基于深度学习模型的紧固件质量控制方法、系统和设备

本申请涉及一种基于深度学习模型的紧固件质量控制方法、系统和设备。所述方法通过获取微观组织信息、温度信息和应力信息，并利用深度学习模型对这些多场耦合因素进行综合分析和建模，使得质量控制方法能够基于数据驱动的方式进行精准预测和优化。有利于形成完整的、可重复和可预测的控制体系，提高质量控制方法的系统性；此外，本申请的深度学习模型通过捕捉金属流动行为和微观组织演变的复杂关系，并基于多场耦合特征进行预测，进一步提高质量控制方法的精确性。