工业机器视觉中的生成式人工智能：综述

机器视觉通过使机器能够解释和响应视觉数据，提升了工业应用中的自动化、质量控制和运营效率。虽然传统的计算机视觉算法和方法仍然被广泛使用，但机器学习已成为当前研究活动的核心。特别是，生成式人工智能通过数据增强、提高图像分辨率和识别异常以进行质量控制，展现出广阔的应用潜力。然而，由于数据多样性、计算需求和鲁棒验证方法的必要性，生成式人工智能在机器视觉中的应用仍处于早期阶段。基于PRISMA指南的文献综述对于理解工业机器视觉中生成式人工智能的当前状态至关重要，本文聚焦于近期进展、应用和研究趋势。因此，我们基于PRISMA指南进行了文献综述，分析了1200多篇关于工业机器视觉中生成式人工智能的论文。我们的研究揭示了当前研究的各种模式，生成式人工智能的主要用途是数据增强，用于分类和目标检测等机器视觉任务。此外，我们收集了应用挑战和数据需求，以实现生成式人工智能在工业机器视觉中的成功应用。本综述旨在为研究人员提供对当前研究不同领域和应用的洞察，突出重大进展并识别未来工作的机会。