1 西安工程大学机电工程学院, 陕西 西安 710048
2 绍兴市柯桥区西纺纺织产业创新研究院, 浙江 绍兴 312030
3 西安工程大学计算机科学学院, 陕西 西安 710048
针对数据集样本数量较少会影响深度学习检测效果的问题,提出了一种基于改进生成对抗网络和MobileNetV3的带钢缺陷分类方法。首先,引入生成对抗网络并对生成器和判别器进行改进,解决了类别错乱问题并实现了带钢缺陷数据集的扩充。然后,对轻量级图像分类网络MobileNetV3进行改进。最后,在扩充后的数据集上训练,实现了带钢缺陷的分类。实验结果表明,改进的生成对抗网络可生成比较真实的带钢缺陷图像,同时解决深度学习中样本不足的问题;且改进的MobileNetV3参数量是原有参数量的1/14左右,准确率为94.67%,比改进前提高了2.62个百分点,可在工业现场对带钢缺陷进行实时准确的分类。
图像处理 缺陷检测 图像分类 生成对抗网络 数据增强 激光与光电子学进展
2021, 58(4): 0410016
