一种基于联邦学习的多变电站设备缺陷识别方法及系统

一种基于联邦学习的多变电站设备缺陷识别方法及系统，属于图像处理技术领域，解决变电站设备缺陷识别过程中客户端数据不可见导致特征偏移的问题；本发明在联邦学习过程中，本地端和服务器端之间不需要传递CLIP模型的视觉分支和文本分支，仅需要传递文本提示词、编码器和解码器的参数即可实现不同服务器端的知识学习与知识融合，相比于具有大参数量的CLIP模型，极大降低了传输参数量，通过多次的本地端和服务器端的循环训练，最终得到效果最优的服务器端的全局模型，对于本地端模型，能够生成任意类别尤其是未见类别的视觉特征，减少变电站设备缺陷识别过程中服务器端数据不可见导致特征偏移的现象，提升模型的泛化能力。