1. 岗位能力画像与简历优化模板
工业视觉算法工程师的面试竞争，从简历筛选阶段就已开始。招聘方通过简历判断候选人是否具备算法深度、工程落地、业务理解三重能力。本章拆解岗位核心能力维度，提供可直接套用的简历结构与量化表达模板，帮助你在面试前完成能力对标与材料优化。
1.1 岗位能力画像详解
上述画像覆盖工业视觉算法工程师的五大核心能力维度。面试中每一轮都围绕这些维度展开考察，简历中也需要让每一项都有对应支撑。
| 能力维度 | 关键要求 | 面试考察方式 |
|---|---|---|
| 算法基础 | 深度学习（分类/检测/分割）、传统CV（滤波/边缘检测/特征匹配）、线性代数/概率论 | 手撕代码 + 原理推导 + 方案选型 |
| 工业视觉 | 相机标定、光源选型、缺陷检测（表面/内部）、3D点云处理、Halcon/OpenCV | 项目追问 + 场景方案设计 |
| 工程能力 | C++/Python、模型压缩（TensorRT/ONNX）、边缘端部署（Jetson/FPGA）、多线程优化 | 代码题 + 部署架构设计 |
| 业务理解 | 生产工艺流程（锂电/PCB/半导体）、质量标准（漏检率/过杀率）、成本与ROI计算 | 案例分析 + 指标权衡问题 |
| 软性素质 | 跨部门沟通、技术方案汇报、快速试错与迭代、文档沉淀 | 行为面试 + 项目复盘 |
岗位对标自查：对照上表逐项评估自己当前掌握程度。若某项为"了解"级别以下，建议在简历中弱化，避免面试中被追问到暴露短板。
1.2 简历结构
工业视觉算法工程师的简历推荐采用"倒金字塔"结构，将最核心的项目经验和能力关键词前置。以下是经过大厂面试验证的标准化模块：
简历篇幅建议：总页数控制在1-2页。项目经验占60%以上篇幅，每个项目包含"背景-难点-方案-量化结果"四个要素，缺一不可。
1.3 关键词清单
以下关键词按技术栈、业务场景、软技能分类整理。建议在简历"技术能力"模块和项目描述中自然嵌入，增加简历通过ATS（自动简历筛选系统）的概率。
| 类别 | 关键词 |
|---|---|
| 深度学习 | CNN · YOLO · ResNet · Transformer · 自注意力 · 知识蒸馏 · 模型量化 · TensorRT · ONNX |
| 传统视觉 | 边缘检测 · 霍夫变换 · 阈值分割 · 模板匹配 · 相机标定 · 立体匹配 · 点云配准 |
| 工程与部署 | C++ · Python · CUDA · 多线程 · Jetson · RK3588 · FPGA · 实时流 · 异步流水线 |
| 业务场景 | 表面缺陷检测 · 尺寸测量 · OCR识别 · 定位抓取 · 3D测量 · 锂电/PCB/半导体 |
| 软技能 | 跨部门协作 · 需求分析 · 技术评审 · 方案汇报 · 现场调试 · 文档沉淀 |
避坑提示：不要堆砌与岗位无关的关键词（如Web开发、Android等）。每个关键词都需要有对应的项目或经历支撑，否则面试中被追问到会严重扣分。
1.4 成果量化句式
量化表达是简历从"合格"到"优秀"的关键一步。以下提供6个可直接套用的句式模板，覆盖算法优化、工程部署、业务指标三大方向。
| 方向 | 量化句式示例 |
|---|---|
| 算法精度 | 设计多尺度特征融合网络，缺陷检出率从87%提升至99.3%，过杀率降低至1.2% |
| 速度优化 | 通过TensorRT INT8量化+算子融合，单帧推理从120ms降至18ms，达到55FPS实时要求 |
| 工程部署 | 完成模型在Jetson Orin上的量化部署，内存占用减少60%，功耗控制在15W以内 |
| 成本节省 | 替代进口检测方案，每台设备节省12万元，已交付30+台，累计节省360万元 |
| 业务规模 | 项目覆盖8条产线，日均处理10万+片产品，稳定运行14个月无事故 |
| 研发效率 | 搭建自动化标注+训练Pipeline，模型迭代周期从2周缩短至3天，效率提升4.5倍 |
量化三原则：① 有对比（优化前vs优化后）② 有单位（ms/%/万元）③ 有范围（覆盖多少产线/运行多久）。避免使用"大幅提升""显著优化"等无数字表述。
1.5 面试问答
面试问题
请详细描述你简历中提到的工业视觉项目，从需求分析到最终落地的完整过程。
面试官考察点
项目完整性、角色定位、技术深度、量化成果意识、工业场景闭环能力
回答框架
STAR法则：情境(S) → 任务(T) → 行动(A) → 结果(R)
示例回答
某锂电池极片缺陷检测项目，漏检率要求<1%。我主导设计多尺度特征融合网络，结合传统图像处理预对齐，最终漏检率0.3%，精度99.2%，单张12ms，已部署4条产线稳定运行8个月。
可能追问
训练数据如何标注？正负样本比例多少？如何处理类别不均衡？产线换型需要重新训练吗？
避坑提醒
避免只讲技术亮点不谈业务指标。面试官关注的是"你能在工业环境下解决实际问题"，而非单纯刷指标。