基于DCGAN的水下结构物表面缺陷图像生成

为提升水下结构物表面缺陷图像数据集的质量和规模，促进深度学习相关方法在水下检测领域中的应用，开展数据增强方法研究，提出一种基于深度卷积生成对抗网络(DCGAN)的水下结构物表面缺陷图像生成方法。首先，设计了一种水下结构物表面缺陷图像采集装置，通过改变拍摄距离和补充光照强度，探究出一种保证水下图像质量的采集方式；其次，通过改进损失函数优化DCGAN,建立水下结构物表面裂缝图像生成模型，实现了水下结构物表面缺陷图像的生成；最后，利用YOLOv5检测网络验证生成图像的有效性。结果表明：生成的水下结构物表面裂缝图像平均峰值信噪比为25.142 6 dB,平均结构相似性为0.716 8,将生成图像和真实图像共同输入检测模型可有效提高检测精度。研究成果为大坝和引水隧洞等水工结构物的健康检测提供技术支撑。