[发明专利]基于对抗神经网络的布匹缺陷检测方法、终端和存储介质

权利要求书

1.一种基于对抗神经网络的布匹缺陷检测方法，其特征在于，该检测方法包括以下步骤：

步骤1：根据布匹的正样本训练GAN模型，训练完成后输出所述GAN模型；

步骤2：将布匹的检测图像样本发送给所述GAN模型，所述GAN模型对检测图像样本进行重构，生成好的重构图像样本；

步骤3：将检测图像样本与重构图像样本进行结构相似性对比，根据对比的差异程度判断所述检测图像样本是否有缺陷。

2.根据权利要求1所述的基于对抗神经网络的布匹缺陷检测方法，其特征在于，训练所述GAN模型采用离线训练。

3.根据权利要求1或2所述的基于对抗神经网络的布匹缺陷检测方法，其特征在于，所述GAN模型为DCGAN模型。

4.根据权利要求3所述的基于对抗神经网络的布匹缺陷检测方法，其特征在于，在所述DCGAN模型中，生成器和判别器均使用批归一化；在所述判别器中使用步幅卷积来替代空间池化，在所述生成器中的反卷积层使用微步幅卷积；在所述DCGAN模型更深的架构中去除全连接层；在所述生成器的输出层使用Tanh激活函数，在所述生成器的其它层使用ReLU激活函数，在所述判别器中使用 leaky ReLU激活函数。

5.根据权利要求4所述的基于对抗神经网络的布匹缺陷检测方法，其特征在于，在所述DCGAN模型中，在生成器输入上增加隐变量输入，判别器既要参与真假判断，还需要和隐变量求互信息。

6.根据权利要求5所述的基于对抗神经网络的布匹缺陷检测方法，其特征在于，所述DCGAN模型根据所述互信息更新生成器和判别器。

7.根据权利要求1所述的基于对抗神经网络的布匹缺陷检测方法，其特征在于，所述结构相似性对比的特征包括亮度差异、对比度差异、结构差异。

8.根据权利要求7所述的基于对抗神经网络的布匹缺陷检测方法，其特征在于，所述亮度差异估算为：

所述对比度差异估算为：

所述结构差异估算为：

其中，和分别表示图像块x和图像块y的均值，和分别表示图像块x和图像块y的标准差，和分别表示图像块x和图像块y的方差，表示协方差，=(×L)² ，=(×L)²，=0.5，取=0.01，=0.03，L为像素值的动态范围，L=255，结构相似性对比公式为：

。

9.一种终端，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现权利要求1-8中任一项权利要求所述的方法。

10.一种存储介质，其特征在于，包括计算机指令，当所述计算机指令在计算机上运行时，使得计算机执行如权利要求1-8任一项所述的方法。