一种基于混沌神经网络的多模态工业缺陷检测方法

本发明公开了一种基于混沌神经网络的多模态工业缺陷检测方法包括，获取并对齐多种模态的工业缺陷数据，通过一个多分支神经网络进行特征提取与融合，生成一个统一的缺陷特征向量；将该特征向量作为预设的高维混沌系统的初始条件，通过迭代运算生成一个对初始条件极端敏感的二进制哈希码；在预先构建的、存储有历史缺陷哈希码及其关联生产数据的缺陷实例库中，利用该哈希码进行快速检索，以获得与当前缺陷相似的历史实例，并聚合其关联的生产数据进行自动化的根因分析；本发明利用混沌系统对初值的敏感性，将特征微小差异放大，显著提升了非线性特征检索的精度和效率，并实现了从高效检索到智能根因分析的无缝集成，构成了从缺陷检测到工艺优化的数据闭环。