基于生成对抗网络的压缩感知图像重构方法

目的为了解决传统压缩感知图像重构方法存在的重构时间长、重构图像质量不高等问题,提出一种基于生成对抗网络的压缩感知图像重构方法。方法基于生成对抗网络思想设计一种由具有稀疏采样功能的鉴别器和具有图像重构功能的生成器组成的深度学习网络模型,利用对抗损失和重构损失2个部分组成的新的损失函数对网络参数进行优化,完成图像压缩重构过程。结果实验表明,文中方法在12.5%的低采样率下重构时间为0.009s,相较于常用的OMP算法、CoSaMP算法、SP算法和IRLS算法,其峰值信噪比(PSNR)提高了10～12 dB。结论文中设计的方法应用于图像重构时重构时间短,在低采样率下仍能获得高质量的重构效果。     

基于图像金字塔的钢板表面深度信息提取方法

针对传统灰度匹配算法精度和实时性无法兼顾的不足,提出一种基于图像金字塔结构和归一化互相关相似度函数相结合的区域分层匹配算法,主要可控参数包括匹配窗口尺寸、匹配特征值范围、视差阈值范围、相似度阈值等,并基于双目立体视觉系统,通过双目视觉标定、等效标准极线结构的图像校正等方法,实现了钢板表面的深度信息提取,实验证明算法具有较高的精度和效率。     

小样本药用玻璃瓶缺陷生成方法及应用

目的 为了克服药包玻璃瓶缺陷样本不足带来的缺陷检测模型精度不准的问题,提出改进StyleGAN2-ADA的缺陷样本生成方法,提升模型鲁棒性。方法 首先,基于StyleGAN2-ADA算法,在无缺陷图像集上训练网络模型并作为骨干。其次,在骨干网络上添加缺陷感知残差块,生成缺陷掩码,在少量的缺陷图像数据集上训练网络模型操纵掩码区域的特征,模拟缺陷图像生成过程,合成缺陷图像。最后,采用YOLOv7检测网络验证该样本生成方法的效果。结果 实验结果表明,该方法在大量正常图像和少量缺陷图像基础上生成逼真且多样性的缺陷图像,应用该缺陷样本合成方法丰富数据集后,西林瓶缺陷检测平均准确率（mAP）达到97.3%,较原始数据集合和StyleGAN2-ADA算法分别提高了33.1%和4.1%。结论 该图像生成方法可以在少量缺陷样本下生成高质量的缺陷图像,优化不均衡数据集,增强模型训练的稳定性,提高药用玻璃包装产品的质量和合格率。     

基于生成对抗网络的QR码去模糊算法

目的 针对包装产品上QR码在采集过程中的运动模糊、失焦模糊,长期磨损形成的自模糊和环境中的噪声等因素,导致QR码无法识别的问题,提出一种基于生成对抗网络的QR码去模糊算法。方法 采用深度学习模型生成对抗网络对模糊核和环境噪声具有的强大拟合和估计能力,提取模糊QR码图像与真实图像的深层特征和差距,并通过生成器与判别器不断迭代对抗,使生成器具有由输入的模糊QR码产生与之对应的去模糊QR码图像的能力。结果 生成器能较好地对模糊核和环境噪声进行估计,而且能够实现对数据集内多种不同模糊程度QR码的去模糊,去模糊QR码图像效果较好,处理时间快,识别率较高。结论 采用基于生成对抗网络的QR码去模糊算法能够广泛应用于包装产品外壳上QR码的预处理过程,泛化能力较好,能有效提高扫描识别率。     

基于生成对抗网络的热泵系统故障诊断数据集扩充方法研究

随着深度学习的发展,越来越多的热泵系统故障诊断方法引入深度学习技术并取得了较好的效果.基于深度学习的故障诊断技术需要依赖大量带有标记的故障数据,而现实中这类数据获取较为困难,这限制了智能诊断技术的应用.针对这一问题,本文提出利用生成对抗网络(GAN)学习故障数据的分布,并生成更多的标记数据,实现故障数据集的扩充.针对热...     

基于深度智能视觉的表面缺陷检测研究进展

基于深度智能视觉的表面缺陷检测研究在制造业中起着越发重要的作用,本文阐述深度智能视觉的表面缺陷检测在现代工业质检中的重要性,对现有研究进展进行梳理总结。深度智能视觉以机器视觉和深度学习为技术基础,为不同工业场景提供高精高效的表面缺陷检测算法。本文从检测细粒度的角度将表面缺陷检测分为表面缺陷分类、定位、分割检测3个部分,并分别对分类、定位、分割方法进行系统综述,梳理现有表面缺陷检测研究的问题和思路。分类检测针对数据和缺陷图形特征问题进行研究,因其基础性和易拓展性于不同工业场景的应用呈现分散发展;定位检测以模型框架、矩形框检测和标注成本为主要问题,表现出追求轻量化和特征融合机制的研究趋势;分割检测更关注图像细节特征。通过研究分类、定位、分割的多任务模型框架以探索分类、分割检测之间的互补性。最后总结目前表面缺陷检测研究存在的问题,并对发展趋势进行展望。     

基于条件生成对抗网络的交通环境多任务语义分割方法研究

道路交通环境具有复杂、强干扰、多遮挡、检测物体尺度变化大、光线不均匀、难以预测的特点,传统基于全卷积神经网络的分割方法,由于采用单一的检测结果评价标准,缺乏对分割结果一致性的检验,忽略了像素与像素的相互关系,造成误识别很可能导致交通事故发生。本文在传统交并比评价指标的基础之上,采用交通环境语义分割复合评价指标,提出基于条件生成对抗网络的交通环境多任务语义分割方法,采用对抗损失拟合语义分割结果像素之间的作用关系,使得结果更具备一致性和可用性,更利于实际应用,同时对比了三种典型交通环境检测任务,验证了算法的有效性,并对三种任务进行多任务学习,在不增加计算开销的基础上,获得相近的性能。     

蚁群和粒子群混合优化SVM的钢板表面缺陷分类研究

热轧带钢表面的温度高、生产速度快,辐射光强,并且存在着水、氧化铁皮、光照不均等现象,难以通过人工进行表面质量在线检测。针对当前国内某钢厂热轧钢板表面缺陷检测仍由人工离线完成、缺陷识别准确率低的生产问题,充分利用大量图像信息,提出一种图像处理与蚁群和粒子群混合优化支持向量机结合的缺陷分类方法。首先,融合局部二值模式和局部相位量化两种特征提取方式的优点,进行钢板缺陷图片的特征提取,采用蚁群和粒子群优化出支持向量机的惩罚参数和核函数参数进行钢板表面的缺陷分类。最后采用Matlab仿真平台,将蚁群和粒子群混合优化的支持向量机分类模型与传统的支持向量机分类模型进行仿真对比分析。试验结果表明,采用蚁群和粒子群混合优化的支持向量机分类模型的分类精度高于传统的支持向量机模型。     

感知器在钢板表面缺陷信息识别中的应用

通过对钢板表面信息灰度值的详细分析,提出了一种利用简单感知器组成的分类器识别钢板表面缺陷的新方法。该方法在图像采集设备中直接对图像信息进行预处理,把认为是疑似缺陷信息的数据发送给后续处理器分析,可极大地减少系统数据处理量。在FPGA中实现了该方法,结果表明利用该方法简化了系统硬件结构,提高了系统实时性。     

基于生成对抗网络的水墨动画电影风格化方法

水墨是我国独有的绘画形式,继承并发扬了中国的传统文化,表达了中国审美.现有水墨动画风格迁移算法普遍存在数据集不足、风格化结果质量不佳、生成动画闪烁等问题.本文提出一种新的基于生成对抗网络的水墨动画电影风格化方法,实现水墨动画视频序列风格迁移,很好地辅助艺术创作.利用基于patch的训练方式,通过关键帧的学习,克服数据集...     

含铜热轧钢板表面缺陷的研究

探究了含铜（0．025-0．28%Cu）热轧钢板表面月牙状、疤块状缺陷与铜富集相之间的关系,对钢板缺陷样品和相应的铸坯样品进行了一系列检验分析和相关热处理试验。结果表明,这类缺陷属折叠型缺陷,与局部表面的元素富集无关。     

基于数据增强的光伏电池片缺陷检测方法研究

为准确快速检测和定位太阳能电池硅片的缺陷,判别缺陷种类。以太阳能隐裂缺陷片为研究对象,利用形态学方法进行图像预处理,通过改进的生成对抗网络（P256-BEGAN）生成图像数据,并利用FID评估其生成图像的质量,解决数据集不充足导致目标检测网络准确率低的问题;采用YOLOv5目标检测网络,对其训练过程及推理过程进行改进,实现太阳能电池片缺陷的检测及定位。试验结果表明,生成图像数据作为改进的目标检测网络训练集,准确率可达94.1%,单张电池片检测时间最短可达9 ms;混合真假数据之后,准确率可提高3.1%,满足工业电池片实时检测需求。     

基于SVM的滤光片表面缺陷识别方法

针对目前滤光片表面缺陷识别普遍采用人工方式,成本高、无法满足实时性等问题,提出一种基于有向无环图支持向量机(DAG-SVM)的滤光片表面缺陷识别方法。该方法结合滤光片常见缺陷的特点,设计出包含3个结构简单、性能优良的二分类器的滤光片表面缺陷识别方法,克服多分类器算法复杂、难以保证分类正确率的问题。实验结果表明:该方法对滤光片的点缺陷、印子缺陷、划痕缺陷及崩缺陷的识别正确率为100%。     

基于生成对抗网络的文物图像修复与评价

目的 为了有效解决文物图像的不易保存和物理方法修复困难等问题,提出一种基于生成对抗网络的图像修复算法。方法 文中算法主要分为2个阶段,第1阶段通过Canny边缘检测器提取图像已知部分的边缘信息,利用1个生成器和1个鉴别器修复图像缺失边缘。第2阶段将第1阶段生成的边缘作为先验信息,通过1个生成器和2个鉴别器修复图像缺失部分。2个鉴别器由整体鉴别器和局部鉴别器组成,整体鉴别器用来评估修复后的图像整体连贯性,局部鉴别器用来查看待修复区域为中心的小区域局部一致性。结果 与传统算法对比,文中算法在提高生成图片纹理质量的基础上保证了全局语义结构一致性,在客观指标（峰值信噪比和结构相似性）上,较其他方法有更好的效果。结论 文中算法可以有效修复文物图像的缺损部分,尤其是结构复杂的大范围缺失,取得了良好的视觉效果,表明该算法有良好的修复性能。     

局部和全局特征融合的太阳能电池片表面缺陷检测

太阳能电池片表面缺陷具有类内差异大、类间差异小和背景特征复杂等特点,因此,要实现高精度的太阳能电池片表面缺陷自动检测是一项富有挑战性的任务。针对此问题,该文提出融合局部和全局特征的卷积视觉Transformer网络(CViT-Net),首先采用Ghost聚焦(G-C2F)模块提取电池片缺陷局部特征;然后引进坐标注意力强调缺陷特征并抑制背景特征;最后构建Ghost视觉(G-ViT)模块融合电池片缺陷局部特征和全局特征。同时,针对不同检测精度和模型参数量,分别提供了CViT-Net-S和CViT-Net-L两种网络结构。实验结果表明,与经典MobileVit、MobileNetV3和GhostNet轻量级网络相比,CViT-Net-S对电池片分类准确率分别提升了1.4%、2.3%和1.3%,对电池片检测mAP50分别提升了2.7%、0.3%和0.8%;与ResNet50、RegNet网络相比,CViT-Net-L分类准确率分别提升了0.72%和0.7%,检测mAP50分别提升了3.9%、1.3%;与先进YOLOv6、YOLOv7和YOLOv8检测网络相比,作为骨干网络的CViT-Net-S...     

精确测量金属镀层工件表面缺陷的图像处理方法

设计了一套自动测量表面缺陷的系统．以面阵CCD采集图像,实现了对金属镀层工件表面图像的双面、高速、高分辨率测量．系统的图像处理采用模块化程序设计,方便实现工件表面精确测量的特定要求．通过两次分别选取闽值,采用经过改进的大津阈值分割法求取特征分割阈值时,能够十分理想地提取工件上的微小缺陷,实现了对金属工件表面的精确测量．该系统针对不同形状、不同镀层的工件表面可以调整LED照明光源的光强,在图像处理中可以调整去光圈和特征检测的灵敏度．通过方便调整系统的技术参数,满足工业现场的具体要求．以钕铁硼小型工件缺陷检测作为应用实例验证了该系统的可行性．     

GAN技术在传统竹编元素生成中的设计

目的 探究传统文化元素的生成方法,将之运用至文创产品的设计实践中,在传播中华优良传统文化方面进行尝试。通过技术方法上的创新和运用解决非物质文化遗产传承人不足,文化元素陈旧匮乏等现实问题。方法 以瑞昌竹编的传统文化元素为例,综合文献研究、田野调查、包括对瑞昌竹编国家级非遗传承人的深度访谈,将采集的竹编传统文化元素导入模型系统,利用生成式对抗网络技术训练计算机GPU,使其衍生出新的文化元素,建立瑞昌竹编文化元素库。结论 利用生成式对抗网络模型迭代计算出的瑞昌竹编传统文化元素既具有传统纹样的艺术性又兼具信息时代对设计衍生的时效性要求,同时还符合当代社会对时尚偏好的追求。将其运用于现代文创产品的设计当中,使文创产品成为传播我国优良传统文化元素的有效载体。     

基于YOLOv5的瓷砖表面缺陷检测

目的 针对目前的瓷砖表面人工缺陷检测效率低的问题,提出一种基于深度学习YOLOv5算法实现对生产线瓷砖表面缺陷的检测。方法 首先对数据集进行切图分割与数据增强处理,再通过labelimg对数据集进行数据标注,然后将数据集送入到优化后的YOLOv5网络模型进行迭代训练,并将最优权重用于测试。结果 通过实验对比,YOLOv5模型的检测准确率高于Faster RCNN、SSD、YOLOv4这3种模型,其检测平均准确度高于96%,平均检测时间为14ms。结论 表明该方法能够检测生产过程中的瓷砖缺陷问题,在瓷砖缺陷检测上有一定的先进性和实用性。     

基于Triple GAN的滚动轴承故障诊断方法研究

滚动轴承运行状态好坏会影响旋转机械的整体运转平稳性.由于在实际工况中带有标签的故障样本难以获取,基于传统深度学习的故障诊断方法,利用不足量的标签数据进行训练常导致模型无法学习到准确的故障特征.此外,智能故障诊断模型中的参数设置也是影响诊断结果优劣的关键因素.为了解决上述问题,提出一种基于三重生成式对抗网络的滚动轴承故障...     

成批抛光钢球表面缺陷自动检测的图像预处理方法

针对目前企业缺乏钢球表面缺陷检测装备,特别是小直径钢球检测装备的现状,笔者研制开发出一套基于机器视觉、可批量检测小直径钢球表面缺陷的新装备.由特制机电装置将钢球成批自动行列相间地上料并使球面翻滚,相机以一定帧频拍摄多幅钢球表面图像.在保证检测精度和效率的前提下,设计出应用于该装置的图像预处理方法,包括模板标定、图像分割和图像增强.实际检测试验证明,该预处理方法一方面使表面缺陷突显,有利于后期检测,另一方面抑制外接环境引入的各种干扰,消除不必要的影响因素.