视觉工程师 - EDC

优缺点分析

角色解读

• 技术专家路线：深耕机器视觉算法与系统，在机器视觉或AI检测领域成为技术权威
• 技术管理路线：带领视觉技术团队，负责更大范围的视觉系统规划与团队管理
• 解决方案路线：转向智能制造或工业自动化领域的整体解决方案设计与咨询
• 设计和开发用于生产线质量检测与定位的工业机器视觉系统（CCD系统）
• 使用C#编程语言和Halcon/OpenCV等视觉库，实现视觉算法的工程化落地
• 独立负责视觉项目从开发、测试到现场部署、维护的全流程，并快速响应产线需求
• 参与视觉系统架构设计，并负责推动集团内部视觉技术与流程的标准化工作
• 精通C#编程和.NET平台，具备扎实的软件开发与调试能力
• 至少熟练掌握一种主流机器视觉软件库（如Halcon、OpenCV、VisionPro）
• 拥有工业自动化或机器视觉项目的实际经验，理解工业现场环境与需求
• 具备系统架构设计、技术选型能力，并有持续学习新技术、研究解决方案的意愿

申请策略

• 深入了解宁德时代的电池生产流程，思考视觉技术在其中可能的应用场景和价值点
• 面试时准备一两个最具代表性的视觉项目，详细阐述你遇到的挑战、解决方案和最终效果
• 详细描述过往工业视觉或自动化项目经验，突出使用C#、Halcon/OpenCV等技术解决具体问题的案例
• 强调独立负责项目全生命周期（从开发到维护）的能力，以及与现场团队协作解决问题的经验
• 如有，可列出在系统架构设计、性能优化或技术选型方面的思考和实践
• 突出与质量控制、生产效率提升相关的成果（如检测精度、速度提升等）
• 可以进一步巩固或拓展在深度学习在工业视觉中的应用知识，这是当前的重要趋势
• 熟悉工业通信协议（如Modbus、TCP/IP）和PLC基础知识，有助于更好地理解现场集成

面试指南

• 对于项目经验问题，使用STAR法则：清晰说明项目背景(S)、你的任务(T)、采取的技术方案和行动(A)、最终达成的量化结果(R)
• 对于技术选型和对比问题，从性能、易用性、生态、与工业硬件集成难易度等多个维度进行客观分析，并结合具体项目场景说明你的选择理由
• 对于现场问题排查类问题，展现你系统性的排查思路：从软件逻辑、算法参数、图像采集硬件、现场环境干扰等多个层面逐步分析
• 请介绍一个你独立负责的机器视觉项目，你在其中承担什么角色？遇到了哪些技术难点，是如何解决的？
• 在Halcon和OpenCV中，你更倾向于在什么场景下使用哪个？为什么？
• 当你开发的视觉系统在产线上出现误检或漏检，你会如何分析和定位问题？
• 如果让你设计一个全新的电池外观缺陷检测系统，你的整体技术思路是什么？
• 对于推动视觉技术标准化，你有哪些初步的想法或经验？