机械工程学报

作者：李可, 祁阳, 宿磊, 顾杰斐, 苏文胜

单位：1. 江南大学机械工程学院 无锡 214122;2. 江苏省特种设备安全监督检验研究院 南京 210003

关键词：钢表面缺陷检测,辅助分类生成对抗网络,小样本,梯度惩罚；

基金：国家自然科学基金（51775243，11902124）和江苏省市场监督管理局科技计划（KJ196043）资助项目。

为提高小样本环境下钢表面缺陷检测精度，提出一种基于改进辅助分类生成对抗网络（Auxiliary classifier generative adversarial network，ACGAN）的钢表面缺陷检测方法。利用残差块优化ACGAN的网络结构，提高模型的特征提取能力；其次，为提高模型训练的稳定性，在网络的卷积层中添加谱范数归一化，防止模型异常的梯度变化；基于正-未标记分类的思想优化判别器的损失函数，提高生成样本的质量；同时，为缓解生成对抗网络的模式崩塌问题，在损失函数中添加梯度惩罚来约束判别器的梯度；通过生成器和判别器的对抗优化训练实现样本扩充。通过对钢表面缺陷数据集的试验，验证了提出的方法能准确有效地实现小样本环境下钢表面缺陷检测。与经典的SVM、ResNet50以及一些小样本分类模型相比，所提方法具有更高的检测精度。

来源：2022年第24期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2022年第24期