近日，材料科学与工程学院杨尚磊教授团队与东海实验室梅林教授团队合作，在国际期刊《Knowledge-Based Systems》上发表了题为“Enhancing zero-shot anomaly detection through dual-state prompt flow and multiscale cross-modal alignment”的最新研究成果。《Knowledge-Based Systems》主要聚焦人工智能领域的知识工程与智能系统方向，为JCR一区和原中科院一区TOP期刊，影响因子8.0。论文第一作者为我校2024级研究生王鹤同学。
零样本异常检测（Zero-shot Anomaly Detection, ZSAD）旨在无需目标类别异常样本的情况下，实现对未知类别异常的识别与定位，在工业智能检测、医疗图像分析等数据标注成本较高的场景中具有重要应用价值。
图1 基于双状态提示流与多尺度跨模态对齐的零样本异常检测方法总体架构
针对零样本异常检测问题，研究团队提出了一种双状态提示流与多尺度跨模态对齐相结合的零样本异常检测方法总体框架（图1），构建了Dual-State Prompt Flow模块，增强了零样本场景下正常与异常语义的判别能力。通过Multi-Scale Cross-Modal Alignment Block（MS-CMAB）进一步提升了细粒度缺陷定位能力。通过在包括气孔、夹杂、裂纹、咬边、未熔合和未焊透六类典型焊接缺陷在内的多个工业缺陷和医疗图像数据集上的系统验证（图2、图3），该方法在工业和医疗场景均表现出良好的零样本异常检测能力，在RSDD数据集上取得99.7%的像素级AUROC和99.0%的AUPRO，在DAGM数据集上取得99.4%的像素级AUROC和98.3%的AUPRO；在医疗数据集上，该方法在ColonDB上取得83.7%的像素级AUROC和76.9%的AUPRO，并在ClinicDB、Endo和Kvasir等数据集上保持稳定的检测与定位性能。
图2 工业异常检测结果可视化
在模型效率方面，平均推理时间由210.4 ms降低至174.8 ms，吞吐率由4.8 FPS提升至5.7 FPS，检测性能、模型规模与推理效率之间取得了较好的平衡。研究成果不仅拓展了视觉语言模型在工业智能检测领域的应用，也为面向多场景、少样本甚至无异常样本条件下的智能质量检测与医学图像分析提供了新的研究思路。
此外，课题组2024级研究生卢佳旺同学作为第一作者，于2026年在《Optics and Laser Technology》（JCR一区TOP期刊，影响因子5.2）发表了题为“Femtosecond laser induced nanostructures: optimization of physical models in non-equilibrium dynamics”（飞秒激光诱导纳米结构：非平衡动力学中物理模型的优化）综述。
图3 医学异常检测结果可视化
