Enhancing Large Vision–Language Models for Multimodal Defect Detection via SFT–GRPO Reinforcement Learning

JSON文件 计算机科学 元数据 人工智能 跳跃式监视 稳健性(进化) 偏移量(计算机科学) 领域(数学分析) 目视检查 最小边界框 钥匙(锁) 模式(遗传算法) 自动化 工具箱 结构化预测 数据挖掘 机器学习 随机森林 计算机视觉 挡风玻璃 匹配(统计) 模式识别(心理学) 解析 工厂(面向对象编程) 强化学习 软件 可验证秘密共享 机器视觉 数据完整性
作者
Hung Viet Nguyen,Hyojin Park,Namhyun Yoo,Jinhong Yang
出处
期刊: 卷期号:: 1517-1522
标识
DOI:10.1109/icaiic68212.2026.11454372
摘要

Large Vision Language Models (LVLMs) offer strong visual reasoning capabilities but their direct application to industrial defect inspection remains limited due to domain complexity, diverse defect modes, and the need for structured reporting. This paper presents a unified fine-tuning framework that combines Supervised Fine-Tuning (SFT) with Group Relative Policy Optimization (GRPO) to adapt open-source LVLMs for multimodal defect inspection in Liquefied Natural Gas (LNG) tank manufacturing. Using a balanced dataset derived from 188,631 inspection images, the proposed method enables each LVLM to perform joint defect localization, attribute prediction, and automatic generation of structured JSON inspection reports. The GRPO stage incorporates verifiable reward signals that enforce JSON validity, schema compliance, bounding box accuracy, and metadata consistency. Experimental results on four LVLM architectures demonstrate substantial performance gains, with mean Average Precision at IoU 0.5 improving from$35-39$percent to$84-89$percent and$F 1$scores for defect labels increasing from approximately 14 percent to above 84 percent. The best-performing model, Qwen2.5-VL-7B, achieves 88.77 percent mAP at IoU 0.5 and over 90 percent$F 1$in key metadata fields. These findings indicate that SFT and GRPO provide complementary benefits, enabling LVLMs to deliver accurate, interpretable, and computationally efficient inspection for next-generation manufacturing environments.

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
九思完成签到,获得积分10
1秒前
66不想读文献完成签到,获得积分10
1秒前
1秒前
eric发布了新的文献求助10
2秒前
2秒前
老猫发布了新的文献求助10
2秒前
Aprilapple发布了新的文献求助10
2秒前
烟花的应助被hellosci666采纳,获得10
2秒前
LanZY发布了新的文献求助10
2秒前
3秒前
whh关注了科研通微信公众号
3秒前
Grayson发布了新的文献求助150
3秒前
4秒前
包容诗槐完成签到,获得积分10
5秒前
Ether完成签到,获得积分10
5秒前
5秒前
kk发布了新的文献求助10
7秒前
Vicou2025完成签到,获得积分10
7秒前
WD发布了新的文献求助10
8秒前
酷波er的应助被Menzy采纳,获得30
8秒前
9秒前
yeandpeng发布了新的文献求助10
9秒前
贪玩的水壶完成签到 ,获得积分10
10秒前
懿1完成签到,获得积分10
10秒前
10秒前
10秒前
fighter完成签到,获得积分10
10秒前
璃茉完成签到,获得积分10
11秒前
水水的完成签到,获得积分10
12秒前
12秒前
Ws20010222完成签到,获得积分10
12秒前
12秒前
小莲子发布了新的文献求助20
13秒前
13秒前
研友_wZr5Rn完成签到,获得积分10
14秒前
WD完成签到,获得积分10
14秒前
自然诗珊完成签到,获得积分10
14秒前
15秒前
15秒前
畅快的念烟完成签到,获得积分10
15秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
Energie-Contracting 1500
Klimaschutzrecht durch den Energiesektor im Mehrebenensystem – Ein Rechtsvergleich 1000
Oncology Clinical Trials: Successful Design, Conduct, and Analysis, Second Edition 800
Mathematical models in hydrology 500
Butadiene hydroxytelechelic oligomers PBHT 500
Ecotourism 400
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8078519
求助须知:如何正确求助?哪些是违规求助? 9495730
关于积分的说明 21389726
捐赠科研通 7646793
什么是DOI,文献DOI怎么找? 3400682
关于科研通互助平台的介绍 2530111
邀请新用户注册赠送积分活动 2439427