【技术实现步骤摘要】
本专利技术属于图像处理，涉及一种基于动态阈值与生成对抗网络的轴承图像数据增强方法。
技术介绍
1、轴承作为关键基础零部件,广泛应用于航空航天、轨道交通、风力发电等领域的机械装备中。由于材料、机械加工或热处理等加工工艺的原因，滚动轴承零件表面会产生肉眼难以发现的裂纹、烧伤等缺陷。目前，磁粉检测是解决轴承零件表面和近表面缺陷探伤的主流手段。
2、轴承的磁粉探伤通常使用单工位检测设备，在特定的工艺规范下，操作者需要目视检测轴承的表面缺陷。然而，这种磁粉探伤方式存在工作效率低、可靠性差等问题。随着计算机视觉技术的发展，部分轴承生产工厂开始使用工业相机代替人眼，利用图像检测算法对相机采集的轴承图像进行缺陷检测，其中传统的图像处理算法需要手动提取特征且鲁棒性差，深度学习目标检测算法能够自动学习缺陷特征且鲁棒性好，因此深度学习目标检测算法搭配磁粉检测技术是未来轴承缺陷检测的创新性解决方案。
3、然而深度学习技术需要大数据的支撑，由于真实生产工况下缺陷件较少，无法提供深度学习模型所需的数据量，数据量过小可能导致深度学习模型出现过...
【技术保护点】
1.基于动态阈值与生成对抗网络的轴承缺陷图像数据增强方法，其特征在于，步骤如下：
2.如权利要求1所述的基于动态阈值与生成对抗网络的轴承缺陷图像数据增强方法，其特征在于，所述的第四步中，生成器和判别器的博弈过程如公式(2)所示：
3.如权利要求1或2所述的基于动态阈值与生成对抗网络的轴承缺陷图像数据增强方法，其特征在于，所述的第五步中，在进行图像叠加之前根据公式(3)对生成缺陷的背景像素进行修正；
4.如权利要求1或2所述的基于动态阈值与生成对抗网络的轴承缺陷图像数据增强方法，其特征在于，所述的第七步中，使用YOLOv5单阶段目标检...
【技术特征摘要】
1.基于动态阈值与生成对抗网络的轴承缺陷图像数据增强方法，其特征在于，步骤如下：
2.如权利要求1所述的基于动态阈值与生成对抗网络的轴承缺陷图像数据增强方法，其特征在于，所述的第四步中，生成器和判别器的博弈过程如公式(2)所示：
3.如权利要求1或2所述的基于动态阈值与生成对抗网络的轴承缺陷图像数据增强方法，其特征在于，所述的第五步中，在进行图像叠加之前根据公式(3)对生成缺陷的背景...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。