一种基于图神经网络模型的工业喷涂工件不良品因素智能检测方法

本发明公开了一种基于图神经网络模型的工业喷涂工件不良品因素智能检测方法，包括：获取工件生产过程中的各类参数，包括车厢环境参数、烘干室环境参数、油漆品质参数和喷涂设备参数；每个工件对应一个节点，基于生产过程中的各类参数构建每个工件节点的特征向量；基于图神经网络模型对每个工件节点的特征向量进行聚合和更新，并对更新后的特征向量进行高维特征表示；基于工件的高维特征，采用反向传播算法优化图神经网络模型的参数；基于优化后的图神经网络模型对工件的不良品因素进行预测，并输出不良品因素的类型。本发明适合于工业生产线的实时检测，通过对每个工件进行数据采集并输入到图神经网络模型中，实现快速、实时的不良品因素检测。