一种基于深度学习的电子拼接屏智能诊断方法及系统

本发明涉及显示技术领域，公开了一种基于深度学习的电子拼接屏智能诊断方法及系统，采集电子拼接屏的图像数据、传感器数据及用户反馈数据；通过ResNet‑50网络对图像数据进行多尺度特征提取，得到图像特征；将图像特征、传感器数据及用户反馈数据利用Transformer模型捕捉全局上下文关联，进行跨模态融合，得到融合后的特征；将融合后的特征输入SVM‑LSTM模型，通过SVM分支识别故障类型，采用LSTM网络预测硬件老化趋势，输出诊断结果，并根据诊断结果生成修复建议及预警信息；本发明将图像、传感器数据和用户反馈结合，提升故障诊断的全面性，实现对电子拼接屏故障的预测，提前采取预防措施，降低电子拼接屏故障率。