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
系统为您推荐了相关专利信息
电信号
卷积特征提取
无监督
数据分布
短时傅里叶变换
文本特征向量
嵌入特征
数据
上下文特征
条件随机场模型
面向多模态数据
固化方法
图像编辑软件
数据建立索引
索引系统