一种基于机器学习的光模块损坏检测方法及系统

本发明公开了一种基于机器学习的光模块损坏检测方法及系统，涉及光通信技术领域，包括，同步捕获收发光功率动态波动轨迹、热响应梯度数据及电源纹波瞬时频谱，经时间戳引擎对齐后生成原始信号流；基于原始信号流，通过条件独立性检验识别因果特征组，结合半导体热力学方程与光电转换原理生成因果特征向量矩阵；将因果特征向量矩阵转换为动态时态图结构，通过时间卷积网络计算边权重，经图注意力机制聚合时空特征后输出损伤模式嵌入向量；本发明通过三重条件独立性检验筛除温度梯度与电压纹波的伪相关，使特征选择误判率下降。