基于DCGAN的印刷缺陷检测方法

• 作者: 王海涛 高玉栋 侯建新 何勇军 陈德运
• 来源期刊: 哈尔滨理工大学学报
• 学科: 工学
• 关键词: DCGAN 自注意力机制 缺陷检测 图像重建
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 计算机与控制工程(特约专栏)|Computer and Control Engineering
• 页码范围: 24-32
• 页数: 9页
• 分类号: TP391|TH742
• 语种: 中文
• DOI: 10.15938/j.jhust.2021.06.004

摘要

近年来,深度学习被广泛应用于缺陷检测.目前方法可以检测较大的缺陷,但对于细微缺陷还是无法准确检测.针对这一问题,提出了一种基于深度卷积生成对抗网络(Deep convolu-tional generative adversarial networks,DCGAN)网络的印刷缺陷检测方法.该方法通过以下几点来提高检测精度:①在原有网络的基础上增加上采样模块,减少上采样中的损失;②提出一种自注意力机制,生成结构性更复杂和细节更准确的图像;③统计分析生成图像的噪声分布,确定最佳阈值,去除噪声,获得准确的缺陷图像.该方法加入了去噪处理,优化了网络结构,提高了DCGAN生成图像的精度.实验表明,与现有方法相比,在小于5像素的缺陷检测实验中,本方法可以使检测精度提高10％.