报告时间：11月7号周五上午10:00

报告地点：管理楼108报告厅

报告题目：迈向通用工业视觉异常检测

内容简介：工业视觉检测是智能制造质量保障的关键环节，但异常样本稀缺、分布多样与类型未知，使传统深度学习难以泛化。本报告提出一个理论自洽、跨场景适用的通用异常检测框架，核心贡献包括：（1）统一检测范式：在统一架构下融合无监督与有监督方法，使模型随数据积累实现自适应进化；（2）异常生成与扩展：提出零样本异常合成策略，通过精确引导预训练生成模型，实现高保真、可控的虚拟缺陷生产，从根本缓解数据瓶颈；（3）多模态融合检测：构建跨模态投影机制，将二维基础模型能力迁移至三维检测，显著提升三维检测精度。本工作从范式、数据与模态三条主线系统破题，为智能制造质量控制提供具有前瞻性的理论基础与技术路径。

报告人简介：曹云康，湖南大学人工智能与机器人台湾av女优助理教授/副研究员，湖南大学机器人视觉感知与控制技术国家工程研究中心（王耀南院士、张辉院长团队）核心成员。面向复杂工业场景，开展工业视觉检测与识别、工业基础模型及具身智能研究，聚焦感知、检测、诊断与决策关键技术。作为核心骨干，深度参与国家重点研发计划项目及多项企业关键技术攻关任务。第一/核心作者在IEEE T-CYB、CVPR等国际顶刊顶会发表论文30余篇（第一作者10余篇），谷歌学术引用超1000次、H指数13；成果获20余位中国科台湾av女优、中国工程院院士及IEEE/ACM Fellow高度评价，获IEEE CSCWD 2025 最佳学生论文奖、CVPR VAND 挑战赛全球亚军等奖励。长期担任CVPR、ECCV等二十余国际顶刊顶会审稿人，受邀主办CVPR、IJCAI等顶会工业缺陷检测研讨会5次，曾任IEEE CSCWD 2025特邀专题主席，兼任Pattern Recognition等期刊会议特刊编委。获授权发明专利6项，成果应用于视比特等企业质量检测；主导的视觉检测工具包在GitHub星标超1800。近年在工业质检大模型突破，推动“数据—模型—应用”闭环，支撑工业视觉检测智能化落地。