摘要
本申请涉及智能检测技术领域,其具体地公开了一种用于钕铁硼生产线的自动检测系统及方法,其采用基于深度学习的人工智能技术对电涡流传感器采集的钕铁硼材料的电涡流信号进行分析,分别提取电涡流信号的高频成分特征和时域特征,并基于电涡流信号的高频成分特征和时域特征之间的交互融合特征来智能判断钕铁硼材料质量是否合格。这样,可以提升钕铁硼的检测效率和准确性,降低人工操作的难度和误差,提高生产效率和产品质量。
技术关键词
信号频域特征
自动检测系统
特征强化融合
钕铁硼材料
时域特征提取
卷积神经网络模型
频域特征提取
涡流传感器
材料检测器
注意力
自动检测方法
特征提取模块
智能检测技术
多通道
分类器
系统为您推荐了相关专利信息
虚拟现实交互
虚拟现实设备
康复训练方法
康复动作
节点特征
癫痫预警方法
预警模型
脑电信号采集
时域特征提取
采集脑电信号
细胞治疗产品
自动检测系统
磁珠
显微镜
数据处理算法
焊缝自动检测系统
注意力机制
模型训练模块
电焊机
颈部结构
水文时间序列预测
时域特征提取
频域特征提取
离散余弦变换
特征提取模块