基于深度学习的桥梁结构健康监测数据异常检测方法

本发明公开了基于深度学习的桥梁结构健康监测数据异常检测方法，具体涉及结构健康监测技术领域，用于解决现有方法中图像增强与特征提取过程割裂导致的环境干扰敏感度高、跨模态数据融合能力不足的问题；通过动态图像增强与深度学习模型联合训练生成跨域特征映射关系，实现增强参数与特征空间的协同优化；基于跨模态卷积融合视觉图像与声发射信号的时频共振参数，结合注意力机制修正损伤特征空间分布；利用拓扑持续性同调分析量化跨域特征的结构差异，通过最优传输理论迭代优化特征映射网络；最终采用多层级特征模板匹配与自适应阈值判定机制输出异常检测结果，显著提升了复杂环境下桥梁结构健康检测的鲁棒性与泛化能力。