一种基于联邦学习的分布式染色机异常检测方法

本发明具体为一种基于联邦学习的分布式染色机异常检测方法，涉及工业设备异常检测与联邦学习技术领域，包括：将得到的权重差值进行压缩，并加密后传输至联邦服务器。本发明中，模型训练采用CNN‑LSTM混合结构，兼顾空间与时序特征，适配染色机多传感器数据关联和异常滞后性特点；增量训练、小批量训练策略，解决边缘设备算力内存限制，让模型能在染色机本地稳定训练，避免网络依赖；压缩传输环节，动态稀疏化适配工艺阶段，分层量化区分信息层级，既压缩数据量保障传输效率，又保留关键信息，使联邦学习流程在工业环境中稳定运行，从数据处理到模型训练部署，全方位适配染色机生产场景，为异常检测落地提供坚实支撑。