邓 勇

(广东工业大学，广东 广州 510000)

随着工业不断发展，机器视觉在缺陷检测中扮演着越来越重要的角色。近年，产品缺陷检测已经发展到各个领域，电子产品表面[1]、瓷瓦表面[2]。随着视觉任务复杂性增加，对视觉检测的挑战也随之增加。产品表面缺陷不仅会影响产品后续使用，而且在某种程度上可能会产生不可预估的安全隐患。所以产品表面检测意义重大。

电机作为工业、交通、国防及日常生活中不可或缺的重要设备，其下游行业包含了几乎全部国民经济基础行业。换向器作为电机核心器件之一，也伴随着电机行业发展日益增长[3]。由于换向器产品缺陷多样性以及背景复杂性，很难收集一个标注数据集来覆盖缺陷所有可能存在的情况。因此，在处理模型从未训练过的产品缺陷时，预先训练好的检测模型通常表现不好。收集满足模型训练需求的带标记样本，在实际工业应用场景中是一个非常困难的任务。

文中，提出一种基于贝叶斯生成对抗网络的换向器缺陷检测方法。该方法能够学习现有缺陷分布，训练生成模型学习产品表面缺陷模式和分布。第一阶段利用贝叶斯生成对抗网络生成大量缺陷样本，对数据进行增强。第二阶段利用分割网络与分类网络结合的方式进行检测，首先，分割网络输出二值图对像素进行预测，然后分类网络利用分割网络输出作为注意力掩码，输出图片级预测结果。

1 相关工作

近年来，人们研究了各种表面缺陷检测算法。……