机械工程学报

作者：吴强威, 文龙

单位：中国地质大学(武汉)机械与电子信息学院 武汉 430074

关键词：深度学习,表面缺陷检测,对抗攻击,对抗训练；

基金：国家自然科学基金(51805192)和湖北省科技重大专项(2020AEA009)资助项目。

表面缺陷检测是确保产品质量的重要途径。深度学习在表面缺陷检测中已经得到了大量应用，并为实现自动化的表面缺陷检测提供有效的技术途径。然而，深度学习模型容易受到对抗攻击的威胁，进而严重影响其准确性，甚至造成模型失效。为提升深度学习模型对对抗攻击算法的防御能力，基于对抗训练提出新的基于联合对抗训练的深度学习模型。对抗攻击算法包括单步攻击算法和迭代攻击算法，为提升所提联合对抗深度学习模型的防御能力，在对深度学习模型训练时即同时添加不同对抗攻击算法生成的对抗样本，同时增强模型对单步对抗攻击算法和迭代对抗攻击算法的防御能力。为验证所提算法的有效性，所提算法以CIFAR 10和磁瓦表面缺陷数据集为基础进行验证。试验结果表明，所提的联合对抗训练深度学习模型能显著提升对单步对抗攻击与迭代对抗攻击的鲁棒性，并优于传统方法。

来源：2023年第12期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2023年第12期