中国工业互联网研究院（工业和信息化部密码应用研究中心）

本发明公开了一种多模态语义对齐融合的工业缺陷检测方法及系统。本发明基于视觉‑语言模型的双编码器架构，以图像编码器提取的视觉表征和文本编码器生成的语义原型为基础，将正常语义原型、通用异常语义原型及细粒度缺陷语义原型作为文本侧先验表征；通过局部视觉表征与多粒度语义原型之间的跨模态相似度度量，建立工业图像局部区域与类别相关缺陷语义之间的细粒度语义对应关系；进一步引入基于正常训练样本统计的缺陷语义响应校准、基于正常视觉记忆库的视觉正常性偏离建模，以及基于语义置信度的文本‑视觉异常响应动态融合机制，获得最终异常响应。本发明提升了工业缺陷检测中图像级异常判别、像素级异常定位及缺陷语义解释的可靠性。