个人简介： 中国科学院自动化所副研究员、硕士生导师，长期从事工业视觉智能检测研究及成果应用转化。发表IEEE Trans系列论文10余篇，2篇ESI高被引用论文，授权发明专利20项（美国专利1项），3项工业视觉竞赛奖。主持国自然面上、地区合作、青年、北京市面上和科技部2030"新一代人工智能"重大项目子课题，相关成果应用于中国工程物理研究院激光聚变中心和龙头企业手机外观检测。获北京市科技新星、中国科学院青促会会员、中国科学院科技促进发展奖、中国仪器仪表学会科技进步奖三等奖、中国自动化学会自然科学奖二等奖、河南省科技进步奖一等奖等奖励。

个人简介： 华中科技大学电子信息与通信学院教授，博士生导师。主要研究方向为工业视觉。已发表高水平学术论文50余篇，包括IJCV，TIP，CVPR, ICCV，ECCV，NeurIPS，《中国科学: 信息科学》等权威期刊及会议。主持或参与国家自然科学基金项目、科技部"新一代人工智能"重大项目，湖北省重大科技创新项目等十余项。获首届中国图象图形学学会高等教育教学成果奖一等奖（第一完成人）、"互联网+"、"挑战杯"等竞赛国赛金奖4项、第八届吴文俊人工智能科学技术奖技术发明三等奖、VOT2019-ST冠军。主导研发的工业缺陷检测人工智能平台在我国制造业500强企业广泛应用，获湖北省委全省通报表彰，《人民日报》等广泛报道。担任CSIG视频图像通信专委会委员，CSIG武汉会员活动中心执行委员。

报告题目： 半导体晶圆光学检测技术

报告摘要： 在半导体制造过程中，晶圆缺陷检测是确保产品质量的关键环节。随着制程技术的不断进步，传统检测方法难以满足低延时、高精度、多品类的特性，尤其是针对宽视野、小缺陷、多类别的晶圆缺陷检测场景。报告将介绍晶圆光学检测的背景及相关概念，归纳当前面临的主要挑战，简要分析目前采取的核心检测技术，以及对未来行业趋势的展望。针对高分辨率、高实时性、高复杂度的挑战，报告将介绍如何在工业场景下提升主流缺陷检测模型的处理效率，如何利用无监督异常检测模型实现亚微米级缺陷的高效检出，以及如何解决主流大模型在工业视觉场景中的领域自适应问题。相关方案将汇总为一套有效的全链路晶圆光学检测方案，为行业领域提供借鉴和启发。

个人简介： 丁贵广，清华大学长聘教授，国家杰出青年基金获得者，北京信息科学与技术国家研究中心总支书记，中国人工智能学会理事、智能光学成像专委会主任。主要从事计算机视觉及深度学习模型设计压缩相关研究，包括：深度学习模型设计优化、多媒体内容理解、多模态大模型微调等方面，面向多媒体内容理解及工业视觉开展应用系统开发及产业化应用。作为负责人先后承担国家人工智能2030重大项目、国家自然科学基金联合重点清华-京东联合研究中心、清华-OPPO联合研究中心等项目。多媒体内容理解、深度学习模型压缩优化方法等成果成功应用于OPPO、京东、凌云光等单位，部分成果曾获国家科技进步二等奖、CAAI吴文俊科技进步一等奖、中国电子学会技术发明一等奖等奖项。

报告题目： 面向工业AI外观质检的柔性视觉检测技术及其应用

报告摘要： 工业AI外观质检是产品生产的最后一个环节，在外观质量检测方面，3C、锂电池、⾯板、太阳能和钢铁等⾏业客户有大量需求。本讲座首先将介绍工业AI外观质检的相关研究背景，包括行业现状、国家政策；其次介绍柔性工业视觉检测技术面临的挑战问题，并针对小样本和数据非平衡、缺陷尺度变化广和弱小目标检测难、跨场景和多SKU生产需要快速布局、推理速度需要跟上产线节拍等挑战性问题，重点介绍我们的解决方案，包括样本重构并融合的鲁棒的特征表示、基于小波引导的"提升-抑制"自注意力模型、基于原型引导的域适应缺陷检测、轴向分解的自注意力网络等方法；最后介绍相关技术在苹果手机、柔性包装、PCB板载LED灯等缺陷检测上的落地案例。

个人简介： 中山大学计算机学院二级教授、博士生导师。中国图象图形学学会副理事长、会士，广东省图像图形学会理事长（第四、五届）。中国计算机学会杰出会员，中国计算机学会计算机视觉专委员会副主任（第一、二届）、广东省人工智能与机器人学会副理事长、广东省安防协会人工智能专委会主任。1986、1989年分别在中山大学获学士、硕士学位，并留校任教。1999年在中山大学获博士学位。主要研究领域为计算机视觉、模式识别和机器学习。已主持承担国家自然科学基金与广东联合重点项目、科技部科技支撑课题、国家自然科学基金等。获得广东省科学技术奖励自然科学类一等奖（2018排名1）、中国图象图形学学会自然科学一等奖（2020年）、广东省科学技术奖励科技进步类二等奖（2016，排名3）、获得丁颖奖（2019年）、享受国务院政府津贴。已发表了约200篇学术论文，主要发表在ICCV、 CVPR、 ICDM等专业重要学术会议以及IEEE TPAMI、IJCV、IEEE TIP、IEEE TNN、Pattern Recognition等国际权威刊物上。

报告题目： 基于视觉感知的表面缺陷检测方法及系统

报告摘要： 高端装备制造作为我国培育和发展的战略性新兴产业，在服务国家重大需求、引领国民经济发展与保障国防安全中发挥了举足轻重的作用。面向高端装备产品表面缺陷快速精准检测的工业基础软件开发是工程质检领域的一项重大课题，对工业生产有着重要意义。而实际环境中存在背景复杂多变、样本少、特征微弱等问题，现有的方法无法实现高精度的快速检测，严重制约了国家工业生产的发展。本团队聚焦表面缺陷检测的共性难点，开展基于视觉感知的工业缺陷检测方法研究并进行工业软件集成应用。相关成果应用于工业产品质检、国防重点设备制造等领域，支撑相关产业技术变革和优化升级，促进我国先进制造业迈向全球价值链中高端。

个人简介： 刘敏，湖南大学二级教授，副院长。国家杰出青年基金获得者，教育部青年长江学者，国家重点研发计划首席科学家，国家自然科学基金创新研究群体核心成员。2004年获得北京大学学士学位，2012年获得美国加州大学河滨分校博士学位，湖南省自动化学会副理事长，机械工业先进制造视觉检测与控制技术重点实验室主任，中国图象图形学学会青工委副主任。先后主持国家重点研发计划项目2项、国家自然科学基金重点项目1项，第一、通讯作者在IEEE汇刊发表论文50余篇，获省部级科研奖励5项。

报告题目： 小样本缺陷图像的智能检测方法与应用探索

报告摘要： 基于机器视觉的工业产品表面缺陷检测系统作为保障产品质量的重要监测技术已经广泛的应用于钢铁、电路板、纺织等工业领域。本报告将分享课题组近年来在工业产品表面缺陷检测与识别方面的研究工作，重点关注基于小样本学习理论的表面缺陷图像分割与分类、以及应用案例。

个人简介： 宋克臣，东北大学特聘研究员/博士生导师，英国拉夫堡大学访问学者，沈阳市拔尖人才，IEEE Senior Member，连续两年入选全球前2%顶尖科学家榜单，担任《Computers, Materials & Continua》副主编以及多个期刊的编委、国家自然基金同行通讯评审专家，捷克科学基金（GACR）同行通讯评审专家、教育部学位中心博士学位论文评审专家，IEEE TPAMI、IEEE TNNLS等七十多个国际期刊审稿人。作为项目负责人主持国家自然科学基金等各类项目十余项，在IEEE TII、IEEE TIE、IEEE TCSVT等国内外重要学术期刊和会议发表学术论文一百余篇，其中ESI高被引论文11篇，ESI热点论文1篇。曾获得"辽宁省自然科学学术成果奖"、"教育部博士研究生学术新人奖励"、以及"优秀硕士学位论文指导教师"等奖励。

报告题目： 面向统一与通用的视觉异常检测

报告摘要： 视觉异常检测旨在识别图像或视频中与正常样本显著偏离的异常模式。该技术广泛应用于多个领域，如工业缺陷检测、医学影像病兆诊断和视频监控等。由于视觉异常独特且复杂的特性，如未知性、稀缺性和多样性，使得这一任务极具挑战。不同于监督学习下深度模型通常使用大量高质量标注数据表现良好，而视觉异常检测则由于难以获取大量异常数据仅仅基于正常数据以无监督建模学习。目前，大多数无监督异常检测方法专注于为每类视觉对象构建专用异常检测模型，这些方法在处理多类对象或少数据场景时既不高效也不灵活。在本次报告中，我将分享我们在解决以上问题上最新的研究进展，包括统一异常检测(DMRD, OneNIP)、少样本异常生成 (AnoGen) 和通用异常检测 (MetaUAS)。

个人简介： 高斌斌，腾讯优图实验室高级研究员，主要从事计算机视觉方向研究和工业视觉质检应用。在人工智能和计算机视觉国际会议如NeurIPS、CVPR、ICCV、ECCV等和国际期刊如IEEE TIP、IEEE TMM、PR等上发表学术论文30余篇, 申请专利40余项；研究成果已落地到液晶面板、3C、锂电等多个行业的工业智能质检中，助力工业生产提质降本增效；曾获国际计算机视觉识别竞赛冠军（持续识别，2022）和亚军（事件识别，2015），优秀专业实践指导教师（清华大学-腾讯人工智能实践课，2020）等；担任NeurIPS 2024，ICML 2025，NeurIPS 2025领域主席；担任人工智能和计算机视觉领域多个国际顶级会议和国际期刊的审稿人。

陶显

中国科学院自动化研究所

taoxian2013@ia.ac.cn