一种基于深度学习的视觉检测系统的制作方法

1.一种基于深度学习的产品视觉检测系统，其特征在于，包括：

2.根据权利要求1所述的一种基于深度学习的视觉检测系统，其特征在于，图像获取单元用于获取产品的原始图像数据并提取图像中的节点和边信息，根据获取的数据生成包含节点和边特征的图数据结构的步骤为：

3.根据权利要求1所述的一种基于深度学习的视觉检测系统，其特征在于，根据提取的节点和边特征信息，图像获取单元在生成图数据结构的步骤为：

4.根据权利要求1所述的一种基于深度学习的视觉检测系统，其特征在于，噪声过滤模块获取图像获取单元的图像数据并消除图像数据中的噪声节点和边的步骤为：

5.根据权利要求1所述的一种基于深度学习的视觉检测系统，其特征在于，建立产品各层的局部图神经网络和时序图神经网络，每层独立建模并通过跨层连接将不同层的图神经网络连接起来，形成整体图神经网络模型，最后，在跨层连接中使用注意力机制，动态调整层间信息传递的权重的步骤为：

6.根据权利要求1所述的一种基于深度学习的视觉检测系统，其特征在于，环境适应模块用于环境数据并根据环境数据调整gnn模型的参数的步骤为：

7.根据权利要求1所述的一种基于深度学习的视觉检测系统，其特征在于，使稀少节点类型在训练过程中得到更高的权重并使用生成对抗网络，生成稀少节点类型的合成样本，增加训练数据量的步骤为：

8.根据权利要求1所述的一种基于深度学习的视觉检测系统，其特征在于，使用gan生成稀少节点类型的合成样本，以增加训练数据量，使用生成器g接受随机噪声向量z作为输入，生成合成样本xfake，其中，生成器ggg接受随机噪声向量z作为输入，生成合成样本xfake，其表达式为：xfake＝g(z)；