基于M-DCGAN的缺陷检测数据集增广方法 |
| |
引用本文: | 唐路源,赵红,王宁,韩冰,王元元,李汪洋.基于M-DCGAN的缺陷检测数据集增广方法[J].大连海事大学学报(自然科学版),2023(2):148-160. |
| |
作者姓名: | 唐路源 赵红 王宁 韩冰 王元元 李汪洋 |
| |
作者单位: | 1. 大连海事大学船舶电气工程学院;2. 大连海事大学轮机工程学院;3. 上海船舶运输科学研究所有限公司 |
| |
基金项目: | 国家自然科学基金资助项目(52271306); |
| |
摘 要: | 针对智能制造中表面缺陷检测数据集不足问题,提出基于M-DCGAN的数据集增广方法。首先,向判别器添加上采样模块,搭建类U-Net结构并提升判别器与生成器的网络深度;设计基于Canny边缘检测的缺陷位置二值化掩膜提取方法;定义图像掩膜依赖的损失函数,建立缺陷目标位置关注引导机制;插入谱归一化层和Dropout层以提高训练稳定性,保持生成图像数据多样性。带钢缺陷数据集实验结果表明,该模型生成图片质量高于DCGAN、WGAN-GP和InfoGAN。采用本文M-DCGAN算法增广训练数据,能够显著提升并超过传统增广算法在YOLOv5、SSD、Faster R-CNN、YOLOv3等八种经典方法中的缺陷检测精度,验证了本文算法的有效性。
|
关 键 词: | 缺陷检测 数据集增广 深度学习 生成对抗网络 M-DCGAN |
|
|