图像识别算法工程师（巡检机器人方向）

【自研项目，非外包】 【岗位职责】 算法研发与优化 开展巡检机器人视觉感知算法的开发工作，涵盖目标检测、识别、图像分割、缺陷识别、OCR文字识别等方向。 针对电力、化工、能源等行业中常见的复杂光照、反光、遮挡等实际工况，持续优化算法表现，增强系统鲁棒性。 设计并实现多模态融合方案（视觉+红外+激光雷达/深度相机），提升检测准确率与运行稳定性。 模型部署与工程化 在机器人搭载的嵌入式平台（NVIDIA/RK3588/x86）上完成模型部署、推理加速及性能调优。 运用TensorRT、OpenVINO、ONNX Runtime等工具进行模型压缩与加速处理。 配合嵌入式软件团队完成算法模块与机器人控制系统（ROS/ROS2）的接口对接与集成。 数据管理与模型迭代 参与工业巡检专用数据集的建设，包括图像采集、标注整理、数据清洗及增强策略设计。 构建从模型训练、验证到上线部署的完整闭环流程，增强模型泛化能力与场景适应性。 新技术探索 关注计算机视觉与多模态AI在工业巡检领域的前沿进展，评估新技术在当前项目中的可行性与应用价值。 【任职要求】 学历与经验 全日制本科起点，计算机、自动化、电子工程、人工智能等相关专业硕士及以上学位（特别优秀的本科生可酌情考虑）。 具有2年以上工业视觉、机器人视觉或AI检测类算法研发工作经验。 技术能力 熟练掌握主流深度学习框架（如PyTorch/TensorFlow/MMDetection/YOLO等），能独立完成模型训练与参数调优。 掌握常见视觉任务算法：目标检测（YOLO/DETR）、语义与实例分割（UNet/Mask-RCNN）、OCR、关键点定位、异常识别等。 有工业场景下缺陷识别、仪表读数、阀门/开关状态判断、指针识别、热成像分析等项目经验者优先。 精通C++或Python编程，具备较强的算法落地能力。 具备模型在边缘设备部署优化经验（如TensorRT、OpenVINO、ONNX、NCCL、多线程加速等）者更佳。 领域知识 了解工业巡检机器人的应用场景与任务特点，熟悉室内外巡检流程、设备识别逻辑及环境语义理解需求。 熟悉ROS/ROS2或其他机器人软件架构者优先考虑。 具备多传感器融合（RGB+IR、RGB+D、视觉+激光雷达）实际项目经验者优先。 综合素质 具备扎实的问题分析与解决能力，能够独立推进算法模块的研发任务。 具备良好协作意识，可与硬件、嵌入式、控制等多职能团队高效协同。 对人工智能在机器人系统中的实际应用充满热情，富有创新思维。 【加分项】 拥有电力、石化、轨道交通、特种机器人等领域巡检算法开发经历者优先。 有自主完成并落地的算法项目，或可提供开源项目（GitHub/论文/技术博客）成果展示。 熟悉SLAM技术或多模态导航感知系统架构者优先。