计算机应用研究

作者：徐兴宇,钟羽中,涂海燕,佃松宜,

单位：四川大学电气工程学院,成都610065；

关键词：半监督学习,表面缺陷检测,图像分割,小样本,数据增广,

基金：国家重点研发计划资助项目(2020YFB1709705)；；

针对工业应用场景下缺少缺陷样本的问题，提出了一种仅需要极少缺陷样本的金属工件表面缺陷分割方法。该方法结合了图像生成技术和半监督学习策略，通过利用极少缺陷图像提取的小尺寸缺陷图像来训练缺陷生成模型，然后将生成的缺陷图像嵌入到正常图像中以实现数据增广。其次，采用半监督学习策略训练分割网络，以减小生成数据与真实数据分布之间的差异对模型的不良影响。在真实的金属工件机器视觉检测系统上的验证结果表明，半监督的训练策略提高了分割模型对真实缺陷的泛化能力，所提方法能够在仅使用5张缺陷样本图像的条件下取得较高的分割精度。

来源：2024年第8期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第8期