基于GAN-UNet++的汽车铝铸件图像缺陷分割算法研究

作者：张靖; 俞锡光; 郑东旭; 施定威; 潘洲民

来源：模具工业, 2023, 49(11): 6-11.

DOI：10.16787/j.cnki.1001-2168.dmi.2023.11.002

• 汽车铝铸件
• 生成对抗网络
• 语义分割
• 神经网络

针对汽车铝铸件检测过程中图像缺陷干扰多、分割困难的问题，提出基于GAN-UNet++的图像缺陷分割算法，将UNet++作为生成器引入生成对抗网络（GAN），生成缺陷分割的图像，同时使用人工标记的分割图像作为真实图像，将真实图像和生成器生成的分割图像输入判别器网络，通过判别器与生成器的相互博弈，直至判别器无法辨别生成器生成的分割图像来源，获得满足条件的生成器。GANUNet++通过与UNet、UNet++、GAN-UNet相比，GAN-UNet++算法与标记图相似度达到了97.6%，高于其他3种算法，验证了提出的图像分割算法满足工业检测需求。

• 单位
  浙江大学