机器视觉技术员

优缺点分析

角色解读

• 可向高级算法工程师或技术专家方向发展，深耕机器视觉领域
• 有机会转向视觉系统架构设计或项目管理岗位
• 随着新能源行业的发展，该领域人才需求旺盛，职业前景广阔
• 负责锂电行业产线上的缺陷检测算法开发与优化，包括图像分割、目标检测等任务
• 设计图像预处理和后处理算法，解决实际生产环境中的光照、噪声等问题
• 将深度学习模型部署到嵌入式设备或边缘计算平台，并进行性能调优
• 与视觉软算团队协作，参与视觉系统的整体方案设计和现场调试
• 熟练掌握PyTorch或TensorFlow，具备模型训练和调优经验
• 熟悉传统图像处理算法，并能与深度学习结合
• 有工业缺陷检测项目经验，了解AOI设备、工业相机和光源选型
• 具备良好的沟通能力和适应工厂环境的能力

申请策略

• 在简历中明确提及适应工厂环境的能力和意愿
• 面试时展示对工业视觉系统整体方案的理解
• 突出工业缺陷检测项目经验，特别是锂电或相关行业的案例
• 强调深度学习模型优化和部署经验，如量化、剪枝、边缘计算
• 展示传统图像处理与深度学习结合的实际应用
• 提及对AOI设备、工业相机和光源选型的了解
• 补充学习模型轻量化技术，如TensorRT、OpenVINO等
• 熟悉嵌入式平台（如Jetson、FPGA）的部署流程

面试指南

• 采用STAR法则回答项目经验问题，突出具体行动和结果
• 对于技术问题，先阐述基本原理，再结合项目实例说明
• 强调解决问题的思路和团队协作能力
• 请介绍一个你负责的缺陷检测项目，包括算法选型和优化过程
• 如何处理工业场景中光照变化和噪声干扰？
• 你如何将深度学习模型部署到嵌入式设备？遇到过哪些挑战？
• 谈谈你对YOLO和Mask R-CNN的理解，如何选择？
• 如何与跨团队协作，确保视觉系统顺利上线？