一种基于深度学习的多模态融合缺陷感知与识别方法

本发明涉及深度学习与缺陷检测技术领域，公开了一种基于深度学习的多模态融合缺陷感知与识别方法，其中基于深度学习的多模态融合缺陷感知与识别方法，包括步骤一：多模态数据获取，通过采集设备获取目标物体的多模态数据，包括视觉数据和非视觉数据，数据格式涵盖二维图像、三维点云、时间序列数据等。该基于深度学习的多模态融合缺陷感知与识别方法，通过多模态数据融合能够综合视觉数据和非视觉数据的优势，更全面地描述目标物体的特性，减少单一模态数据带来的信息缺失，从而提高缺陷检测的准确性，且在工业零件检测中，通过融合图像和点云数据，能够更准确地识别零件表面的裂纹、孔洞等缺陷，检测精度相比单一模态方法明显提高。