工业视觉检测中基于深度学习的样本生成方法

摘要

本发明涉及一种工业视觉检测中基于深度学习的样本生成方法，以解决现有视觉检测样本少、样本训练时间长，样本之间相似度高的问题，包括以下步骤：a）、提取真实缺陷图片中的缺陷；b）、将提取出来的缺陷与无缺陷图片融合，从而产生伪缺陷图片；c）、伪缺陷图片经处理后送入对抗神经网络中的生成网络，生成缺陷图片；d）、按步骤b）继续生成伪缺陷图片，然后按步骤c）反复迭代训练网络；e）、在步骤d）训练至符合要求时，将生成缺陷图片添加到真实缺陷图片的序列之中，继续迭代训练，本发明能够利用有限的样本，生成大量符合要求的样本，缩短训练时间，同时样本之间相似度低。