(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211239047.4 (22)申请日 2022.10.11 (71)申请人 江苏智云天工科技有限公司 地址 213000 江苏省常州市 常州钟楼经济 开发区玉龙南路280号常州 大数据产 业园4号楼2楼201室 (72)发明人 张焱　张志琦　赵何　 (74)专利代理 机构 常州佰业腾飞专利代理事务 所(普通合伙) 32231 专利代理师 陈红桥 (51)Int.Cl. G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) (54)发明名称 基于改进的Cycle GAN网络的缺陷样本生成 方法和系统 (57)摘要 本发明提供了一种基于改进的Cycle  GAN网 络的缺陷样本生成方法和系统， 其中， 该方法包 括： 获取良品工件的良品图像； 通过第一生成器 和第二生成器根据良品图像生成第一特征图像 和第二特征图像； 通过 综合判别器根据第一特征 图像和第二特征图像判定第一判别器的第三得 分， 并判定第二判别器的第四得分； 根据第三得 分获取第一判别器的第一权重， 并根据第四得分 获取第二判别器的第二权重； 通过第一生成器根 据第一权重和良品图像生 成第一目标特征图像， 并通过第二生成器根据第二权重和良品图像生 成第二目标特征图像； 对第一目标特征图像和第 二目标特征图像进行图像融合， 以获取目标缺陷 图像。 由此， 增 加了生成缺陷样本图像的多样性。 权利要求书2页 说明书7页 附图2页 CN 115311526 A 2022.11.08 CN 115311526 A 1.一种基于改进的Cycle  GAN网络的缺陷样本生成方法， 其特征在于， 所述改进的 Cycle GAN网络包括： 第一生成器、 第二生成器、 第一判别器、 第二判别器和综合判别器， 其 中， 所述第一生成器的输出端与所述第一判别器的输入端相连， 所述第二生成器的输出端 与所述第二判别器的输入端相连， 所述第一判别器的输出端和所述第二判别器的输出端分 别与所述综合判别器的输入端相连， 所述 缺陷样本生成方法包括以下步骤： 获取良品工件的良品图像； 通过所述第 一生成器根据所述良品图像生成第 一特征图像， 并通过所述第 二生成器根 据所述良品图像生成第二特 征图像； 通过所述第 一判别器根据所述第 一特征图像判定所述第 一特征图像的第 一得分， 并通 过所述第二判别器根据所述第二特 征图像判定所述第二特 征图像的第二得分； 通过综合判别器根据 所述第一特征图像判定所述第 一判别器的第 三得分， 并通过所述 综合判别器根据所述第二特 征图像判定所述第二判别器的第四得分； 根据所述第 三得分获取所述第 一判别器的第 一权重， 并根据所述第四得分获取所述第 二判别器的第二权 重； 通过所述第 一生成器根据所述第 一权重和所述良品图像生成第 一目标特征图像， 并通 过所述第二 生成器根据所述第二权 重和所述良品图像生成第二目标 特征图像； 对所述第一目标特征图像和所述第 二目标特征图像进行图像融合， 以获取目标缺陷 图 像。 2.根据权利要求1所述的基于改进的Cycle  GAN网络的缺陷样本生成方法， 其特征在 于， 通过所述第一判别器根据所述第一特 征图像判定所述第一特 征图像的第一得分， 包括： 将所述第一特征图像与第 一缺陷图像进行特征比对， 并根据特征比对结果对所述第 一 特征图像进行打 分， 以获取 所述第一得分； 通过所述第二判别器根据所述第二特征图像判定所述第二特征图像的第二得分， 包 括： 将所述第二特征图像与所述第 一缺陷图像进行特征比对， 并根据 特征比对结果对所述 第二特征图像进行打 分， 以获取 所述第二得分。 3.根据权利要求2所述的基于改进的Cycle  GAN网络的缺陷样本生成方法， 其特征在 于， 包括： 根据特征图的结构相似性或者峰值信噪比进行 特征比对。 4.一种基于改进的Cycle  GAN网络的缺陷样本生成系统， 其特征在于， 所述改进的 Cycle GAN网络包括： 第一生成器、 第二生成器、 第一判别器、 第二判别器和综合判别器， 其 中， 所述第一生成器的输出端与所述第一判别器的输入端相连， 所述第二生成器的输出端 与所述第二判别器的输入端相连， 所述第一判别器的输出端和所述第二判别器的输出端分 别与所述综合判别器的输入端相连， 所述 缺陷样本生成系统包括： 第一获取模块， 所述第一获取模块用于获取良品工件的良品图像； 第一生成模块， 所述第 一生成模块用于通过所述第 一生成器根据 所述良品图像生成第 一特征图像， 并通过 所述第二 生成器根据所述良品图像生成第二特 征图像； 第一判定模块， 所述第 一判定模块用于通过所述第 一判别器根据 所述第一特征图像判 定所述第一特征图像的第一得分， 并通过所述第二判别器根据所述第二特征图像判定所述权　利　要　求　书 1/2 页 2 CN 115311526 A 2第二特征图像的第二得分； 第二判定模块， 所述第 二判定模块用于通过综合判别器根据所述第 一特征图像判定所 述第一判别器的第三得分， 并通过所述综合判别器根据所述第二特征图像判定所述第二判 别器的第四得分； 第二获取模块， 所述第 二获取模块用于根据 所述第三得分获取所述第 一判别器的第 一 权重， 并根据所述第四得分获取 所述第二判别器的第二权 重； 第二生成模块， 所述第 二生成模块用于通过所述第 一生成器根据 所述第一权重和所述 良品图像生成第一目标特征图像， 并通过所述第二生成器根据所述第二权重和所述良品图 像生成第二目标 特征图像； 第三获取模块， 所述第 三获取模块用于对所述第 一目标特征图像和所述第 二目标特征 图像进行图像融合， 以获取目标缺陷图像。 5.一种计算机设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计 算机程序， 其特征在于， 所述处理器执行所述计算机程序时， 实现根据权利要求1 ‑3中任一 项所述的基于改进的Cycle  GAN网络的缺陷样本生成方法。 6.一种非临时性计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该程序被 处理器执行时实现根据权利要求1 ‑3中任一项所述的基于改进的Cycle  GAN网络的缺陷样 本生成方法。权　利　要　求　书 2/2 页 3 CN 115311526 A 3