计算机工程与应用

作者：董禹彤, 侯惠芳, 龚明明, 陈自康

单位：1.河南工业大学 人工智能与大数据学院，郑州 450000；2.科大讯飞 讯飞聆智人才培养业务部，郑州 450000；

关键词：工业缺陷检测,多模态融合,大视觉语言模型（LVLM）,深度图分析,检索提高生成（RAG）,数据决策,智能体

基金：河南省科技攻关项目（252102221018）；河南工业大学校级大学生创新训练计划项目（202510463088）。

缺陷检测是工业领域的重要应用场景。针对传统检测效率低、工业数据需智能分析处理、单模态系统泛化能力不足及大模型存在幻觉等问题，提出并实现一种增强型工业缺陷智检系统，支持多源异构数据协同处理与高效决策。系统微调工业异常检测多模态大模型，通过改进的跨模态特征对齐算法与提示学习，实现图像、文本等多源数据语义融合，同步输出缺陷识别的语义描述；构建工业数据知识库，借助RAG检索增强生成，抑制模型幻觉，提升检测可信度与决策效果；结合Depth-Anything-V2生成高一致性深度图，支持缺陷三维量化分析，突破二维检测局限；基于自然语言驱动的Excel智能分析模块，自动提取质检表格数据并可视化；OCR智检模块融合PaddleOCR与ErnieBot，实现工业文档文本提取与语义理解。通过智能体统筹核心功能模块给出综合决策建议。在金属、螺丝等5类典型工业零件测试中，系统缺陷类型平均识别精确率为95.26%，位置定位平均误差2.9像素，其拓展了工业质检自动化水平与分析维度，为制造业智能化转型提供了实用技术方案。

来源：2026年第8期

《计算机工程与应用》期刊编辑部

查看计算机工程与应用杂志2026年第8期