本发明公开了一种面向跨模态检索的数据采集处理方法和系统，包括：对目标开源数据网络进行分布式并行采集多模态数据；对文本模态数据进行特殊字符和不可见字符的清洗后，对清洗后的文本模态数据与图像模态数据进行不同消息队列存储；利用特征提取模型分别对消息队列中的每条文本和每个图像进行特征提取得到文本特征和图像特征，根据文本特征和图像特征的相似度匹配筛选得到图‑文组合，并以图‑文组合的图像特征和文本特征作为索引进行数据库存储；检索时，依据上传数据与数据库中的图‑文组合的相似度筛选匹配的图‑文组合作为上传数据的检索结果并返回，该方法和系统能够实现图片‑文本数据进行高质量的跨模态检索。