(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210608742.7 (22)申请日 2022.05.31 (71)申请人 厦门大学嘉庚学院 地址 363105 福建省漳州市龙海市经济开 发区 (72)发明人 郭一晶　钟林威　邱义　詹俦军　 温宗恒　 (74)专利代理 机构 福州元创专利商标代理有限 公司 35100 专利代理师 陈鼎桂　蔡学俊 (51)Int.Cl. G06T 7/00(2017.01) G06T 3/00(2006.01) G06T 5/00(2006.01) G06V 10/74(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于循环生成对抗网络和结构相似性的缺 陷检测方法 (57)摘要 本发明涉及一种基于循环生成对抗网络和 结构相似性的缺陷检测方法， 包括以下步骤： 步 骤S1:获取缺陷图片并预处理， 作为训练数据集； 步骤S2:构建CycleGAN模型， 并基于训练数据集 训练， 得到一个将缺陷图片映射为无缺陷图片的 模型； 步骤S3:将待检测图片输入训练后的 CycleGAN模型， 使用结构相似 性算法对比原图和 修复图的差异， 获取差异二值图； 步骤S4: 对差异 二值图进行连通域降噪和形态学处理， 原始图像 存在缺陷， 则该二值图中白色区域即为提取出的 缺陷形状。 本发明检测精度高、 对复杂纹理表面 鲁棒性高、 能够准确检测细小缺陷等优势。 权利要求书2页 说明书7页 附图5页 CN 114841992 A 2022.08.02 CN 114841992 A 1.一种基于循环生成对抗网络和结构相似性的缺陷检测方法， 其特征在于， 包括以下 步骤： 步骤S1:获取缺陷图片并预处 理， 作为训练数据集； 步骤S2:构建CycleGAN模型， 并基于训练数据 集训练， 得到一个将缺陷图片映射为无缺 陷图片的模型； 步骤S3:将待检测图片输入训练后的CycleGAN模型， 使用结构相似性算法对比原图和 修复图的差异， 获取差异二 值图； 步骤S4:对差异二值图进行连通域降噪和形态学处理， 原始图像存在缺陷， 则该二值图 中白色区域即为 提取出的缺陷形状。 2.根据权利要求1所述的基于循环生成对抗网络和结构相似性的缺陷检测方法， 其特 征在于， 所述C ycleGAN模型包括正 ‑>负生成器、 负‑>正的生成器、 正样 本判别器和负样本判 别器。 3.根据权利要求2所述的基于循环生成对抗网络和结构相似性的缺陷检测方法， 其特 征在于， 所述生成器采用下采样+残差块 +上采样的结构， 并在输入图像下采样至256通道后 加入两个I nvolution块， 分别位于残差块的两端。 4.根据权利要求2所述的基于循环生成对抗网络和结构相似性的缺陷检测方法， 其特 征在于， 所述判别器首先采用四个卷积块对输入图像下采样， 4个卷积块的核尺寸均为4 × 4， 输入图像经过四次卷积之后通道数增加 至512， 然后再经过一次卷积将通道数减少至1， 最后使用全局平均池化压缩为1 ×1的标量， 该标量取值范围为[ 0,1]， 表示判别器对 该输入 图像为真实样本的置信度。 5.根据权利要求2所述的基于循环生成对抗网络和结构相似性的缺陷检测方法， 其特 征在于， 所述Cycl eGAN模型损失函数包括对抗性LGAN、 损失循环一致性损失Lcycle和同一性损 失Lidentity。 6.根据权利要求5所述的基于循环生成对抗网络和结构相似性的缺陷检测方法， 其特 征在于， 所述LGAN包括LGAN_G和LGAN_D， 分别表示生成器G和判别器D的优化目标， 均 使用L2损失 度量， 如式(1)、 (2)所示， LGAN_G＝∑p∈P(Dn(Gp2n(p))‑1)2+∑n∈N(Dp(Gn2p(n))‑1)2       (1) LGAN_D＝∑p∈P[(p‑1)2+(Dn(Gp2n(p))‑0)2]+∑n∈N[(n‑1)2+(Dp(Gn2p(n))‑0)2]       (2) 其中0和1分别代 表全0张量和全1张量。 7.根据权利要求5所述的基于循环生成对抗网络和结构相似性的缺陷检测方法， 其特 征在于， 使用了一种损失函数替 换策略， 即在前k个epoch时使用SSIM损失实现Lcycle， 而在之 后的epoc h种将损失函数替换为 L1损失， 以获得与原图相近光照和颜色细节： 8.根据权利要求7所述的基于循环生成对抗网络和结构相似性的缺陷检测方法， 其特 征在于， 所述Lidentity采用与Lcycle同样的度量策略， 即先用SSIM损失后用L1损失， 于是同一 性损失描述 为：权　利　要　求　书 1/2 页 2 CN 114841992 A 2于是生成器G和判别器D的损失函数分别为： LG＝LGAN_G+α Lcycle+β Lidentity    (5) LD＝LGAN_D           (6) 其中α 和β 为超参数。 9.根据权利要求1所述的基于循环生成对抗网络和结构相似性的缺陷检测方法， 其特 征在于， 所述结构相似性 算法， 具体为： 定义三个对比函数： 亮度对比函数l(x,y)、 对比度对比函数c(x,y)、 结构对比函数s(x, y)： 其中 μx、 σx、 σxy分别表示x的均值、 x的方差、 x和y的协方差； 设C3＝C2/2， 则SSIM指数函数表示 为： 上述公式中， 均值、 方差和协方差的计算都在滑窗内的局部区域完成， 并且逐像素的遍 历整幅图片最后全局的S SIM得分为所有滑窗内局部区域得分的平均值。权　利　要　求　书 2/2 页 3 CN 114841992 A 3