[发明专利]工业视觉检测中基于深度学习的样本生成方法

权利要求书

1.一种工业视觉检测中基于深度学习的样本生成方法，其特征在于：包括如下步骤：

a）、提取真实缺陷图片中的缺陷；

b）、将提取出来的缺陷采用P图算法，将其融合到无缺陷图片的对应位置上，从而产生伪缺陷图片；

c）、伪缺陷图片经预处理后送入对抗神经网络中的生成网络，生成缺陷图片；

伪缺陷图片的预处理方法包括：首先伪缺陷图片按照像素数与生成网络中输入一维信号的长度进行下采样，使下采样得到的小图像素数与一维信号的长度一致，然后将其拉直成一维信号，最后将该一维信号将输入到对抗神经网络的生成网络中；所述一维信号为一个向量，该向量由小图的像素值按从左到右，从上到下排列而成；

d）、按步骤b）继续生成伪缺陷图片，然后按步骤c）反复迭代，训练网络；

e）、在步骤d）训练至符合要求时，将生成缺陷图片添加到真实缺陷图片的序列之中，继续迭代训练；

判断训练是否达到要求采用样本可用性判断，判断的标准为：当迭代轮数超过预设的轮数，且在对抗神经网络中由判别网络输出的损失得分在预设的范围值内时，判定训练符合要求；

所述样本可用性判断，其公式为：i_epochTi且|Loss_g-Loss_d|Ts，其中i_epoch为迭代轮数，Ti为迭代阈值，Loss_g为生成缺陷图片损失得分，Loss_d为真实缺陷图片损失得分，Ts为得分差阈值。