多模态大语言模型能否被引导以提升工业异常检测？

在工业环境中，准确检测异常现象对于维护产品质量和确保运营安全至关重要。传统的工业异常检测（Industrial Anomaly Detection，IAD）模型在灵活性和适应性方面往往难以满足，尤其是在新缺陷类型和运营变更频繁出现的动态生产环境中。近期涌现的多模态大语言模型（Multimodal Large Language Models，MLLMs）为克服这些限制提供了前景，通过结合视觉和文本信息处理能力。MLLMs在通用视觉理解方面因在大规模多样数据集上的训练而表现突出，但缺乏行业特定知识，如缺陷容忍度标准，这限制了其在IAD任务中的效能。为此，我们提出Echo，一个新型多专家框架，旨在增强MLLM在IAD中的表现。Echo集成四个专家模块：Reference Extractor通过检索相似正常图像提供情境基线，Knowledge Guide提供领域特定见解，Reasoning Expert实现对复杂查询的结构化、逐步推理，Decision Maker综合所有模块信息，提供精确且情境感知的响应。在MMAD基准测试中，Echo在适应性、精确度和鲁棒性方面均实现显著提升，接近满足实际工业异常检测需求。