本研究提出了一种结合RGB相机与3D点云传感器的多传感器系统，克服了传统目标检测在制造部件识别中的局限性，采用改进的Faster R-CNN方法，显著提升了智能制造中的目标检测性能。

本研究使用液压系统测试数据集，聚焦于传感器基于的状态监测，并探索了深度学习技术的应用。比较了三种模型的性能，发现基准模型通过晚期传感器融合取得了1%的测试误差率，而卷积神经网络模型遇到了挑战，导致了20.5%的误差率。进一步调查发现，单独训练每个传感器可以提高准确性。同时，评估2L-CNN模型的性能时，考虑最不理想和最理想传感器的组合，错误率降低了33%。研究强调了有效应对多传感器系统复杂性的重要性。