一种基于ViG的手机麦克风零件缺陷检测方法

技术特征：
1.一种基于vig的手机麦克风零件缺陷检测方法，其特征在于：包括以下步骤：步骤一：首先将正常麦克风零件样本图分为大小相同的patch，每个patch代表图结构中的一个节点，对于每个节点通过k近邻(k-nearest neighbor，knn)算法找到它的k个最近邻节点并为其添加边，实现基于图像的图表示；步骤二：然后将待测图输入到vig(vision graph neural network)框架中，使用训练好的图卷积网络(graph convolutional network，gcn)模型对正常样本麦克风零件图进行特征提取；步骤三：使用马氏距离以并行计算的方式测出所提取到的节点特征之间的距离，并得出所测试图的异常分数，实现麦克风零件图的缺陷检测。2.如权利要求1所述的一种基于vig的手机麦克风零件缺陷检测方法，其特征在于：将w
×
h
×
3像素大小的麦克风正常样本图，每张平均划分成n个相同像素大小的patch，每个patch代表图结构中的一个节点，使用knn算法测量不同节点特征值之间的距离，用距离目标节点最近的k个样本节点数据的分类来代表目标节点的分类，对目标节点找到与其最相似的k个节点，这k个节点出席次数最多的分类，即是目标节点的分类，将目标节点与所找到的k个最近邻节点进行边的连接，即构建了一个规则图g＝(v，e)，从而实现基于图像图表示。3.如权利要求1所述的一种基于vig的手机麦克风零件缺陷检测方法，其特征在于：步骤2中，将待测图输入到vig框架中，使用训练好的gcn模型通过卷积的方式对麦克风零件正常样本图进行特征提取，并将提取到的节点特征进行合并。4.如权利要求1所述的一种基于vig的手机麦克风零件缺陷检测方法，其特征在于：使用马氏距离计算测试图中节点v
j
与模型学习到的正常样本节点v
i
之间的距离，根据设定好的阈值，给出测试图中目标节点v
j
的异常分数。5.如权利要求4所述的一种基于vig的手机麦克风零件缺陷检测方法，其特征在于：在测量马氏距离的过程中，对测试图中每个节点使用并行计算，增加异常检测速度。

技术总结
本发明提供了一种基于ViG的手机麦克风零件缺陷检测方法，包括以下步骤：步骤一：首先将正常麦克风零件样本图分为大小相同的patch，每个patch代表图结构中的一个节点，对于每个节点通过K近邻(K-nearest neighbor，KNN)算法找到它的K个最近邻节点并为其添加边，实现基于图像的图表示；步骤二：然后将待测图输入到ViG(Vision Graph neural network)框架中，使用训练好的图卷积网络(Graph Convolutional Network，GCN)模型对正常样本麦克风零件图进行特征提取；步骤三：使用马氏距离以并行计算的方式测出所提取到的节点特征之间的距离，并得出所测试图的异常分数，实现麦克风零件图的缺陷检测。本方法实现了工业生产中零件缺陷检测，提升了网络的缺陷检测效率。提升了网络的缺陷检测效率。提升了网络的缺陷检测效率。


技术研发人员：郭磊 马海钰 肖怒 郭济
受保护的技术使用者：电子科技大学长三角研究院（湖州）
技术研发日：2022.11.22
技术公布日：2023/3/3