仪器仪表学报

作者：何毓芬，何赟泽，尹勇，邓堡元，王耀南

单位：何毓芬,湖南大学电气与信息工程学院长沙410082,,何赟泽,1.湖南大学电气与信息工程学院长沙410082； 2.湖南大学机器人视觉感知与控制技术 国家工程研究中心长沙410082,yhe@vip.163.com,尹勇,湖南大学电气与信息工程学院长沙410082,,邓堡元,湖南大学电气与信息工程学院长沙410082,,王耀南,1.湖南大学电气与信息工程学院长沙410082； 2.湖南大学机器人视觉感知与控制技术 国家工程研究中心长沙410082,

关键词：人工智能;大模型;工业缺陷检测;无损检测

基金：国家自然科学基金面上项目（52377009）、湖南省科技创新领军人才项目（2023RC1039）资助

工业缺陷检测是现代工业生产和运维的关键环节,是产品质量、生产效率、安全性的重要保障。大模型凭借其复杂逻辑推理能力与泛化能力成为了推动新一轮人工智能浪潮的关键引擎。大模型的涌现为工业缺陷检测提供了一个新范式,同时也带来了新机遇和新挑战。本综述总结了大模型在工业缺陷检测领域的应用现状。首先，对大模型的发展历程进行了系统梳理,并且详细介绍了大模型的核心技术,包括模型架构、多模态数据处理与预训练技术、微调技术、对齐技术和高效推理技术。接着，综述了基于传统机器学习和深度学习的缺陷检测方法,并与缺陷检测大模型进行对比,总结了各自的优点和局限性。然后，聚焦于工业缺陷检测领域,介绍了支撑大模型研究与性能评估的开源数据集和性能评价方法,并梳理了大模型目前的主要应用方向,即缺陷检测与定位、复杂场景与微小缺陷检测、小样本与零样本自适应检测、交互式缺陷分析与决策支持、缺陷数据生成与自动标注。最后，深入分析了工业缺陷检测大模型目前面临的数据质量与安全、高可靠性要求、成本限制与可持续发展、缺乏统一测评标准等挑战,并对其未来发展趋势进行了展望,旨在为大模型技术在工业缺陷检测领域的进一步发展和广泛应用提供有价值的参考和见解。

来源：2025年第10期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2025年第10期