喷丸覆盖率分级方法、系统、设备及介质

本发明提供了一种喷丸覆盖率分级方法、系统、设备及介质，所述方法包括：通过几何变换技术和改进深度卷积生成对抗网络，对采集的受喷零件的图像数据进行增广得到数据集；通过数据集对构建的基于注意力机制的分级模型进行训练，得到训练后的分级模型；采用训练后的分级模型对采集的受喷零件当前图像进行处理，输出喷丸覆盖率分级结果。本发明的方法以构建的要素金字塔注意力机制TEPA为核心，建立一种改进生成对抗网络模型TEPA‑DCGAN，并提出了喷丸覆盖率图像混合增广方法和基于改进幽灵网络模型DE‑GhostNet的喷丸表面覆盖率分级方法，该方法能够在进行喷丸表面覆盖率图像分级任务中表现出卓越的性能。