基于DCGAN的水下结构物表面缺陷图像生成 |
| |
引用本文: | 程风雯,甘进,李星,吴卫国.基于DCGAN的水下结构物表面缺陷图像生成[J].长江科学院院报,2023(9):155-161. |
| |
作者姓名: | 程风雯 甘进 李星 吴卫国 |
| |
作者单位: | 1. 武汉理工大学船海与能源动力工程学院;2. 国家大坝安全工程技术研究中心;3. 武汉理工大学绿色智能江海直达船舶与邮轮游艇研究中心 |
| |
摘 要: | 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。
|
关 键 词: | 水下结构物 表面缺陷检测 深度学习 图像生成 深度卷积生成对抗网络 |
|
|