基于深度学习的照明设备故障检测与维护系统

本文针对照明设备故障检测与维护难题，提出基于多模态数据采集与混合深度学习模型的解决方案。通过集成电流、温度、振动及光通量传感器，构建覆盖道路、厂房与特种照明场景的多维故障数据集。创新设计分层注意力混合网络，融合时序信号与空间热力学特征，实现故障定位精度达96.8%,较传统方法提升7.3%。