A medida que la exploración de petróleo y gas se ha profundizado, la complejidad y el riesgo de las operaciones de reparación de pozos han aumentado, y los métodos de descripción tradicionales basados en texto y gráficos tienen limitaciones en precisión y eficiencia. Por lo tanto, este estudio propone un método de descripción de escenas de reparación de pozos basado en tecnología de lenguaje visual y un mecanismo de mejora de indicación de acoplamiento cruzado.