[发明专利]一种面向外观缺陷视觉检测的数据集扩增方法

摘要

本发明涉及视觉检测技术领域，涉及一种面向外观缺陷视觉检测的数据集扩增方法。本发明可生成高清晰度、高多样性的缺陷数据，其通过非常有限的缺陷样本，利用生成对抗网络进行数据扩增高质量的数据集，使得扩增后的数据集能支撑机器学习的训练，实现在缺陷样本有限情况下也能使用机器学习实现高精度的表面缺陷检测。

主权项

1.一种面向外观缺陷视觉检测的数据集扩增方法，其特征在于，具体步骤包括：S1、获取视觉检测的图像，并对获取到的图像进行分块处理作为训练数据集；S2、将经典生成对抗网络中的生成器采用反卷积神经网络，在生成对抗网络中融入图像缺陷増强模块，同时在输出的偏置与图像缺陷増强模块前端添加反馈通道；S3、将训练数据集处理后得到的缺陷样本作为训练集，并输入生成对抗网络的判别器中训练，得到训练好的判别模型；从生成器输入端输入噪声信号，将生成器输出图片与真实图片输入判别器进行重构；S4、通过对输入判别器之前的真实图片通过图像增强得到图片与经判别器重构之后的图片通过图像增强得到图片之间的特征差生成反馈激励生成模型；S5、将训练集输入搭建好的缺陷引导生成对抗网络模型，通过数次迭代使得生成器和判别器损失函数不断减小，生成器输出的图片即接近真实图片。