一、 崗位職責(zé) 1. 算法設(shè)計與開發(fā): a) 多模態(tài)數(shù)據(jù)融合算法開發(fā):設(shè)計并實現(xiàn)可見光視頻、紅外視頻、氣體傳感器數(shù)據(jù)的融合算法,解決工業(yè)場景下復(fù)雜環(huán)境干擾(如粉塵、高溫、光照變化)對數(shù)據(jù)準(zhǔn)確性的影響;開發(fā)基于深度學(xué)習(xí)的多傳感器數(shù)據(jù)融合模型,實現(xiàn)設(shè)備狀態(tài)監(jiān)測(如皮帶機(jī)托輥發(fā)熱、死輥、缺輥、皮帶跑偏)與人員行為及環(huán)境識別(如未佩戴安全帽/工服、火情等)的高精度檢測。 b) 設(shè)備故障檢測算法開發(fā):針對石化、鋼鐵、煤炭行業(yè)的關(guān)鍵設(shè)備(如運(yùn)輸皮帶機(jī)、壓力容器、旋轉(zhuǎn)機(jī)械),開發(fā)基于熱紅外圖像的故障檢測算法,實現(xiàn)托輥卡轉(zhuǎn)、筒體磨穿等故障的實時識別與定位。研究軸心軌跡特征識別、振動信號分析等傳統(tǒng)算法與深度學(xué)習(xí)結(jié)合的混合模型,實現(xiàn)設(shè)備早期故障預(yù)警(如軸承銹蝕、潤滑油缺失),降低誤報率。 c) 人員安全監(jiān)測算法開發(fā):基于計算機(jī)視覺技術(shù),開發(fā)人員異常行為識別算法(如摔倒檢測、區(qū)域入侵預(yù)警),結(jié)合姿態(tài)估計和時序建模,實現(xiàn)復(fù)雜工業(yè)環(huán)境下的實時行為分析;設(shè)計多模態(tài)數(shù)據(jù)融合框架(如視頻 + IMU + 氣體濃度),提升人員安全監(jiān)測的魯棒性,支持在低光照、遮擋等極端條件下的可靠檢測。 2. 系統(tǒng)集成與優(yōu)化: a) 邊緣端算法部署:針對輪式/掛軌機(jī)器人的邊緣計算平臺(如RK3588、X5、S100等),優(yōu)化深度學(xué)習(xí)模型,確保在一定功耗下下實現(xiàn)推理速度持續(xù)提升;開發(fā)算法模塊與機(jī)器人運(yùn)動控制、數(shù)據(jù)采集系統(tǒng)無縫對接,支持多機(jī)器人協(xié)同調(diào)度與任務(wù)分配。 b) 算法性能優(yōu)化:采用分布式訓(xùn)練框架和自動化調(diào)參工具,提升模型訓(xùn)練效率,縮短迭代周期;設(shè)計在線學(xué)習(xí)機(jī)制,利用機(jī)器人實時采集數(shù)據(jù)持續(xù)優(yōu)化模型,適應(yīng)工業(yè)環(huán)境的動態(tài)變化。 3. 團(tuán)隊協(xié)同:能夠與產(chǎn)品團(tuán)隊、硬件開發(fā)團(tuán)隊、嵌入式軟件開發(fā)團(tuán)隊、測試團(tuán)隊緊密協(xié)作。比如深入理解石化、鋼鐵、煤炭等行業(yè)的業(yè)務(wù)需求,與產(chǎn)品團(tuán)隊共同制定算法技術(shù)方案,明確檢測指標(biāo);參與機(jī)器人硬件選型,確保算法需求與硬件能力的匹配(如紅外熱像儀分辨率、氣體傳感器響應(yīng)速度)。
二、 任職要求 1. 學(xué)歷與經(jīng)驗:碩士及以上學(xué)歷,計算機(jī)科學(xué)、人工智能、自動化等相關(guān)專業(yè);3年以上工業(yè)檢測、機(jī)器人或計算機(jī)視覺領(lǐng)域算法開發(fā)經(jīng)驗,有石化/鋼鐵/煤炭行業(yè)項目經(jīng)驗者優(yōu)先。 2. 專業(yè)技能: a) 精通計算機(jī)視覺算法(如目標(biāo)檢測、圖像分割、視頻分析),熟悉 YOLO、Mask R-CNN、OpenCV 等工具庫,有工業(yè)缺陷檢測項目經(jīng)驗者優(yōu)先; b) 掌握深度學(xué)習(xí)框架(PyTorch/TensorFlow),具備模型優(yōu)化(剪枝、量化)和邊緣端部署經(jīng)驗,熟悉 TensorRT、OpenVINO 等推理引擎; c) 熟練使用 Git 進(jìn)行版本控制,掌握 CI/CD 工具鏈(如 Jenkins)和容器化部署(Docker/Kubernetes)。