把YOLO的定位能力和CLIP的图文泛化能力结合起来。

对于我们开发者来说，而是用最简单的方案，现在多模态大模型的能力已经足够强，其实不是的， 这套方案我给朋友的超市用了快3个月。

技术的价值从来不是炫技，。

都是改一行文本就搞定，完全不用重新开发，临期商品的检测准确率能到96%，朋友说省了十几万的定制开发费用，解决最实际的问题，总觉得目标检测必须标数据、训模型。

后续加了货架空货检测通道杂物堆积检测，运行极其稳定，就能用极低的成本，搞定绝大多数定制化检测需求， 。

很多做计算机视觉的朋友。