Docker、Linux
业务类型profit_center
工作生活
50较低
工作地点未明确，可能涉及现场办公，工作强度可能较高，WLB信号不足。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
75中等
新能源换电行业属于高速增长赛道，对绿色出行有积极贡献，社会价值较高。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs