SIELab现招募机器视觉方向团队成员，本科生可通过加入学校大学生双创基地的“通途团队”加入我们。你将参与桥梁病害识别、隧道衬砌检测和无人机智能巡检的真实项目，从数据标注做起，一路学到YOLO目标检测模型的训练与边缘部署。
这不是一个"打杂"的岗位。图像标注是机器视觉的入口，模型部署是它的出口，中间隔着训练、调参、验证的完整链路。
为什么是机器视觉
桥梁和隧道检测正在从"人趴在桥底下看"变成"无人机飞一圈、算法自动识别病害"。这个转变中，机器视觉是核心引擎：识别裂缝、锈蚀、渗水、错台，量测宽度面积，输出检测结论。这条技术路线目前工业界人才缺口明显。随便打开一个招聘软件搜"机器视觉""目标检测""无人机巡检"，你会发现大量岗位明确写着"熟悉YOLO系列算法""有数据标注和模型训练经验""熟悉边缘部署"。我们把这件事拆成了一步一步可以学会的路径，帮助你尽快成长。
你将做什么
团队按"标注-训练-部署"三个阶段安排工作，前一阶段的产出是后一阶段的输入：
阶段一：数据与标注
- 使用 LabelImg / X-AnyLabeling 等工具，对桥梁裂缝、隧道衬砌病害、钢结构锈蚀等真实工程图像进行标注；
- 学习标注规范：病害分类体系、边界框与多边形分割的选择、疑难样本的处理原则；
- 参与数据集质量管理：复核他人标注、统计标注一致性、清洗低质量样本。
标注是枯燥的，但它教会你的东西比想象中多：你会在这个过程中看几千张真实病害图像，逐渐建立起对"什么算病害、病害长什么样"的工程直觉--这是后续一切算法工作的地基。
阶段二：模型训练与验证
- 学习 YOLO 目标检测的原理与使用：数据集划分、训练配置、损失曲线解读；
- 在团队的工作站上完成裂缝、锈蚀等病害检测模型的训练；
- 学习评价指标（mAP、精确率、召回率）的含义，理解"模型好不好"不是看跑分而是看漏检了什么；
- 参与模型改进实验：数据增强策略、样本不均衡处理、小目标检测优化。
阶段三：边缘部署与应用
- 学习将训练好的模型部署到 Jetson Orin NX 边缘计算模块和妙算 3 机载计算单元；
- 掌握模型加速基础（TensorRT）、推理脚本编写与结果可视化；
- 参与无人机巡检实测：模型在真实飞行图像上的表现评估，发现并回归问题；
- 有能力者可进一步参与检测报告自动生成、Web 端展示等下游开发。
你能得到什么
一套完整的、可验证的技能链。 标注工具、YOLO 训练、模型评估、边缘部署--走完这条路，你可以在面试中拿出一个"从原始照片到无人机上跑起来的病害检测模型"的完整作品。这个作品的每一行代码你都说得清楚。
真实工程数据与设备。 团队有海量数据集、真实的桥梁隧道项目、无人机和边缘计算硬件。你不需要在公开数据集上做练习题--你标注的每张图、训练的每个模型，都直接服务于真实工程。
竞赛与成果出口。 这条技术线直接对接大创项目（往届已有基于机器视觉的省校级立项）、全国大学生物联网设计竞赛、节能减排、"互联网+"等赛事；模型做得出色可以支撑论文、软件著作权和专利申请。
就业方向的提前卡位。 智能检测、无人机巡检、机器视觉算法岗位正在向土木背景的学生打开。往届成员的去向里有央企施工单位和保研名校，而掌握"土木+视觉算法"复合技能的人，是这条赛道上最稀缺的。
直通研究生的通道。 表现优秀者可直接进入 SIELab 研究生课题，在推免和考研复试中，一段带着真实模型产出的科研经历，比任何自我介绍都有说服力。
我们希望你是什么样的人
- 本科二三年级在读（其他年级特别优秀者不限），专业不限；
- 会一点 Python 优先；完全零基础也可以，但你需要证明学习能力（比如两周内自学完我们指定的入门教程）；
- 做事细：标注是细致活，马虎的人做不好标注，也做不好算法；
- 每周能投入不少于半天固定时间，坚持至少一学期；
- 接受从标注起步的安排。所有成员都从阶段一开始，包括研究生。
团队提供什么
- 工作站算力、无人机设备、边缘计算硬件的使用权限；
- 标注工具链与标注规范的完整培训；
- YOLO 训练与部署的分阶段指导（文档+答疑，不搞填鸭式教学）；
- 团队历年积累的病害图像数据集与竞赛方法论；
- 大创申报、竞赛组队、论文与专利写作的全程支持。
报名方式
联系人：建筑工程学院研究生 王欣
联系方式：18567509381（微信同号）
联系时请准备以下信息：
- 姓名、专业、年级、学业成绩概况；
- 编程基础（如实写，零基础写"零基础"即可）；
- 每周可投入时间与预期持续时间；
- 一句话说明你为什么想学机器视觉。
团队将视报名情况安排面谈，通过后进入一个月观察期，双向确认后正式纳入培养序列。
关于费用
技能培训无任何费用
择优参与实验室科研或工程项目，并实现有效交付的同学，给与一定现金奖励，一般不低于校级本科生奖学金额度
暂无评论