基于场景感知的增强边云协同工业视觉检查框架：多模态大语言模型

工业视觉检查需在严格的资源约束下实现高精度，但现有方法面临根本性权衡。多模态大语言模型（MLLM）具备强大的推理能力，但计算成本高昂；而轻量级边缘模型在复杂场景下常常失效。本文提出SAEC（Scene-Aware Enhanced Edge-Cloud Collaborative Industrial Vision Inspection，场景感知增强边云协同工业视觉检查）框架，结合MLLM构建边云协同的工业视觉检查系统。该框架由三个协同组件构成：（1）复杂缺陷检测的高效MLLM微调、（2）轻量化多尺度场景复杂度估计、（3）自适应边云调度器。通过针对场景复杂度进行多模态推理调节，并动态平衡边缘与云端资源，实现对缺陷的稳健检测。实验在MVTec AD和KSDD2数据集上表明，SAEC准确率分别达到85.11%和82.72%，相较Qwen提升22.1%和20.8%，相较LLaVA提升33.3%和31.6%。运行时长最高可降低22.4%，单位正确决策能耗降低40%至74%。代码已公开于https://github.com/YuHao-Tian/SAEC。