基于改进GAN的风机叶片表面缺陷图像生成方法研究

来源：计算机应用与软件杂志2025年第7期北京时间：

作者：刘怡琳, 胡一鸣, 周航, 胡小兵

摘要：在计算机视觉广泛应用于缺陷检测领域的背景下，针对风力发电机叶片的缺陷检测这一新应用场景，提出一种基于改进Cycle-GAN的数据增强方法，以生成高质量风机叶片表面细小裂纹图像，克服检测网络数据驱动局限性造成的应用瓶颈。该方法首先通过迁移引用和图像融合构造基本训练缺陷图像集；在Cycle-GAN基础上引入NAM注意力机制和多尺度特征融合模块，提高生成图像的质量。实验结果表明，该方法能够生成与真实缺陷相似度高的风机表面裂纹图像，且利用生成图像训练的YOLO网络平均精度（mAP@0.5）达83.7%，具有良好的工程应用价值。

关键词：缺陷检测, 数据增强, 生成对抗网络, 图像融合, 注意力机制