摘要
本发明涉及智能制造技术领域,具体为一种基于多模态传感数据的真空等温锻件的智能缺陷检测与修复方法及系统。所述方法包括:通过视觉传感器、热感传感器及应力传感器分别获取真空等温锻件的图像数据、热分布数据及应力监测数据,对上述数据进行预处理,生成时空对齐的多模态数据集;对多模态数据集进行融合处理,通过深度学习网络提取缺陷的多维特征,生成缺陷特征序列;基于缺陷特征序列结合应力分布特征优化修复路径规划模型,生成修复任务序列;将修复任务序列输入智能修复设备执行修复操作。本发明通过多模态传感技术和深度学习算法相结合,实现真空等温锻件缺陷的高精度检测、分类与修复,显著提升生产效率和产品质量,降低次品率和修复成本。
技术关键词
智能缺陷检测
深度学习网络提取
修复方法
多模态
序列
应力传感器
分布特征
锻件
视觉传感器
修复设备
模态特征
图像
真空
实时监测数据
规划
深度学习算法
系统为您推荐了相关专利信息
泊位
信息提取方法
信息提取模型
高维特征向量
船舶
负荷曲线形态
模式聚类方法
日负荷曲线
最佳聚类数目
序列
水下生物检测方法
视觉特征
多模态
大语言模型
图片
健康预测方法
数据
加权融合算法
机器可读程序
老年人健康