小米机器视觉开发工程师

任职要求

专业技能
- 编程基础
  - 精通 Python（主流库：OpenCV, Pillow, Scikit-image, NumPy）
  - 掌握 C++（工业领域高性能系统开发）
  - 熟悉 MATLAB（算法原型验证）
- 计算机视觉算法
  - 传统方法：
    - 特征提取算法：SIFT（尺度不变特征变换），HOG（方向梯度直方图），Haar 特征
    - 分类与匹配算法：SVM（支持向量机），决策树 / 随机森林
  - 深度学习：
    - 模型应用：CNN（分类/检测）、YOLO、Mask R-CNN、U-Net（分割）
    - 框架实战：PyTorch, TensorFlow, Keras
- 工具与框架
  - 开源库：OpenCV（必备）、Dlib, VLFeat
  - 工业软件：Halcon, VisionPro, Cognex（熟悉可加分）
  - 点云处理：PCL（Point Cloud Library）, Open3D
- 硬件与系统集成
  - 相机技术：CCD/CMOS传感器、镜头选型、光源设计
  - 协议掌握：GigE Vision, USB3 Vision, GenICam
  - 工业总线：EtherCAT, PROFINET（与PLC协同）
  - 嵌入式部署：TensorRT, OpenVINO（模型优化加速）
- 全流程开发经验
  - 需求分析 → 方案设计 → 算法选型 → 代码实现 → 系统测试 → 现场部署
- 加分技能：
  - 熟悉海康VM平台（机器人&视觉检测）应用开发
软性素质
- 问题拆解与创新思维
  - 将模糊的工业需求（如“检测产品缺陷”）转化为可量化的技术指标
  - 针对场景创新算法（如设计抗反光的光学方案）
- 跨领域协作能力
  - 与机械/电气工程师沟通硬件集成
  - 向非技术人员解释技术瓶颈
- 极致细节关注
  - 识别图像中的噪点、畸变、边缘模糊等细微问题
  - 数据标注质量把控（避免“垃圾进，垃圾出”）
  - 应对现场环境突变（温度/振动影响成像）
  - 持续跟进新技术（如Transformer在视觉的应用）

工作职责

- 视觉系统设计与开发
  - 方案设计与硬件选型
    - 根据应用场景（如工业检测、机器人导航）设计视觉系统架构，完成相机（工业相机/RGB-D）、镜头、光源及滤镜的选型与光学方案验证，解决眩光、阴影等干扰问题。
    - 制定多角度照明策略，优化图像采集质量，确保被测物特征清晰可识别。
  - 软件架构搭建
    - 开发上位机软件界面（使用Qt/WPF/WM等工具），集成图像采集、处理及控制逻辑模块。
    - 封装算法SDK，适配嵌入式或边缘计算平台，优化资源调度与执行效率。
- 算法开发与优化
  - 传统与深度学习算法应用
    - 开发图像处理算法（如目标定位、OCR、尺寸测量、缺陷检测），使用OpenCV/Halcon/VisionPro等库实现功能模块。
    - 研究闭环检测、传感器融合（VIO）、三维重建（SLAM/TSDF）等前沿技术，提升系统精度。
- 系统集成与调试
  - 跨设备协同开发
    - 与电气/机械工程师协作，将视觉系统集成到PLC控制的生产线或机器人中，制定通信协议与流程逻辑。
    - 在客户现场调试系统，解决定位偏差、漏检误检等问题，确保系统稳定运行
  - 多传感器融合
    - 实现视觉与IMU、激光雷达等传感器的数据融合，提升定位或检测可靠性（如自动驾驶感知、机器人导航）
- 技术文档与支持
  - 编写设计方案、测试报告及操作手册，沉淀技术标准。
  - 培训客户或操作人员，提供后期技术升级与故障排查支持。
- 技术研究与创新
  - 跟踪计算机视觉领域前沿进展（如神经辐射场、端到端检测模型），评估新技术落地可行性。
  - 主导技术模块复用库开发，提升团队效率。