摘要
本申请涉及智能检测领域,提供了一种多模态电梯部件生产质量检测与分析装置及方法,其首先同步采集电梯部件表面图像及运行声音信号,利用深度学习分别提取视觉特征和声学特征形成高维编码向量,随后通过特征无监督增强对两类向量进行内部相结构解析动态分离出与质量缺陷强相关的特征并抑制冗余噪声,从而实现跨模态特征的语义对齐,最终将增强后的多模态特征进行融合形成全局质量表征向量通过分类模型判定部件合格性。这样,能够突破传统单模态检测对隐性缺陷的感知局限,有效提升对复合型质量缺陷的识别灵敏度,进而为电梯关键部件提供全维度质量评估能力。
技术关键词
编码向量
电梯
视觉特征编码
波形
融合特征
分析方法
声音特征提取
多模态特征融合
视觉特征提取
分析装置
无监督
卷积循环神经网络
信号采集模块
非线性特征
图像采集模块
分类器
系统为您推荐了相关专利信息
可见光图像
局部细节特征
压缩特征
多任务损失函数
语义特征
石油设备
故障预测方法
振动传感器
电流传感器
因子
面向高分辨率遥感影像
道路提取方法
高层语义特征
多尺度特征
直方图均衡化
多任务联合学习
图像分割模型
特征融合网络
图像分割方法
边界特征
升压站设备
融合特征
多尺度
智能巡检方法
数字孪生