基于skip-GANomaly的工业设备异常检测方法及系统

本发明涉及工业设备异常检测领域，具体涉及一种基于skip‑GANomaly的工业设备异常检测方法及系统，该方法包括以下步骤：获取数据集，对数据集进行预处理，并将预处理后的数据集划分得到训练集和测试集；构建基于skip‑GANomaly的深度学习模型；在训练集上对深度学习模型进行训练，调整模型参数，得到训练完成的深度学习模型；将测试集输入训练完成的深度学习模型中进行测试，得到检测结果，并对检测结果进行评估。本申请提供的检测方法及系统，能过够对工业设备异常进行检测识别，从而进一步帮助工厂检测设备运行状态，避免因设备故障而引起的损失，提高生产效率。