基于深度学习的微型电机缺陷声纹检测方法

本发明公开基于深度学习的微型电机缺陷声纹检测方法，涉及电极声纹检测技术领域，通过光子晶体麦克风获取微型电机在不同时刻的多维度声学特征数据，利用量子计算原理对初始声纹数据进行特征提取，生成声纹参照数据，通过数据统计处理和NAS优化的深度学习模型，确定当前检测时刻的声纹特征数据，结合因果图分离算法，对比声纹特征数据与参照数据，判断电机缺陷状态，该方法能有效提升检测精度，增强抗干扰能力，实现微型电机缺陷的高效检测。