1、核心算法研发与优化：负责基于图片或视频的分类、检测、语义分割、跟踪、OCR等技术的研发和实现，针对港口集装箱场景（如箱号识别、箱体损伤检测、集装箱定位）设计高精度、高鲁棒性的深度学习模型，解决复杂光照、遮挡、角度变化等实际问题；结合传统图像处理方法（如边缘检测、形态学操作）与深度学习技术，提升算法在极端场景下的稳定性；持续跟踪计算机视觉领域前沿技术（如Transformer、BEV感知、小样本学习），探索其在港口自动化场景中的落地可行性；

2、工程化落地与性能优化：将算法模型部署到边缘计算设备（如Jetson系列、工控机）或云端，优化模型推理速度、内存占用及功耗，满足港口设备实时性要求（如毫秒级目标检测）；设计并实现多传感器融合方案（如相机与激光雷达、IMU数据融合），提升复杂环境下的感知精度；参与数据闭环建设，包括数据采集标注规范制定、模型训练与仿真测试，推动算法迭代优化；

3.、系统集成与技术支持：与软件、硬件团队协作，完成算法模块与港口管理系统（TOS）或自动化控制系统的对接，确保算法在实际业务流程中的稳定运行；针对港口现场反馈的问题（如识别误报、漏报），进行算法调优与故障排查，提供技术支持与解决方案；编写算法设计文档、接口说明及技术专利，推动团队技术沉淀；

4.、行业场景深耕与创新：结合港口、集装箱、散货业务需求，探索AI算法在无人集卡、岸桥/场桥自动化、散货盘点等场景中的创新应用；参与港口智能化项目的方案设计与技术评审，为客户提供定制化算法解决方案；与高校、科研机构合作，推动前沿技术在港口行业的落地转化。

任职资格：

1、图像处理、模式识别、机器学习等相关专业硕士（硬性要求）及以上学历，图像算法工作经验，有码头或集装箱相关项目经验者优先；

2、扎实的编程（C++,Python,Linux）基础,动手能力强、有实战经验;

3、熟练掌握机器学习（特别是深度学习）和计算机视觉的基本方法,有CNN和RNN等模型训练经验;

4、善于分析和解决问题，善于学习新事物，良好的团队合作精神;

5、熟悉Tensorflow、PyTorch等任一种深度学习开源框架者优先。

6、熟练使用C++进行项目开发、具备港口集装箱目标识别、图像算法经验优先考虑。