PACK软件开发-视觉

优缺点分析

角色解读

• 技术专家路线：深耕工业视觉与深度学习算法，成为公司内部视觉技术权威或架构师
• 技术管理路线：凭借项目经验和团队协作能力，晋升为视觉技术团队负责人或项目经理
• 跨领域发展：结合对电池制造工艺的理解，向智能制造、工业4.0解决方案专家方向拓展
• 负责新能源电池PACK产线上视觉检测系统的全流程工作，从项目导入、方案评审、软件开发调试到后期维护
• 开发和优化基于VisionPro、Halcon、OpenCV等工具的机器视觉程序，用于缺陷检测和精准定位
• 应用YOLOv8、TensorFlow等深度学习框架，解决复杂的工业缺陷检测问题
• 制定视觉技术标准，并为各生产基地提供技术支持和人员培训
• 扎实的工业视觉系统开发能力，精通VisionPro、Halcon等至少一种主流视觉软件
• 熟练使用C#或Python进行视觉应用开发和二次开发
• 具备深度学习模型（如YOLO系列）在缺陷检测场景下的应用与调试经验
• 了解PLC通讯原理，能实现视觉系统与产线设备的联动

申请策略

• 深入研究吉利汽车在新能源电池领域的发展战略、技术路线和主要生产基地，以便在面试中展现你对公司业务的理解
• 准备一个从识别生产问题、设计视觉方案、开发调试到最终上线的完整项目复盘，清晰展示你的全流程能力
• 突出5年以上新能源制造（模组/PACK）相关的视觉系统开发、调试与优化项目经验
• 详细描述使用VisionPro/Halcon/C#/Python等工具进行视觉开发的具体项目案例，特别是3D视觉和深度学习缺陷检测项目
• 列举成功将视觉检测合格率提升或解决疑难视觉问题的具体成果和数据
• 强调参与的视觉标准制定、技术培训或跨基地推广等体现综合能力的经历
• 系统复习和实践C#与视觉SDK（如VisionPro）的集成开发，以及PLC通讯（如Modbus、TCP/IP）的具体实现
• 深入研究并实践YOLOv8/V11等前沿深度学习框架在工业缺陷检测中的应用，准备自己的模型案例

面试指南

• 对于项目经验问题，使用STAR法则（情境、任务、行动、结果）结构化描述，重点突出你的技术决策、问题解决过程和最终量化成果
• 对于技术方案选型问题，结合具体应用场景（如尺寸、精度、速度、环境），对比不同技术的原理、成本和适用性，体现你的综合判断能力
• 对于技术对比和趋势问题，先客观分析各种技术的优缺点，再结合你的实际项目经验说明你的应用策略和思考，避免绝对化
• 请介绍一个你主导过的最复杂的工业视觉项目，从方案选型、开发到上线遇到的主要挑战及如何解决？
• 你如何评估和选择2D、3D结构光或3D线扫等不同的视觉技术方案来解决特定的检测问题？
• 在缺陷检测中，传统机器视觉算法和深度学习算法各自有什么优缺点？你通常如何做技术选型或融合？
• 当视觉系统在生产线出现不稳定或误检漏检时，你的排查和优化思路是怎样的？
• 你如何看待工业视觉技术的发展趋势，特别是AI和3D视觉在制造业中的应用前景？