一种融合数据热力图与深度学习的叶片状态评估系统

本发明公开了一种融合数据热力图与深度学习的叶片状态评估系统。涉及人工智能技术领域，包括：数据净化模块，用于获取原始数据热力图序列，并通过物理模型约束的净化处理生成高置信度生理状态图序列；异常甄别模块，用于基于健康状态基线模型分析所述高置信度生理状态图序列，以输出异常状态标签及定位信息；序列构建模块，响应于存在异常的指示，从历史数据中提取异常区域以构建时间序列；时空网络趋势预测模块，用于接收所述异常区域时间序列，并生成对异常区域未来状态的量化预测报告。本发明解决了因环境干扰和模型泛化能力不足导致的评估结果不可靠、不全面的问题，实现了对未知异常的早期识别和发展趋势的动态预测。