摘要
本发明公开了一种基于多模态数据协同训练的缺陷诊断方法及系统,属于缺陷诊断技术领域,具体包括:构建包含特征提取子网络与跨模态注意力模块的多模态协同诊断模型;采集多模态数据并预处理后,经特征提取子网络获取初始特征,再由跨模态注意力模块生成注意力权重,得到加权后的多模态特征,经多尺度特征提取子网络后获得多尺度融合特征,再通过级联处理给出初步诊断结果;同时检测数据完整性,通过级联式协同诊断应对模态缺失场景;最后将两类诊断结果与缺陷标注样本比对,得到训练优化后的多模态协同诊断模型,再输入待诊断样本数据后,输出最终诊断结果并更新缺陷标注样本,实现了高效精准的缺陷诊断。
技术关键词
缺陷诊断方法
模态特征
注意力
分支
多尺度特征提取
数据
力学
诊断模块
级联式
多模态协同
网络
融合特征
跨模态
样本
输出特征
分层决策机制
视觉
缺陷诊断技术
特征提取模块
系统为您推荐了相关专利信息
生成方法
GAN模型
纹路特征
纹理特征
生成设备
排序方法
语义特征
视觉特征提取
排序模型
双分支结构
修复方法
编码特征
控制解码器
联合损失函数
点云修复
动态识别方法
笔画特征
HSV颜色模型
符号
多模态特征融合
城轨车辆门系统
故障预警方法
机器学习算法模型
门控器
原型