基于生成对抗网络的叶片表面缺陷图像数据增强

作者：丁鹏; 卢文壮^*; 刘杰; 袁志响

来源：组合机床与自动化加工技术, 2022, (07): 18-21.

DOI：10.13462/j.cnki.mmtamt.2022.07.005

• 叶片
• 缺陷检测
• 数据增强
• 图像处理
• 生成对抗网络

针对小样本条件下卷积神经网络过拟合导致航空叶片表面缺陷检测精度不高的问题，提出了一种集合辅助分类器和条件生成对抗网络(CGAN)的数据增强方法以提高叶片表面缺陷检测精度。利用双边滤波和Laplacian高通滤波对图像进行去噪和增强，通过随机裁剪和仿射变换预增强数据集，将随机噪声z和条件y输入生成器，训练网络模型的参数，使用训练好的生成器模型生成符合真实样本分布的增强数据。实验结果表明，该方法对比仿射变换方法，卷积神经网络的分类性能得到了显著地提升，叶片表面缺陷检测准确率提高了8.3%,达到94.5%。

• 单位
  南京航空航天大学