基于深度学习的钢结构板材故障检测方法及系统

本发明属于板材故障检测技术领域，公开了一种基于深度学习的钢结构板材故障检测方法及系统，使用三层多头注意力模块和随机梯度下降优化器作为所有具有注意力架构的模型的训练优化器；通过捕获各种属性的相对重要性，用于解释模型的结论的属性间注意力；使用知名的数据集进行广泛的测试，以及对两个层次的解释的分析。本发明在两个层面上使用了注意力层来演示这种架构，实现了解释的粒度。属性间关注值为本发明提供了模型中各种属性的相对重要性的概念，这些属性为最终用户解释了个人决策。可以在这些属性重要性的平均案例分析的帮助下，对模型进行调整，以满足特定的要求。本发明提出的架构提供了有意义的决策解释，并且优于所有基准模型。