基于DCGAN的水下结构物表面缺陷图像生成

作者：程风雯; 甘进; 李星; 吴卫国

来源：长江科学院院报, 2022, 1-9.

• 水下检测
• 深度学习
• 表面缺陷检测
• 图像生成
• 深度卷积生成对抗网络

为提升水下结构物表面缺陷图像数据集的质量和规模，促进深度学习相关方法在水下检测领域中的应用，开展数据增强方法研究，提出一种基于深度卷积生成对抗网络（deep convolutional generative adversarial networks，DCGAN）的水下结构物表面缺陷图像生成方法。首先，设计了一种水下结构物表面缺陷图像采集装置，通过改变拍摄距离和补充光照强度，探究出一种保证水下图像质量的采集方式；其次，通过改进损失函数优化DCGAN，建立水下裂缝图像生成模型，实现了水下结构物表面缺陷图像的生成；最后，利用YOLOv5检测网络验证生成图像的有效性。结果表明：本文生成的水下裂缝图像平均峰值信噪比为21.1426dB，平均结构相似性为0.7168，将生成图像和真实图像共同输入检测模型可有效提高检测精度，为大坝和引水隧洞等水工结构物的健康检测提供技术支撑。

• 单位
  武汉理工大学; 国家大坝安全工程技术研究中心