精密制造 AI 检测工程师岗位招聘考试试卷及答案

精密制造AI检测工程师岗位招聘考试试卷及答案一、填空题（共10题，每题1分）1.精密制造中，尺寸公差等级最高的是______2.AI检测中，图像预处理常用的滤波方法不包括均值滤波、高斯滤波，还包括______3.机器视觉系统标定的核心是建立______与图像像素坐标的映射关系4.三坐标测量机的英文缩写是______5.支持向量机（SVM）的核心是寻找最优______6.CNN中池化层的主要作用是降维和______7.形位公差符号“∥”表示______8.AI检测模型训练常用的损失函数有交叉熵损失和______9.环形光源常用于精密零件的______检测10.PDCA循环中“C”代表______二、单项选择题（共10题，每题2分）1.以下不属于图像预处理步骤的是？A.灰度化B.特征提取C.去噪D.增强2.CNN中参数最多的层是？A.输入层B.卷积层C.池化层D.全连接层3.精密测量精度最高的工具是？A.游标卡尺B.千分尺C.三坐标测量机D.投影仪4.适用于分类任务的AI算法是？A.K-meansB.SVMC.线性回归D.决策树（回归）5.相机分辨率的核心单位是？A.DPIB.PPIC.像素D.英寸6.“6σ”质量水平的百万缺陷率约为？A.3.4B.6.8C.100D.10007.边缘设备最适合的模型部署方式是？A.全模型B.量化压缩C.云端部署D.无优化8.表示圆度的形位公差符号是？A.○B.⊙C.⌀D.□9.数据增强的作用不包括？A.增加多样性B.防止过拟合C.提高泛化D.减少训练时间10.SPC的核心工具是？A.直方图B.控制图C.鱼骨图D.帕累托图三、多项选择题（共10题，每题2分）1.图像特征提取方法包括？A.HOGB.SIFTC.卷积特征D.傅里叶变换2.AI检测模型评估指标有？A.准确率B.召回率C.F1值D.均方误差3.精密计量器具类型包括？A.长度计量B.角度计量C.表面粗糙度计量D.温度计量4.CNN核心组件包括？A.卷积层B.池化层C.全连接层D.激活函数5.机器视觉光源的作用有？A.突出特征B.抑制噪声C.提高对比度D.减少阴影6.精密零件质量问题类型包括？A.尺寸超差B.表面缺陷C.形位公差超差D.材料缺陷7.常用数据标注工具有？A.LabelImgB.LabelMeC.VGGAnnotatorD.Photoshop8.属于机器学习算法的有？A.线性回归B.决策树C.随机森林D.遗传算法9.CMM测量基于的坐标系是？A.笛卡尔B.极坐标C.球面D.圆柱10.AI模型训练步骤包括？A.数据收集B.预处理C.训练D.评估四、判断题（共10题，每题2分）1.IT01公差比IT10精度高。（）2.CNN只能处理图像数据。（）3.机器视觉标定无需定期校准。（）4.SVM通过核函数处理非线性数据。（）5.投影仪精度比千分尺高。（）6.数据增强可解决数据不足问题。（）7.跳动公差属于形状公差。（）8.量化可减少模型大小。（）9.PDCA四阶段是计划、执行、检查、处理。（）10.环形光源适合边缘检测。（）五、简答题（共4题，每题5分）1.简述AI检测中图像预处理的主要步骤及作用。2.什么是CNN？其在精密检测中的优势是什么？3.简述SPC的核心思想及常用工具。4.如何避免AI检测模型过拟合？六、讨论题（共2题，每题5分）1.对比AI检测与传统人工检测的优势及挑战。2.设计精密零件微小缺陷AI检测方案的关键步骤。---参考答案一、填空题1.IT012.中值滤波3.世界坐标（实际物理坐标）4.CMM5.分类超平面6.特征提取7.平行度8.均方误差（MAE）9.表面缺陷/边缘10.检查（Check）二、单项选择题1.B2.B3.C4.B5.C6.A7.B8.A9.D10.B三、多项选择题1.ABC2.ABCD3.ABCD4.ABCD5.ABCD6.ABCD7.ABC8.ABCD9.A10.ABCD四、判断题1.√2.×3.×4.√5.×6.√7.×8.√9.√10.√五、简答题1.图像预处理步骤及作用：①灰度化：转彩色为灰度，减少数据量；②去噪：高斯/中值滤波降低噪声；③增强：直方图均衡化提升对比度；④二值化：简化特征提取；⑤几何变换：旋转/缩放增加多样性。作用是提升图像质量，降低算法复杂度，提高检测准确率。2.CNN及优势：CNN是深度学习网络，通过卷积层提取特征、池化层降维、全连接层分类。优势：①自动提取特征（无需人工设计）；②平移不变性（适应零件位置变化）；③精度高（检测微小缺陷）；④效率高（处理批量图像）。3.SPC核心思想及工具：核心：监控过程波动，预防不合格品。工具：①控制图（X-R图等）；②直方图（分析分布）；③鱼骨图（找原因）；④帕累托图（抓关键问题）。4.避免过拟合方法：①数据增强（旋转/翻转）；②正则化（L1/L2）；③早停（验证损失不下降则停止）；④dropout（随机丢弃神经元）；⑤增加数据量；⑥简化模型（减少层数）。六、讨论题1.AI与人工检测对比：优势：①效率高（24h连续）；②精度高（检测0.1mm以下缺陷）；③一致性好（无疲劳影响）；④数据化（追溯质量）。挑战：①成本高（前期开发/硬件）；②适应性差（新缺陷需重训练）；③依赖数据（小批量零件数据不足）；④维护难（需定期更新模型）。2.微小缺陷检测方案步骤：①需求分析：明确缺陷类型（划痕/裂纹）、精度要