[发明专利]一种基于密集生成对抗神经网络的磁瓦表面缺陷检测方法

摘要

本发明公开了一种基于密集生成对抗神经网络的磁瓦表面缺陷检测方法。对采集到的磁瓦图像进行预处理，制作训练集；构造密集生成对抗神经网络模型，该模型分为生成器和判别器两部分；生成器是一个全卷积密集神经网络，包括若干密集块和转移块；判别器是一个下采样神经网络；利用训练集训练网络参数，优化模型；将待测磁瓦图像输入给训练好的生成网络模型，得到像素级磁瓦缺陷标记图像，经后期分析处理得到该磁瓦的缺陷信息，应用于磁瓦生产检测中。与人工检测磁瓦缺陷相比，该方法能够节省人力成本，加快检测速度；与传统磁瓦缺陷检测方法相比，该方法能够获得多种类别的像素级缺陷信息，适用范围广泛，提高检测准确率。

主权项

1.一种基于密集生成对抗神经网络的磁瓦表面缺陷检测方法，其特征在于，包括以下步骤：(1)磁瓦图像预处理：将采集到的磁瓦图像制作成磁瓦原图和缺陷标记图。(2)构造网络模型：构造密集生成对抗神经网络模型，该模型分为生成器和判别器两部分；生成器是一个全卷积密集神经网络，包括若干密集块和转移块，密集块用于特征提取，转移块在编码部分用于下采样，在解码部分用于上采样；判别器是一个下采样神经网络。(3)训练网络模型：利用反向传播算法训练网络模型。(4)检测待测图像：将待测图像的磁瓦原图输入到训练好的网络模型的生成器中进行前向计算，生成缺陷标记图。(5)图像后处理：统计分析步骤(4)生成的缺陷标记图中的缺陷信息。