学术报告： 基于大模型的零样本工业异常检测
摘要：在大模型技术驱动的智能化浪潮下，工业多模态异常检测正迈向高效化与精准化的全新范式。本报告系统探讨了如何依托大模型的强大表征学习能力与跨模态协同机制，构建面向复杂工业场景的多模态异常检测技术体系。研究聚焦时间序列、图像及三维点云等多源异构数据，提出了基于大模型的时序动态建模、视觉语义理解及空间结构解析方法，突破了传统深度学习技术在数据需求与泛化性能上的瓶颈，实现了对工业设备与产品缺陷的高精度、高鲁棒性检测。进一步，设计了一种跨边缘-云层的自适应部署系统。本报告通过展示多模态异常检测领域的最新研究成果，讨论了大模型在工业场景应用的研究思路与实践路径。
报告人简介：贺诗波，浙江大学控制科学与工程学院求是特聘教授，工业信息物理融合系统省部共建协同创新中心主任、工业控制研究所副所长。先后入选教育部长江学者特聘教授、国家海外青年人才计划。研究领域为物联网与大数据分析。发表学术论文200余篇，包括国际知名期刊PNAS、Nature Communications、Nature Genetics、IEEE ToN、IEEE JSAC、IEEE TMC、IEEE TWC等，以及旗舰会议ACM CCS、ACM MobiHoc、IEEE INFOCOM、IEEE RTSS等。编著教材2部、学术著作3部。研究成果被同行google scholar引用9400余次，其中Web of Science核心合集他引超过4000次。获得IEEE 可扩展技术专委会职业中期研 究奖、教育部青年科学奖及自然科学一等奖、IEEE通信学会亚太区杰出青年研究学者奖、IEEE Globecom等8个国际会议最佳论文奖等多项荣誉。（曾）担任IEEE Trans. Fuzzy Systems等7个期刊编委及AIoTSys、i-SCI国际会议大会总主席，IEEE GlobeCom 、i-SPAN、IEEE ICC、ScalCom等国际会议程序委员会主席/专题主席等。
报告时间：2025年11月14日下午4:30-5:30
报告地点：B240会议室
