一种基于DTGAN模型的铝型材表面缺陷检测方法

本发明属于深度学习技术领域，具体涉及一种基于DTGAN模型的铝型材表面缺陷检测方法，包括以下步骤：构建一种可同步适用于铝型材表面缺陷进行缺陷表面去任意形状遮挡物和缺陷的分类识别双任务的GAN模型，即DTGAN。其中，引入相似感知损失函数，用以提高修复质量，然后基于差分进化算法对DTGAN模型参数进行优化。得到DTGAN模型后，用预处理好的缺陷图像集对其进行训练，然后进行数据掩膜处理，损坏铝型材表面缺陷图像修复工作，最后进行铝型材表面缺陷识别，并采用Adam算法进行参数调优。此方法能有效检测铝型材表面缺陷，有效解决了铝型材生产过程中产生的缺陷识别基本问题以及损坏缺陷图像影响缺陷识别结果需要进行图像修复的问题，具有一定的工业生产价值。