岗位职责:
1.前沿算法研究与落地
负责计算机视觉领域前沿算法的研究,重点解决PCB微小缺陷(如开路/短路、缺口、凹陷、异物)的小样本学习、异常检测、少样本缺陷分割等难题。
研究基于生成式AI的缺陷样本扩增技术,解决工业场景下缺陷样本稀少的问题。
2.光学与图像处理优化
针对PCB板材复杂纹理(如玻纤效应)和铜面反光特性,研究高鲁棒性的图像预处理与增强算法,提升复杂3.光照条件下的成像质量。
结合物理光学模型与深度学习,提升对低对比度、弱信号缺陷的检出率。
4.设备智能化控制
研究基于AI的PCB产线数字孪生与虚拟量测技术,通过设备传感器数据预测工艺结果,实现工艺参数的实时推荐与闭环控制。
5.模型压缩与轻量化部署
负责深度学习模型的裁剪、量化与蒸馏,确保高精度算法能在工业计算机(或嵌入式平台)上实现实时(Real-time)推理。
6.技术攻关与专利布局
跟踪行业最新学术动态(CVPR/ICCV/ICML等),将成熟技术转化为高价值专利、软著及顶级论文。
任职要求:
1.基本门槛
(1)学历背景:2026届应届博士毕业生或毕业2年内的博士,在计算机科学、模式识别、应用数学、自动化、光学工程、电子工程等相关领域具有扎实的理论基础。
(2)研究领域:博士期间研究方向为深度学习、计算机视觉、强化学习、工业大数据分析或计算光学成像。
2.专业功底
(1)数学功底:具有扎实的统计学、线性代数、最优化理论及信号处理基础。
(2)算法能力:
• 深入理解CNN、Transformer、ViT等主流模型架构,对异常检测、图像分割、目标检测有深入研究和实践经验。
• 熟悉模型压缩技术(TensorRT、OpenVINO、NCNN等)者优先。
• 熟悉生成对抗网络(GAN)或扩散模型(Diffusion Model)在图像生成中的应用者优先。
• 熟悉强化学习(RL)在路径规划或组合优化中的应用者优先。
(3)工程能力:
• 精通Python/C++,熟练使用PyTorch/TensorFlow等至少一种主流深度学习框架。
• 具备独立复现顶会论文算法并进行优化的能力。