买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西北工业大学宁波研究院申请的专利一种表面缺陷图像生成式数据增强方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117152001B 。

龙图腾网通过国家知识产权局官网在2026-03-10发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311002785.1，技术领域涉及：G06T5/60；该发明授权一种表面缺陷图像生成式数据增强方法是由杨宏晖;王秋雨;郑凯锋设计研发完成，并于2023-08-09向国家知识产权局提交的专利申请。

本一种表面缺陷图像生成式数据增强方法在说明书摘要公布了：本发明提出了一种表面缺陷图像生成式数据增强方法，该方法建立生成模型和判别模型两个对抗模型，两种模型通过竞争机制实现了表面缺陷图像的数据分布学习以及交替训练，最终实现表面缺陷图像的生成式数据增强，达到增强数据分布的效果。通过进行表面缺陷图像生成式数据增强，增加了训练数据集的样本量，丰富了数据的特征表达，能够为后续的其他深度学习任务减轻数据量不足的问题、提高了模型的泛化能力。该方法生成的新数据保留了真实数据的内在属性，为后续的表面缺陷检测与分类提供了更加全面丰富的训练数据，为后续模型性能的提升打下基础。

本发明授权一种表面缺陷图像生成式数据增强方法在权利要求书中公布了：1.一种表面缺陷图像生成式数据增强方法，其特征在于，包括以下步骤： 步骤1：获取表面缺陷原始图像，去除数据质量差的图像，获得原始真实样本数据集； 步骤2：设置表面仿真图像生成模型、表面真实图像与仿真图像判别模型的训练参数：学习率，衰减速率，损失函数类型，优化器类型；最大训练轮数，早停比例为； 步骤3：搭建表面真实图像与仿真图像判别模型，随机初始化表面真实图像与仿真图像判别模型的参数； 步骤4：设计表面仿真图像生成模型，随机初始化表面仿真图像生成模型参数； 步骤5：将原始真实样本图像数据集中图像的标签赋值为1； 步骤6：将原始真实样本数据集中的图像输入表面真实图像与仿真图像判别模型，得到的模型输出为； 步骤7：计算和原始真实样本图像数据集中图像的标签之间的损失，并反向传播更新的模型参数； 步骤8：随机产生n个噪声，向表面仿真图像生成模型中输入噪声，生成一批表面仿真缺陷图像，并将表面仿真图像的标签赋值为0； 步骤9：将步骤8中的表面仿真缺陷图像通过表面真实图像和仿真图像的判别模型，输出为； 步骤10：计算步骤9中的和步骤8中的表面仿真缺陷图像中标签之间的损失，并反向传播更新的模型参数； 步骤11：计算和原始真实样本图像数据集中图像的标签之间的损失，并反向传播更新的模型参数； 步骤12：随机生成n个噪声，向表面仿真图像生成模型中输入噪声，生成一批图像，将该批次图像使用真实图像和仿真图像的判别模型进行判别，判断为真实图像的数量在该批次图像总数的比例为p； 步骤13：重复步骤6和12，当P的时候，完成训练，得到能够生成接近真实表面缺陷图像的表面仿真图像生成模型；如果训练轮数达到N，仍不满足要求，则重新初始化表面仿真图像生成模型和表面真实图像与仿真图像判别模型的参数后，再重复步骤6到12，直到能够得到满足结果的模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西北工业大学宁波研究院，其通讯地址为：315040 浙江省宁波市高新区清逸路218弄；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。