一种基于深度学习的轴承缺陷智能检测方法及系统

本发明公开了一种基于深度学习的轴承缺陷智能检测方法及系统，涉及轴承缺陷检测领域；利用多种传感器采集轴承振动、声学、热成像等多模态数据，经降噪、特征提取等预处理构建四维特征张量；通过可重构多分支卷积神经网络融合特征，结合元学习孪生网络识别缺陷并预测发展趋势；采用量子启发式算法优化决策阈值，实现多级预警；通过边缘‑云端协同与联邦学习完成模型持续进化，具备数据校准补偿、模型动态优化等功能，实现轴承缺陷高效精准检测。本发明显著缩短检测时间，定位精度准；新型缺陷响应提速快，可提前预测故障；降低系统能耗，提升模型更新，有效保障设备稳定运行，助力工业智能化运维降本增效。