该图围绕磁浮轨道定子面缺陷检测研究展开，首先点明当前检测两大关键瓶颈：数据侧存在样本稀缺、标注困难问题，原始数据仅有 1000 张，样本长尾分布严重；任务侧面临精准定位难题，模型对未知缺陷泛化与定位能力不足。针对上述痛点，研究构建基于 LLM 引导扩散生成与视觉 - 语言融合的一体化检测框架，包含 LLM 提示词生成、掩码扩散增强、视觉 - 语言检测三大关键模块。框架核心为双编码器视觉 - 语言融合检测网络与训练机制，视觉编码器依托 Swin Transformer 提取四阶段多尺度特征，通过 FPN 完成维度映射；文本编码器基于 CLIP 架构实现五类语义嵌入与专业提示词增强。模型借助双向交叉注意力、语言引导查询实现跨模态特征融合，采用分阶段独立训练策略，最终完成脱落、开裂、擦伤等缺陷的识别定位。相关指标验证方案优势，生成质量、检测精度与综合性能均取得良好效果，mAP50 达 85.86%，模型精度与推理速度兼顾。适用人群：轨道交通检测科研人员、机器视觉算法工程师、工业缺陷识别领域研究者。