金风科技股份有限公司

1、风电场景视觉算法研发与迭代：面向升压站设备状态监控、风机关键部件巡检等业务场景，开展目标检测、图像分割、缺陷识别、关键点检测等视觉算法的研发与迭代；具体覆盖叶片裂纹/雷击损伤、螺栓松动、表计读数、设备异物、红外热异常等典型缺陷与状态识别任务。 2、复杂工业图像的全流程处理：针对现场图像存在的光照不均、反光、遮挡、小目标、低对比度等挑战，完成数据挖掘、样本构建、方案设计与模型训练的全流程工作，重点优化细粒度缺陷的漏检率与误检率。 3、模型轻量化与边缘端部署：参与模型的轻量化改造与推理加速，使用TensorRT/ONNX Runtime等工具完成量化与算子优化，推动算法在Jetson/工控机/边缘端设备上稳定运行，满足现场实时性与低功耗需求。 4、业务理解与算法落地闭环：深入理解风电运维与升压站设备管理的基本流程，将业务侧的缺陷标准与巡检规范转化为可量化的算法指标；建立Bad Case反馈机制，基于现场数据持续迭代模型，编写技术文档与实验报告。 5、前沿技术跟踪与实验：跟踪视觉大模型、多模态融合（可见光+红外）、自监督/小样本学习等方向的前沿进展，结合风电场景开展快速实验验证，探索其在缺陷识别与状态监控中的适用性。

★ 任职要求 学历与专业：硕士研究生及以上学历，计算机、软件工程、人工智能、模式识别、自动化、电子信息等相关专业。 编程与框架基础：熟练掌握Python，熟悉PyTorch/TensorFlow中至少一种主流深度学习框架，具备独立完成模型训练、调试与评估的能力；了解C++或具备工程化代码能力者优先。 视觉算法基础：扎实掌握目标检测（YOLO系列/DETR）、语义/实例分割（UNet/Mask R-CNN）等主流视觉任务的原理与实现，对CNN、Transformer架构有基本理解，有实际模型调优经验者优先。 数据与工程意识：了解工业视觉数据的特点，对数据清洗、标注管理、样本不均衡、小样本等问题有基本认知或处理经验；具备使用OpenCV进行图像预处理与传统视觉算法辅助开发的能力。 学习与协作能力：具备良好的文献阅读与技术复现能力，能够快速跟进领域内新方法并结合场景做适配实验；逻辑清晰，具备跨团队沟通意识，能将业务需求转化为技术方案。 ★ 优先录用 有工业视觉/缺陷检测项目经验者优先：参与过电力巡检、新能源场站、工业质检等场景的视觉算法项目，熟悉裂纹、锈蚀、松动、渗漏、表计读数等典型缺陷的检测流程。 有多模态融合或大模型应用经验者优先：接触过可见光+红外/深度相机的多模态数据融合，或在视觉大模型（VLM）、开放词汇检测、小样本学习方向有实验或项目积累。 了解风电/电力业务者优先：对风机结构、升压站设备、无人机巡检流程、缺陷定级标准等有基本认知，或有相关行业实习/项目背景。