[发明专利]带钢表面缺陷检测方法及系统

权利要求书

1.一种带钢表面缺陷检测方法，其特征在于，包括以下步骤：

S1、获取带钢表面缺陷样本，将缺陷样本分为训练集和测试集；

S2、构建基于残差模块优化的改进ACGAN模型，所述改进ACGAN模型包括生成器网络和判别器网络；

S3、以不同的比例训练改进ACGAN模型的判别器网络和生成器网络，并引入生成对抗机制，获得判别器和生成器的判别损失和分类损失；

S4、在判别器中引入梯度惩罚机制，并与判别损失和分类损失相结合，基于训练集利用梯度下降法优化判别器网络模型参数，获得优化后的判别器网络模型；

S5、将生成器判别损失和分类损失相结合，基于训练集利用梯度下降法更新生成器网络模型参数，获得优化后的生成器网络模型；

S6、重复S3至S5，迭代以使得生成器和判别器达到纳什平衡，所述改进ACGAN模型收敛到最佳，保存模型参数，获得优化后的改进ACGAN模型；

S7、将测试集数据输入至优化后的改进ACGAN模型，实现带钢表面缺陷检测；

其中，所述S2包括：

构建生成器网络，所述生成器网络包括依次设置的1个第一全连接层、5个上采样残差块和1个第一卷积层；

构建判别器网络，所述判别器网络包括6个下采样残差块、2个第二全连接层和2个输出层，其中，2个全连接层与基础ACGAN网络一致，分别对应于判别层和分类层，2个输出层对应于判别打分输出和预测类别概率输出；

分别初始化生成器和判别器的网络参数θ^G和θ^D。

2.根据权利要求1所述的带钢表面缺陷检测方法，其特征在于，所述上采样残差块包括res1子模块、res2子模块和short-cut子模块；

所述res1子模块包括依次设置的批归一化、激活函数ReLU、上采样层和3×3卷积层；

所述res2子模块包括依次设置的批归一化、激活函数ReLU和3×3卷积层；

所述short-cut子模块包括上采样层和1×1卷积层。

3.根据权利要求1所述的带钢表面缺陷检测方法，其特征在于，所述下采样残差块包括res1子模块、res2子模块和short-cut子模块；

所述res1子模块包括3×3卷积层和Leaky ReLU激活函数；

所述res2子模块包括3×3卷积层、Leaky ReLU激活函数和下采样层；

所述short-cut子模块包含下采样层和1×1卷积层。

4.根据权利要求1所述的带钢表面缺陷检测方法，其特征在于，所述S3包括：

随机采样满足均匀分布的噪声向量与随机采样的one-hot类别标签向量联合组成输入生成器网络生成新样本，其样本分布为P_g；

将生成新样本和真实训练集样本输入判别器得到相应的判别打分和预测类别概率，基于生成对抗机制将判别器的真假判别变为生成样本的质量判别；

依据生成样本质量改进判别器的判别对象，改进判别器的判别损失；

依据生成对抗网络的对抗机制，获取对应所述生成器的判别损失；

根据交叉熵函数计算生成器和判别器网络的分类损失。