使用视觉语言模型从工业故障排查指南中提取程序化知识
计算机视觉与模式识别
2026-02-02 v1 人工智能
摘要
工业故障排查指南以类流程图形式编码诊断程序，其中空间布局与技术语言共同传递含义。为将此类知识集成到辅助车间人员进行设备问题诊断和解决的系统中，必须首先提取并结构化以便机器解读。然而，若采用人工方式完成此提取，工作量大且容易出错。视觉语言模型有望通过联合解释视觉与文本含义来自动化此过程，但其在此类指南上的性能尚未得到充分探讨。本文评估了两种视觉语言模型在提取结构化知识方面的表现，比较了标准指令引导式与增强式（提示故障排查布局模式）两种提示策略。结果揭示了模型在布局敏感性与语义鲁棒性之间的特定权衡，为实际部署决策提供了指导。
引用
@article{arxiv.2601.22754,
title = {Procedural Knowledge Extraction from Industrial Troubleshooting Guides Using Vision Language Models},
author = {Guillermo Gil de Avalle and Laura Maruster and Christos Emmanouilidis},
journal= {arXiv preprint arXiv:2601.22754},
year = {2026}
}