(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210885378.9 (22)申请日 2022.07.26 (71)申请人 山东大学 地址 250061 山东省济南市历下区经十路 17923号 (72)发明人 马海峰　田素坤　刘战强　周金华　 张思露　宋清华　刘兆军　 (74)专利代理 机构 济南圣达知识产权代理有限 公司 372 21 专利代理师 赵妍 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/26(2022.01) G06V 10/44(2022.01) G06V 10/80(2022.01)G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于对抗学习网络的带钢表面缺陷检 测方法及系统 (57)摘要 本发明提供了一种基于对抗学习网络的带 钢表面缺陷检测方法及系统， 包括： 获取待检测 的带钢图像； 对待检测的带钢图像进行二值化处 理后， 输入训练好的缺陷检测 网络模型， 进行缺 陷区域检测； 其中， 缺陷检测 网络模型包括分割 网络和判别器网络； 所述判别器网络通过综合损 失函数对所述分割网络进行约束； 所述分割网络 的扩张卷积模块包括若干个依次连接的扩展卷 积层， 且不同扩张卷积层采用的扩张因子不同， 实现了带钢表面 缺陷的精确分割。 权利要求书2页 说明书9页 附图3页 CN 115272225 A 2022.11.01 CN 115272225 A 1.一种基于对抗学习网络的带钢表面 缺陷检测方法， 其特 征在于， 包括： 获取待检测的带钢图像； 对待检测的带钢图像进行二值化处理后， 输入训练好的缺陷检测网络模型， 进行缺陷 区域检测； 其中， 缺陷检测网络模型包括分割 网络和判别器网络； 所述判别器网络通过综合损 失 函数对所述分割网络进行约束； 所述分割网络的扩张卷积模块包括若干个依次连接的扩展 卷积层， 且不同扩张卷积层采用的扩张因子不同。 2.如权利要求1所述的一种基于对抗学习网络的带钢表面缺陷检测方法， 其特征在于， 所述缺陷检测网络模型在训练时， 分割网络用于提取二值化处理后的带钢图像的缺陷区 域； 所述分割网络输出的缺陷区域与带钢图像的真实缺陷区域一起输入到所述判别器网 络， 以计算综合损失函数对分割网络进行约束。 3.如权利要求1所述的一种基于对抗学习网络的带钢表面缺陷检测方法， 其特征在于， 所述缺陷检测网络模型训练时采用的训练集的获取 方法为： 采集若干张带有表面 缺陷的带钢图像； 对带钢图像进行二 值化处理和缺陷区域标记后， 得到初始训练集； 对初始训练集中的带钢图像进行尺寸调整后， 进行旋转和扩充， 得到用于缺陷检测网 络模型训练的训练集。 4.如权利要求1所述的一种基于对抗学习网络的带钢表面缺陷检测方法， 其特征在于， 所述分割网络还包括若干个卷积层、 若干个反卷积层和若干个特征提取模块， 且编码阶段 的卷积层还跳转连接 到解码阶段的反卷积层。 5.如权利要求4所述的一种基于对抗学习网络的带钢表面缺陷检测方法， 其特征在于， 所述特征提取模块使用不同卷积核尺寸的滤波器对输入特征进行并行转换操作， 得到不同 感受野特征； 并对不同感受野特征进 行融合后进 行卷积， 将卷积结果与输入特征进 行融合， 得到输出特征图。 6.如权利要求1所述的一种基于对抗学习网络的带钢表面缺陷检测方法， 其特征在于， 所述综合损失函数对抗 性损失、 均方误差损失、 特 征匹配损失和边 缘约束损失的加权和。 7.如权利要求1所述的一种基于对抗学习网络的带钢表面缺陷检测方法， 其特征在于， 所述判别器网络包括若干个依次连接的卷积层和一个全连接层， 且每个卷积层后连接有批 量标准化层和修 正线性单 元。 8.一种基于对抗学习网络的带钢表面 缺陷检测系统， 其特 征在于， 包括： 图像获取模块， 其被 配置为： 获取待检测的带钢图像； 缺陷检测模块， 其被配置为： 对待检测的带钢图像进行二值化处理后， 输入训练好的缺 陷检测网络模型， 进行缺陷区域检测； 其中， 缺陷检测网络模型包括分割 网络和判别器网络； 所述判别器网络通过综合损 失 函数对所述分割网络进行约束； 所述分割网络的扩张卷积模块包括若干个依次连接的扩展 卷积层， 且不同扩张卷积层采用的扩张因子不同。 9.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该程序被处理器执 行时实现如权利要求1 ‑7中任一项 所述的一种基于对抗学习网络的带钢表面缺陷检测方法 中的步骤。权　利　要　求　书 1/2 页 2 CN 115272225 A 210.一种计算机设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计 算机程序， 其特征在于， 所述处理器执行所述程序时实现如权利要求 1‑7中任一项 所述的一 种基于对抗学习网络的带钢表面 缺陷检测方法中的步骤。权　利　要　求　书 2/2 页 3 CN 115272225 A 3