岗位与去向
3C/半导体/锂电产线的质检算法岗（设备商与终端厂两侧）、机器视觉方案商（康耐视/基恩士生态）、AOI/AXI 检测设备公司；国内典型雇主有华为/立讯/宁德时代的智能制造部门与奥普特、凌云光等视觉厂商。
知识考点
- 成像基础：镜头焦距/景深/远心镜头的适用场景；打光方式（明场/暗场/背光）对缺陷可见性的影响。
- 标定：内参外参、畸变模型、手眼标定的流程；亚像素精度怎么来的。
- 传统算法：模板匹配、边缘提取、Blob 分析；什么缺陷用传统方法就够。
- 深度学习：小样本缺陷的异常检测（PaDiM/PatchCore 思路）、分割与检测的选型；类别不均衡与误检/漏检代价不对称的处理。
- 部署：TensorRT/OpenVINO 量化、产线节拍（毫秒级）约束、边缘工控机算力预算。
项目怎么讲
按「缺陷定义 → 数据获取 → 算法选型 → 指标与代价 → 部署闭环」讲。重点讲两个取舍：为什么这个环节用传统视觉而不上模型；漏检率与过杀率怎么和产线良率目标对齐。有真实打光/标定动手经历是最大加分项。
面试环节
流程多为笔试（图像处理+编程）→ 技术一面（成像与算法基础）→ 二面（项目深挖+场景设计题）→ HR 面。场景题典型：给一条锂电极片产线设计划痕检测方案，回答要覆盖打光、分辨率估算、算法选型与节拍验证。
准备建议
- 把 MVTec AD 跑通一个异常检测 baseline，整理成可讲 10 分钟的项目。
- 相机标定用棋盘格自己做一遍，标定误差怎么评估要能手写流程。
- 关注「传统+深度混合」的工程叙事，纯调参叙事在这个方向不吃香。