该图展示一套工业缺陷检测完整技术流程，原始数据集共 1000 张图像，包含脱落、开裂、擦伤、定子缝、梁缝五类工业缺陷，各类样本数量分布不均。整体分为数据增强模块与检测模块两大核心部分。数据增强模块由 LLM 提示词生成与扩散模型图像生成两部分组成，大语言模型负责生成缺陷描述提示词，传递给扩散模型完成缺陷图像生成，经过扩充后得到 10000 张的增强数据集，有效解决原始样本数量少、类别不均衡的难题。检测模块采用跨模态融合架构，图像编码器选用 Swin，提取缺陷图像多尺度视觉特征；文本编码器使用 CLIP，将缺陷文本描述转化为语义特征；两类特征输入跨模态融合单元做信息交互，再送入测试解码器，完成缺陷目标检测，输出带有检测框的缺陷识别结果，实现五类工业缺陷的定位识别。该方案将大模型提示工程、扩散生成、图文跨模态技术结合，弥补工业场景标注样本稀缺的痛点，提升缺陷检测效果。无论进行工业视觉课题研究的学生、计算机视觉研发人员，还是工业缺陷检测项目从业者，都可以借助该流程图理清整套缺陷检测技术链路。