【ZiDongHua 之“自動(dòng)化學(xué)院派”收錄關(guān)鍵詞： 中國(guó)圖象圖形學(xué)學(xué)會(huì) 工業(yè)視覺(jué) 智能檢測(cè) 機(jī)器人 中國(guó)圖象圖形大會(huì)】
　　
　　【CCIG 2025】工業(yè)視覺(jué)智能檢測(cè)技術(shù)前沿論壇成功舉辦
　　
　　2025年5月9日下午，在中國(guó)圖象圖形學(xué)學(xué)會(huì)主辦的2025中國(guó)圖象圖形大會(huì)上，由CSIG圖像視頻通信專業(yè)委員會(huì)承辦的“工業(yè)視覺(jué)智能檢測(cè)技術(shù)前沿”分論壇在長(zhǎng)沙國(guó)際會(huì)議中心順利舉行。本次分論壇探討工業(yè)視覺(jué)智能檢測(cè)技術(shù)的最新進(jìn)展與未來(lái)趨勢(shì)，就半導(dǎo)體晶圓光學(xué)檢測(cè)、柔性視覺(jué)檢測(cè)、基于視覺(jué)感知的表面缺陷檢測(cè)方法、小樣本缺陷檢測(cè)、面向統(tǒng)一與通用的視覺(jué)異常檢測(cè)以及在多個(gè)真實(shí)領(lǐng)域落地案例等前沿議題進(jìn)行深入交流與研討。論壇由中國(guó)科學(xué)院自動(dòng)化研究所副研究員陶顯和華中科技大學(xué)周瑜教授擔(dān)任主席，吸引了百余位學(xué)者聆聽并交流。
 
　　
　　論壇嘉賓合影
　　
　　首先，清華大學(xué)丁貴廣教授的報(bào)告“半導(dǎo)體晶圓光學(xué)檢測(cè)技術(shù)”，為我們重點(diǎn)闡述如何在工業(yè)場(chǎng)景下提升主流缺陷檢測(cè)模型的處理效率，如何利用無(wú)監(jiān)督異常檢測(cè)模型實(shí)現(xiàn)亞微米級(jí)缺陷的高效檢出，以及如何解決主流大模型在工業(yè)視覺(jué)場(chǎng)景中的領(lǐng)域自適應(yīng)問(wèn)題，相關(guān)方案整合形成一套有效的全鏈路晶圓光學(xué)檢測(cè)方案，為行業(yè)提供借鑒。
 
　　
　　丁貴廣教授作報(bào)告
　　
　　中山大學(xué)賴劍煌教授的報(bào)告“面向工業(yè)AI外觀質(zhì)檢的柔性視覺(jué)檢測(cè)技術(shù)及其應(yīng)用”，針對(duì)工業(yè)質(zhì)檢面臨的小樣本、尺度變化、跨場(chǎng)景布局、推理速度等挑戰(zhàn)提出解決方案。
　　
　　介紹了樣本重構(gòu)融合、小波引導(dǎo)自注意力、原型引導(dǎo)域適應(yīng)、軸向分解自注意力等關(guān)鍵技術(shù)，展示了相關(guān)技術(shù)在手機(jī)、柔性包裝、PCB板LED燈等缺陷檢測(cè)的實(shí)際落地應(yīng)用案例。
 
　　
　　賴劍煌教授作報(bào)告
　　
　　湖南大學(xué)劉敏教授的報(bào)告“基于視覺(jué)感知的表面缺陷檢測(cè)方法及系統(tǒng)”，致力于解決高端裝備表面缺陷快速精準(zhǔn)檢測(cè)中的背景復(fù)雜、樣本稀缺、特征微弱等難題，開展基于視覺(jué)感知的工業(yè)缺陷檢測(cè)方法研究并進(jìn)行工業(yè)軟件集成。研究成果應(yīng)用于工業(yè)質(zhì)檢和國(guó)防制造等領(lǐng)域，支撐產(chǎn)業(yè)升級(jí)和制造業(yè)邁向全球價(jià)值鏈中高端。
　　
　　劉敏教授作報(bào)告
　　
　　視比特機(jī)器人AI產(chǎn)品總監(jiān)徐建雄的報(bào)告“基于大模型的工業(yè)外觀質(zhì)檢技術(shù)與平臺(tái)”，聚焦工業(yè)4.0背景，推出基于先進(jìn)大模型技術(shù)的工業(yè)質(zhì)檢解決方案及“翔云”AI運(yùn)維平臺(tái)，提供一站式智能化服務(wù)。
　　
　　 徐建雄總監(jiān)作報(bào)告
　　
　　東北大學(xué)宋克臣特聘研究員的報(bào)告“小樣本缺陷圖像的智能檢測(cè)方法與應(yīng)用探索”，分享基于小樣本學(xué)習(xí)理論的工業(yè)產(chǎn)品表面缺陷圖像分割與分類研究，重點(diǎn)關(guān)注如何利用有限樣本實(shí)現(xiàn)有效的缺陷檢測(cè)與識(shí)別，探索相關(guān)方法在實(shí)際應(yīng)用場(chǎng)景中的潛力。
　　
　　宋克臣特聘研究員作報(bào)告
　　
　　最后，騰訊優(yōu)圖高斌斌高級(jí)研究員的報(bào)告面向統(tǒng)一與通用的視覺(jué)異常檢測(cè)，探討視覺(jué)異常檢測(cè)面臨的未知性、稀缺性和多樣性挑戰(zhàn)，指出專用模型在多類別或小數(shù)據(jù)場(chǎng)景的局限性。介紹團(tuán)隊(duì)在統(tǒng)一異常檢測(cè)模型(DMRD, OneNIP)、少樣本異常生成(AnoGen)和通用異常檢測(cè)框架(MetaUAS)上的最新進(jìn)展，旨在構(gòu)建更高效、靈活、通用的視覺(jué)異常檢測(cè)解決方案。
　　
　　高斌斌高級(jí)研究員作報(bào)告
　　
　　此次論壇以"工業(yè)視覺(jué)智能檢測(cè)技術(shù)的前沿發(fā)展與產(chǎn)業(yè)實(shí)踐"為主題，匯聚了該領(lǐng)域的頂尖專家學(xué)者。與會(huì)嘉賓圍繞行業(yè)痛點(diǎn)和技術(shù)瓶頸展開深入探討，系統(tǒng)性地分享了從底層算法創(chuàng)新、核心硬件研發(fā)到規(guī)?；a(chǎn)業(yè)落地的最新突破，為與會(huì)人員奉獻(xiàn)了一場(chǎng)精彩紛呈的學(xué)術(shù)盛宴，為推動(dòng)工業(yè)視覺(jué)檢測(cè)技術(shù)的創(chuàng)新發(fā)展注入了強(qiáng)勁動(dòng)力。