基于GAN-UNet++的汽车铝铸件图像缺陷分割算法研究

针对汽车铝铸件检测过程中图像缺陷干扰多、分割困难的问题,提出基于GAN-UNet++的图像缺陷分割算法,将UNet++作为生成器引入生成对抗网络(GAN),生成缺陷分割的图像,同时使用人工标记的分割图像作为真实图像,将真实图像和生成器生成的分割图像输入判别器网络,通过判别器与生成器的相互博弈,直至判别器无法辨别生成器生成的分割图像来源,获得满足条件的生成器。GANUNet++通过与UNet、UNet++、GAN-UNet相比,GAN-UNet++算法与标记图相似度达到了97.6%,高于其他3种算法,验证了提出的图像分割算法满足工业检测需求。