[发明专利]基于深度卷积生成对抗网络样本生成的外观瑕疵检测方法

摘要

本发明涉及一种基于深度卷积生成对抗网络样本生成的外观瑕疵检测方法，包括：将原始采集的小样本精密零件瑕疵图像提取瑕疵区域，构成原始小样本瑕疵块数据集，并利用该数据集训练DCGAN模型并生成全新的瑕疵块；将原始小样本精密零件瑕疵数据集中的每一张完整图像拆分成若干图像块数据，构成图像拆分训练数据集，并将数据集与生成瑕疵块数据集一起作为训练集训练Faster R‑CNN模型；对待检测的零件瑕疵图像进行图形块拆分，并通训练好的Faster R‑CNN模型行瑕疵检测及分类。本发明解决了小样本瑕疵检测问题、提高了小目标对象的检测及分类精度。

主权项

1.一种基于深度卷积生成对抗网络样本生成的外观瑕疵检测方法，其特征在于，包括以下步骤：步骤S1，对所采集的精密零件瑕疵图像，按照第一预设尺度进行图像块拆分，构建图像拆分检测数据集；步骤S2，利用预先训练好的Faster R‑CNN模型，对图像拆分检测数据集中图像分别进行瑕疵检测及分类；步骤S3，然后对步骤S2得到的图像拆分检测数据集中每个图像块瑕疵分类结果进行合并处理，得到完整瑕疵图像上瑕疵分类结果；其中，所述Faster R‑CNN模型的训练数据集包括生成瑕疵块数据集和图像拆分训练数据集；所述生成瑕疵块数据集，是利用原始小样本瑕疵块数据集通过DCGAN模型生成的瑕疵数据而构建的数据集；所述图像拆分训练数据集，是按照第一预设尺度对原始小样本精密零件瑕疵数据集中完整瑕疵图像进行图像块拆分后得到的数据集。