91美女视频_福利视频网站_日本高清不卡视频_欧美视频第二页_综合色导航_欧美日韩视频在线第一区

崗位職責（核心工作）
工業視覺質檢：運用 YOLO 系列目標檢測算法以及 U-Net、DeepLabV3 等語義分割模型，致力于開發并持續優化門窗五金產品（像鎖具、滑輪、鉸鏈等）的自動化視覺檢測系統。該系統將精準檢測產品的表面缺陷（如劃痕、變形、污漬等）、尺寸精度以及裝配完整性，大幅提升質檢效率與準確性。
生產數據分析與預測：借助線性回歸、邏輯回歸、聚類分析等算法，結合 Numpy、Pandas、Sklearn 等工具處理海量生產數據，包括設備傳感器數據、質檢結果、生產參數等。通過深入分析，實現設備的預測性維護，提前規避設備故障；進行工藝參數優化，提高生產效率與產品質量；開展質量根因分析，從源頭解決質量問題。
智能文檔處理：將 Transformer/BERT 等預訓練模型應用于圖紙、工藝文件、質檢報告等各類文檔的處理中，實現文本分類、關鍵信息抽取（命名實體識別）等功能，顯著提升文檔管理的效率與準確性。
基礎模型應用探索：深入理解 Stable Diffusion、RAG（檢索增強生成）等前沿技術，并積極探索其在產品設計輔助、智能客服（售后問題解答）、內部知識庫問答等場景的應用潛力，為企業發展注入新動力。
任職資格（核心要求）
必須掌握
核心算法：熟練應用 YOLO 系列目標檢測算法和 U-Net/DeepLabV3 等語義分割模型，以解決視覺質檢的關鍵需求；掌握線性回歸、邏輯回歸、聚類分析等經典機器學習算法，滿足生產數據分析的需求；理解 Transformer/BERT 的基本原理與應用，應對文本處理工作。
深度學習框架：熟練掌握 PyTorch 或 TensorFlow 任一主流框架，能夠獨立實現、訓練、調優上述視覺和文本模型，確保算法的有效運行。
數據處理：熟練使用 Python 編程語言，精通 Numpy、Pandas 進行數據清洗、處理和分析，為算法應用提供高質量的數據支持。
工程落地意識：深刻理解制造業場景需求，能將算法靈活應用于解決實際生產問題，如缺陷檢測、參數優化等，并且具備將模型部署到實際環境的基本認知，確保技術真正服務于生產。
學歷：本科及以上學歷，計算機、自動化、機械電子（偏軟件 / 算法方向）等相關專業，具備扎實的專業基礎知識。
優先考慮（加分項）
工業視覺項目經驗：有制造業產品視覺檢測（尤其是金屬制品、復雜小零件）實際項目經驗者優先，這類經驗能幫助快速適應崗位需求。
PyTorch 熟練度：精通 PyTorch 者優先，因其在當前工業界應用更為主流，能更好地融入工作。
多模態 / RAG 應用經驗：有 Stable Diffusion 圖像生成或 RAG 技術在知識管理、問答系統中應用經驗者優先，可為企業技術創新提供助力。
行業背景：有門窗五金、家具、家電、汽車零部件等制造業背景或相關項目經驗者優先，熟悉行業特點能更快開展工作。
基礎技能：了解 OpenCV 等圖像處理庫，會用 Matplotlib 做基礎可視化，能提升工作的便捷性與效率。