[發(fā)明專利]一種基于生成對(duì)抗網(wǎng)絡(luò)的交互式孔探數(shù)據(jù)擴(kuò)展方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110311132.6
• 申請(qǐng)日: 2021-03-24
• 公開（公告）號(hào): CN113033656A
• 公開（公告）日: 2021-06-25
• 發(fā)明（設(shè)計(jì)）人: 王洪建;黃睿;薛明宏;張寧;段博坤;邢艷;彭洪健;陳望;馬孝汶;葉清池;陳宇竹
• 申請(qǐng)（專利權(quán)）人: 廈門航空有限公司;中國(guó)民航大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06N3/04;G06N3/08
• 代理公司: 天津市北洋有限責(zé)任專利代理事務(wù)所 12201
• 代理人: 李林娟

1.一種基于生成對(duì)抗網(wǎng)絡(luò)的交互式孔探數(shù)據(jù)擴(kuò)展方法，其特征在于，所述方法包括：

將缺陷圖像按缺陷類型分類，保存在相應(yīng)文件夾中，構(gòu)建航空發(fā)動(dòng)機(jī)孔探圖像數(shù)據(jù)集，基于深度卷積構(gòu)建生成對(duì)抗網(wǎng)絡(luò)模型結(jié)構(gòu)；

訓(xùn)練生成對(duì)抗網(wǎng)絡(luò)模型，獲取一或多個(gè)生成不同缺陷的發(fā)動(dòng)機(jī)孔探缺陷圖像生成器；

構(gòu)建P網(wǎng)絡(luò)，輸入訓(xùn)練樣本中的形狀信息，編碼成發(fā)動(dòng)機(jī)孔探缺陷圖像生成器識(shí)別的隱向量，使用AlexNet模型的第四卷積層的特征對(duì)P網(wǎng)絡(luò)進(jìn)行訓(xùn)練；

基于隱向量、發(fā)動(dòng)機(jī)孔探缺陷圖像生成器，獲取指定形狀的生成圖像，通過訓(xùn)練后的P網(wǎng)絡(luò)進(jìn)行測(cè)試；

構(gòu)建交互式基本框架并使用自適應(yīng)閾值分割缺陷，使用泊松融合算法修正融合區(qū)域邊緣痕跡。

2.根據(jù)權(quán)利要求1所述一種基于生成對(duì)抗網(wǎng)絡(luò)的交互式孔探數(shù)據(jù)擴(kuò)展方法，其特征在于，所述缺陷類型分為裂縫、燒蝕、磨損、及涂層丟失四類，分別為每類缺陷單獨(dú)訓(xùn)練生成模型。

3.根據(jù)權(quán)利要求1所述一種基于生成對(duì)抗網(wǎng)絡(luò)的交互式孔探數(shù)據(jù)擴(kuò)展方法，其特征在于，所述P網(wǎng)絡(luò)包括5個(gè)卷積層，第一卷積層用于將64*64*3的圖片卷積為32*32*128的張量；第二卷積層用于將32*32*128的張量卷積為16*16*256的張量，第三卷積層用于將16*16*256的張量卷積為8*8*512的張量，第四卷積層用于將8*8*512的張量卷積為4*4*1024的張量；最后一卷積層用于將4*4*1024的張量卷積為100維的向量。

4.根據(jù)權(quán)利要求1所述一種基于生成對(duì)抗網(wǎng)絡(luò)的交互式孔探數(shù)據(jù)擴(kuò)展方法，其特征在于，所述輸入訓(xùn)練樣本中的形狀信息，編碼成發(fā)動(dòng)機(jī)孔探缺陷圖像生成器識(shí)別的隱向量，使用AlexNet模型第四卷積層的特征對(duì)P網(wǎng)絡(luò)進(jìn)行訓(xùn)練具體為：

提取訓(xùn)練樣本的形狀信息，并按訓(xùn)練樣本及對(duì)應(yīng)的形狀信息構(gòu)建圖像對(duì)；將形狀信息輸入P_i網(wǎng)絡(luò)，編碼成隱向量；

所述隱向量經(jīng)發(fā)動(dòng)機(jī)孔探缺陷圖像生成器解碼后生成缺陷圖像；加載基于Imagenet數(shù)據(jù)集訓(xùn)練的AlexNet模型，對(duì)生成的缺陷圖像提取conv4層的特征；對(duì)形狀信息對(duì)應(yīng)的訓(xùn)練樣本提取conv4層特征；

計(jì)算兩個(gè)conv4層特征的最小均方值誤差作為P_i網(wǎng)絡(luò)模型的損失函數(shù)；形狀信息作為P_i網(wǎng)絡(luò)的輸入，其輸出隱向量作為生成器的輸入，得到指定形狀的生成圖像，獲取目標(biāo)函數(shù)。

5.根據(jù)權(quán)利要求4所述一種基于生成對(duì)抗網(wǎng)絡(luò)的交互式孔探數(shù)據(jù)擴(kuò)展方法，其特征在于，所述目標(biāo)函數(shù)具體為：

其中，C為AlexNet的conv4層特征，G_i為生成器，z_i為隱向量，為訓(xùn)練樣本，為P_i網(wǎng)絡(luò)中待更新的參數(shù)。

6.根據(jù)權(quán)利要求1所述一種基于生成對(duì)抗網(wǎng)絡(luò)的交互式孔探數(shù)據(jù)擴(kuò)展方法，其特征在于，所述通過訓(xùn)練后的P網(wǎng)絡(luò)進(jìn)行測(cè)試具體為：

將指定的輸入形狀I(lǐng)_shape輸入訓(xùn)練后的P_i網(wǎng)絡(luò)中產(chǎn)生隱向量z_i，對(duì)隱向量z_i添加細(xì)微的噪聲擾動(dòng)N(z)，

D_fake＝G_i(P_i(I_shape)+N(z))

其中，D_fake為生成的缺陷圖像，P_i(I_shape)表示利用P_i網(wǎng)絡(luò)預(yù)測(cè)輸入形狀I(lǐng)_shape的隱向量表示，N(z)表示一個(gè)符合高斯分布的細(xì)微噪聲。