崗位職責(zé):
1. 光伏場(chǎng)景感知架構(gòu)設(shè)計(jì)
負(fù)責(zé)組件排布、支架類(lèi)型(固定/跟蹤/漂?。⒒覊m/熱斑/鳥(niǎo)糞/裂紋等缺陷檢測(cè)的感知方案選型與傳感器組合(可見(jiàn)光+紅外+激光+超聲波)設(shè)計(jì),輸出PRD與接口協(xié)議。
2. 2D/3D缺陷檢測(cè)與分割
開(kāi)發(fā)基于可見(jiàn)光和紅外的組件表面缺陷檢測(cè)、語(yǔ)義/實(shí)例分割算法(YOLOv8、Mask R-CNN、U-Net、DeepLabV3+),mAP≥90%,誤檢≤2%。
研究灰塵厚度估計(jì)、熱斑溫度異常檢測(cè),支持0.5 mm裂縫識(shí)別。
3. 點(diǎn)云與立體視覺(jué)
設(shè)計(jì)輕量級(jí)立體匹配、SfM、MVS算法,重建支架3D結(jié)構(gòu),用于清掃機(jī)器人路徑規(guī)劃與避障;使用NeRF/3D-GS進(jìn)行組件級(jí)高精重建。
4. 多傳感器融合與SLAM
實(shí)現(xiàn)可見(jiàn)光-紅外-激光雷達(dá)-IMU的多模態(tài)融合(BEVFormer、PointPillar、LIO-SAM),提供<5 cm定位精度,支持清掃機(jī)器人沿組件排自動(dòng)行駛
5. 邊緣端部署與加速
在Jetson Orin/NX、RK3588、FPGA上完成INT8量化、TensorRT/OpenVINO部署,單幀推理≤50 ms,整機(jī)功耗增加<5 W。
6. 數(shù)據(jù)閉環(huán)與模型迭代
搭建無(wú)人機(jī)/機(jī)器人自動(dòng)采集-云端自動(dòng)標(biāo)注-模型增量訓(xùn)練閉環(huán),周級(jí)迭代,持續(xù)提升缺陷召回率。
7. 系統(tǒng)測(cè)試與性能評(píng)估
制定感知KPI(缺陷召回、定位誤差、處理時(shí)延),設(shè)計(jì)仿真+實(shí)機(jī)測(cè)試用例,完成單元、集成、現(xiàn)場(chǎng)測(cè)試并輸出報(bào)告。
8. 技術(shù)預(yù)研與專(zhuān)利
跟蹤C(jī)VPR/ICRA光伏缺陷檢測(cè)、NeRF、BEV感知最新論文,每季度輸出技術(shù)調(diào)研報(bào)告;挖掘創(chuàng)新點(diǎn),年均提交≥2件專(zhuān)利
任職要求
1. 學(xué)歷專(zhuān)業(yè)
碩士士及以上,計(jì)算機(jī)、人工智能、自動(dòng)化、電子工程、機(jī)器人等相關(guān)專(zhuān)業(yè);優(yōu)秀本科+3年相關(guān)經(jīng)驗(yàn)亦可。
2. 編程語(yǔ)言
精通C++、Python,熟悉Linux、ROS/ROS2、Git、CMake、Shell;具備良好編碼規(guī)范與單元測(cè)試習(xí)慣
3. 算法經(jīng)驗(yàn)
熟悉YOLOv8、Mask R-CNN、DeepLab、U-Net、BEVFormer、PointPillar、CenterPoint等至少兩種;獨(dú)立完成過(guò)缺陷檢測(cè)或3D感知項(xiàng)目。
4. 傳感器與平臺(tái)
實(shí)際調(diào)試過(guò)可見(jiàn)光、紅外、激光雷達(dá)、IMU中的兩種以上,能在Jetson、RK、FPGA完成量化部署;了解相機(jī)-紅外-激光外參標(biāo)定與時(shí)空同步
5. 軟素質(zhì)
具備跨團(tuán)隊(duì)溝通(機(jī)械、電氣、嵌入式、云端),能適應(yīng)20%客戶(hù)現(xiàn)場(chǎng)調(diào)試;英語(yǔ)讀寫(xiě)良好,能閱讀頂會(huì)論文與datasheet。
6. 加分項(xiàng)
有光伏組件缺陷檢測(cè)、熱斑識(shí)別、BIPV清洗、無(wú)人機(jī)巡檢項(xiàng)目落地經(jīng)驗(yàn);
熟悉紅外圖像處理、輻射定標(biāo)、溫度反演;
有NeRF、3D-GS、BEV、TTA、模型蒸餾、CLIP、SAM等前沿項(xiàng)目經(jīng)驗(yàn);
發(fā)表過(guò)CVPR/ICRA/NeurIPS論文或擁有相關(guān)專(zhuān)利。