基于跨模态提示学习的工业零样本异常检测方法及系统

本发明公开了一种基于跨模态提示学习的工业零样本异常检测方法及系统，涉及计算机视觉和深度学习技术领域。该方法包括：获取工业场景中包含产品缺陷与正常状态的RGB图像与点云数据，并对点云数据进行预处理；构建异常检测模型，利用异常检测模型初步提取RGB图像与点云数据的信息表征，并通过提示信息进行进一步的特征提取和语义对齐操作；基于跨模态协同机制对异常检测模型进行训练，并采用协同调制策略对训练的异常检测模型进行测试；利用训练完成的异常检测模型对待检测的产品进行异常检测。本发明在工业环境下，尤其是在数据稀缺和模态复杂条件下能够显著提升实时缺陷检测精度与鲁棒性。