双传感器信号融合，经小波变换生成图像，再利用深度卷积网络DCNN模型进行训练测试（带有GUI识别界面，模型也很容易被替换为其它模型，Python代码，pytorch框架）

效果视频：可以连续对图像样本识别，也可以对视频里的样本进行识别

面向工业故障诊断系统（Python编程，pytorch编程，可以对不同样本连续识别，也可以对视频里的样本进行识别）_哔哩哔哩_bilibili

1.项目文件夹

第一个文件夹6205-12K是数据文件夹，装载的分别是凯斯西楚大学的内圈故障、正常、外圈故障和滚动体故障原始数据

第二个文件夹保存的小波变换后生成的样本图像。CWT.py文件夹对原始数据处理后，生成的时频图保存在文件夹。

 

第三个文件夹是随意选取四种不同类型下的图像样本放在该文件夹下，供vedio_creat.py文件生成视频，即vedio.mp4.

第四个文件夹（picture）是包含训练集和测试集，hf.py脚本对cocofisher_pic文件夹进行操作，生成训练集和测试集

 第五个文件是class_indices.json是装载的标签和对应类别名称

第六个文件：CNN.pth是装载训练好的模型参数

第七个文件：CWT.py是小波变换

第八个文件：GUI_VEDIO.py是呈现GUI界面

第八个文件：hf.py是对cocofisher_pic文件夹进行操作，生成训练集和测试集

第九个文件：model.py是模型 

第十个文件：train.pys是训练脚本

第十一个文件：vedio.mp4，是以一帧一秒的速度，将一个个的图像经vedio_creat.py处理后，生成视频，以模拟现场工业采集的信号经小波变换生成的视频，做的实时检测。

2.模型

对本项目感兴趣的可以关注

import threading
import os
import json
import torch
import cv2
from PIL import Image
from torchvision import transforms
import tkinter as tk
from tkinter import filedialog
from model import CNN
from PIL import ImageTk
#压缩包https://mbd.pub/o/bread/ZJ2Xlp1y