摘要
本发明提供一种基于多智能体提示学习的工业异常检测方法,通过多智能体协同框架与改进型多模态模型执行以下处理:利用图像标注员智能体解析输入的工业图像,通过多模态大模型生成物品类名;利用描述生成员智能体基于所述物品类名,生成正常视觉引导描述和异常视觉引导描述;利用改进型多模态预训练模型提取工业图像的视觉特征;通过语义连接加强处理,使正常视觉引导描述的文本特征与正常样本的视觉特征对齐,并使异常视觉引导描述的文本特征远离正常样本的视觉特征;基于改进型多模态预训练模型计算相似度,输出检测结果;利用异常检测评估员智能体计算异常指标AUROC作为反馈信号,迭代执行以上处理直至满足预设条件。
技术关键词
异常检测方法
视觉特征
多模态
多智能体协同
预训练模型
工业
文本
序列
图像
生成物
非暂态计算机可读存储介质
注意力机制
异常检测系统
逻辑
样本
语义
词语
路径特征
网络深度