基于视觉语言大模型的施工现场隐患识别方法及系统

本申请涉及一种基于视觉语言大模型的施工现场隐患识别方法及系统。所述方法包括：获取实时采集的施工现场高处作业的图像数据；对图像数据进行预处理，得到待检测图像；将待检测图像输入到施工安全视觉语言模型中，得到隐患识别结果；隐患识别结果包括高处坠落安全隐患类型和规范自然语言图像字幕。采用本方法能够为施工现场安全管理提供了智能化的技术支持，通过对施工现场高处坠落隐患识别和生成规范化的图像字幕，有效降低高处坠落事故的发生率。