%0 Journal Article
%A 程风雯
%A 甘进
%A 李星
%A 吴卫国
%T 基于DCGAN的水下结构物表面缺陷图像生成
%D 2023
%R 10.11988/ckyyb.20220421
%J 
院报
%P 155-161
%V 40
%N 9
%X 为提升水下结构物表面缺陷图像数据集的质量和规模,促进深度学习相关方法在水下检测领域中的应用,开展数据增强方法研究,提出一种基于深度卷积生成对抗网络(DCGAN)的水下结构物表面缺陷图像生成方法。首先,设计了一种水下结构物表面缺陷图像采集装置,通过改变拍摄距离和补充光照强度,探究出一种保证水下图像质量的采集方式;其次,通过改进损失函数优化DCGAN,建立水下结构物表面裂缝图像生成模型,实现了水下结构物表面缺陷图像的生成;最后,利用YOLOv5检测网络验证生成图像的有效性。结果表明:生成的水下结构物表面裂缝图像平均峰值信噪比为25.142 6 dB,平均结构相似性为0.716 8,将生成图像和真实图像共同输入检测模型可有效提高检测精度。研究成果为大坝和引水隧洞等水工结构物的健康检测提供技术支撑。
%U http://ckyyb.crsri.cn/CN/10.11988/ckyyb.20220421