机器视觉算法工程师简历范文全文
自我评价
5年机器视觉算法开发经验，专注工业缺陷检测与目标定位，熟悉YOLO、Mask R-CNN等检测分割模型及TensorRT部署优化。主导3条产线视觉方案落地，检测准确率提升至99.2%，误检率下降60%。具备从数据标注、模型训练到边缘端部署的全流程能力。
工作经历
深圳市精视智能科技有限公司
工业视觉智能制造
深圳
机器视觉算法工程师
缺陷检测模型部署
2022年9月 - 至今
- 负责3C结构件表面缺陷检测算法研发，主导YOLOv8模型改进与数据增强策略，缺陷召回率从92%提升至98.5%。
- 完成模型TensorRT量化与多线程推理优化，单帧推理耗时由45ms降至18ms，满足产线每分钟120件节拍要求。
- 搭建自动化标注与训练流水线，模型迭代周期由2周缩短至3天，支撑5类新产品快速导入。
广州慧眼机器人技术有限公司
机器人机器视觉
广州
视觉算法工程师
目标分割相机标定
2020年7月 - 2022年8月
- 参与机器人抓取视觉引导系统开发，基于Mask R-CNN实现工件分割与位姿估计，抓取成功率由88%提升至96%。
- 负责相机标定与手眼标定模块开发，标定精度达0.05mm，支撑3个客户现场项目顺利交付。
项目经验
锂电池极片缺陷检测系统 - 算法负责人
2023年4月 - 2024年1月
- 针对极片划痕、掉料等6类缺陷设计多尺度检测网络，结合难例挖掘，综合检出率达99.2%。
- 完成边缘端Jetson平台部署与产线联调，误检率较原方案下降60%，年节省人工复检成本约80万元。
物流包裹体积测量与分拣视觉方案 - 核心算法工程师
2021年3月 - 2021年12月
- 基于双目视觉与点云配准实现包裹尺寸测量，测量误差控制在±5mm以内。
- 优化分拣识别模型，条码与面单识别准确率达99.5%，单线分拣效率提升25%。
专业技能
Python / PyTorch
目标检测与分割（YOLO、Mask R-CNN）
OpenCV / 图像处理
TensorRT / 模型部署优化
C++ 工程化开发
相机标定与3D视觉
教育背景
华南理工大学
985双一流
广州
控制科学与工程 硕士
2019年8月 - 2021年5月
研究方向为工业视觉检测；核心课程：模式识别、数字图像处理、机器学习。
广东工业大学
一本工科强校
广州
自动化 本科
2016年8月 - 2020年5月
主修自动控制原理、信号与系统，获校级优秀毕业生。
工作成果
产线良率提升
主导的缺陷检测方案在客户产线稳定运行，助力产品良率提升3.5个百分点。
公司技术创新奖
2023年获公司年度技术创新奖，表彰极片检测项目的算法突破。
技术专利
作为第一发明人申请发明专利1项，涉及多尺度缺陷检测方法。
证书与认证
计算机视觉工程师（中级） - 工业和信息化部教育与考试中心
2022年6月
证明计算机视觉算法开发与工程应用能力。
全国计算机等级考试二级（C++） - 教育部教育考试院
2016年3月
证明编程基础与C++语言能力。
更多算法工程师简历范文
同一职位，不同的版式和写法。点开任意一份即可查看大图。
就从这份范文开始
免费复制到你的账户里，每一句话、每个板块和颜色都能改，改好即可下载投递。