基于对比学习的纤维复合材料缺陷类型与分布预测方法

基于对比学习的纤维复合材料缺陷类型与分布预测方法，该方法首先部署数据采集系统，利用热成像相机采集复合材料表面温度分布，通过工艺参数传感器监测激光功率、扫描速度、层厚等关键制造参数，构建多模态数据集。接着设计双流编码器架构，分别通过卷积神经网络和全连接层提取热成像中的缺陷纹理特征以及对工艺参数进行标准化嵌入，并引入对比损失函数实现多模态特征对齐。之后构建表征融合模块，将图像和参数特征输入缺陷分类器和空间分布回归器，通过训练获得预测网络。再开发缺陷预测与评估系统，部署模型并结合性能数据库评估缺陷影响。最后建立闭环反馈机制，依据预测结果调整增材制造设备工艺参数以降低缺陷生成概率。本发明实现了对纤维复合材料缺陷类型与分布的有效预测及工艺优化，提高产品质量。