一种多模态大模型知识蒸馏的电力作业目标检测方法

本申请涉及目标检测领域，其具体地公开了一种多模态大模型知识蒸馏的电力作业目标检测方法，其利用视觉‑语言多模态大模型作为教师模型，通过拓展提示词引导，为未标注的电力作业图像生成高质量的伪标签及区域‑文本对作为监督信号，在此基础上，通过联合优化检测损失、特征蒸馏损失、逻辑蒸馏损失以及多模态对比学习损失，引导轻量级YOLO学生模型不仅学习定位与分类知识，更在特征空间与语义层面与教师模型的开放词汇理解能力进行深度对齐，从而有效弥合封闭类别检测与开放世界感知之间的语义鸿沟。通过这样的方式，显著提升了学生模型对电力作业场景中常见及稀有、甚至未见目标的检测精度与泛化能力。