一、岗位描述
负责金属罐缺陷检测算法的全流程研发与落地：数据标注规划及执行、基于 YOLO 系列模型的训练与优化、部署加速，以及与前端 UI 系统的接口对接，确保算法在生产环境中高效、稳定运行。岗位需要在必要时亲自完成部分数据标注，偶尔出差支持现场部署与调试。
二、核心工作职责
1.数据管理与标注
o制定缺陷类别与标注规范，指导数据标注团队并监督标注质量
o在团队人力紧张或交付节点紧迫时，亲自完成数据标注与质检工作，确保进度与精度
o维护高质量数据集，定期进行样本挖掘、清洗与增强
o针对类别失衡问题，设计并实施采样策略、损失函数权重调整或数据增强方法，以提升模型对少样本缺陷的检测能力
2.模型研发与性能提升
o深入理解 YOLO 系列目标检测框架，独立完成模型改进与精度-速度平衡
o设计并实现自定义模块以提升检测精度与速度
o熟悉多目标训练、多尺度训练、迁移学习、知识蒸馏、剪枝、量化等等性能提升手段
3.训练管线与工具链
o在 Ubuntu环境下搭建、维护和迭代训练管线
o编写自动化脚本实现数据准备、训练、评估与可视化；优化资源利用率与超参搜索策略
4.模型部署与系统集成
o将模型导出并适配 ONNX、TensorRT、NCNN、OpenVINO 等推理框架
o与 C#、C 、Python 或 RESTful 服务 / UI 界面对接，输出稳定、高效的推理 API
o参与远程或现场部署，分析并优化 GPU / CPU / 边缘设备的实时性能瓶颈
5.技术前沿跟踪与团队共享
o跟进目标检测最新研究进展，快速阅读英文论文并验证可行性
在团队内进行技术分享与文档沉淀，推动整体技术能力升级