一种基于循环生成对抗网络的工业产品表面缺陷样本生成方法

本发明涉及人工智能与工业视觉检测技术领域，尤其涉及一种基于循环生成对抗网络的工业产品表面缺陷样本生成方法，本发明包括：通过采集工业产品无缺陷样本构建训练数据集，将无缺陷样本输入多尺度密集卷积U‑Net增强生成器，生成具有随机缺陷类型的缺陷样本。结合循环双胶囊混合鉴别器，通过马尔可夫判别器和胶囊网络对样本进行真实性与一致性判别，并通过对抗训练优化生成网络和鉴别网络参数，实现缺陷样本的位置、形状和数量的随机化。本发明有效提高了缺陷样本的多样性和真实性，解决了现有技术中样本类型单一、生成质量不高的问题，为工业缺陷检测提供高效的样本生成解决方案。