GAN 缺陷检测

场景

检测出丝网在生成过程中产生的一些微小缺陷,每张丝网生成进行一次检测,判断出缺陷种类(6类不重要不详细介绍)及缺陷位置,若缺陷多余某个阈值,认为此次生成的丝网质量太差,需要重新生产。
重点:
1 每张丝网图片shape为3600x5400
2 大图中背景并不单一 会出现较多类似右图的白色背景区域和其他
3 每次丝网制作中,无法保持网格是同一个template(无法用模板匹配)

GAN 缺陷检测_第1张图片

尝试

目标检测:yolov5

yolov5 效果差 无法适用本场景

分割:deeplabv3

数据无标注 但有尝试价值

GAN:pix2pix

可以根据缺陷图生成无缺陷图 进行对比找到缺陷位置 通过分类器判断缺陷种类

效果

pix2pix效果,左边为人工噪声图片(训练集),如果网络对真实缺陷数据也能达到这种拟合(过拟合)效果,那么应该是可以用于本场景的
GAN 缺陷检测_第2张图片

你可能感兴趣的:(GAN,目标检测,深度学习,计算机视觉)