岗位职责：
1. AI模型开发与优化：
85 设计、实现并优化AI检测与分割算法（如深度学习、卷积神经网络（CNN）、目标检测与图像分割模型，如YOLO、Mask R-CNN、U-Net等）。
85 针对模型性能瓶颈进行优化，提升处理速度、精度和稳定性。
2. 数据采集与清洗：
85 按照项目需求，负责或协助进行数据采集工作，确保数据的多样性、代表性和高质量。
85 参与数据标注、清洗和增强，处理不规则数据，保证数据集的准确性和可用性，为后续的模型训练提供可靠支持。
3. 硬件与相机系统集成：
85 负责与硬件团队协作，选择合适的相机、传感器等设备，确保数据采集设备与AI模型的兼容性。
85 根据实际生产环境需求，进行相机的安装、调试、校准等工作，优化图像采集效果。
85 在硬件和AI之间建立良好的接口与数据流，保证系统的高效协同。
4. AI算法工程化与优化：
85 将AI模型从实验室原型转化为可部署的工程化应用，确保模型在工业生产环境中的稳定性与高效性。
85 对AI系统进行工程优化，包括模型压缩、推理加速等，确保算法在硬件平台上的高效运行。
5. 持续性能监控与系统迭代：
85 负责AI系统的性能监控与数据反馈分析，持续优化算法，提升系统的自动化检测能力。
85 根据钢铁生产现场的实际情况，对模型和硬件进行调试与优化，解决工程实施中的技术难题。
6. 跨部门协作与进度管理：
85 与硬件、生产、质量等部门密切合作，确保项目的顺利推进与落地实施。
85 根据项目需求，确保按时交付高质量的AI应用系统。
岗位要求：
1. 学历与背景：
85 计算机科学、电子工程、自动化等相关专业本科及以上学历。
85 至少3年以上AI开发及应用经验，尤其是图像处理、目标检测和分割领域的经验。
85 具有钢铁行业或其他工业领域的从业经验者优先，能够理解生产过程中的实际需求。
2. 核心技能：
85 AI算法开发与优化：
85 熟练掌握深度学习框架（如TensorFlow、PyTorch等），尤其是在目标检测与图像分割领域的应用。
85 精通经典的图像处理技术，如边缘检测、图像增强、特征提取等，能够根据钢铁行业的特殊需求定制相应的解决方案。
85 熟悉常见的目标检测算法（yolo系列，两阶段系列）和分割算法（如U-Net、Mask R-CNN等），能够根据不同场景选择最优算法。
85 编程能力：
85 精通Python，能够进行数据处理、算法开发与调优。
85 精通C++，能够完成算法的高效实现，具备将AI模型从实验环境转移到工业生产环境的能力。
85 熟悉Linux操作系统、CMake、Git等开发工具，能够高效地进行版本控制和团队协作。
85 硬件与相机技术：
85 具备一定的硬件知识，熟悉工业相机、传感器等设备的使用。
85 具有相机校准、图像采集等经验，能够与硬件团队合作解决实际生产中硬件和算法之间的兼容性问题。
85 工程化与性能优化：
85 能够将AI模型进行工程化部署，优化推理速度与内存占用，确保模型能够高效稳定地运行在生产环境中。
85 熟悉模型压缩、量化、推理加速等技术，能够根据硬件资源进行算法的性能优化。
85 熟悉常见的部署框架（如TensorRT、ONNX、OpenVINO等），能根据需求将模型部署到嵌入式平台或其他工业硬件平台。
85 数据采集与清洗能力：
85 能够根据项目需求设计并实施数据采集方案，确保采集数据的质量与多样性。
85 精通数据清洗、标注和增强技术，能够处理不完美或偏差的数据，提升模型训练的准确性和鲁棒性。
85 项目管理与团队协作：
85 有良好的沟通能力和团队协作精神，能够与硬件、软件、生产等团队紧密合作，一起推动项目的进展。
85 具备一定的项目管理经验，能够管理项目的进度，解决项目中的技术问题，确保项目按时交付。