基于DCGAN的水下结构物表面缺陷图像生成

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

所属期刊栏目：40

分类号：TV36(水工结构)

资助基金：国家大坝安全工程技术研究中心开放基金项目CX2020B09

在线出版日期：2023-09-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：155-161