信息与控制

作者：许原野, 张吟龙, 梁炜

关键词：纹理图像生成, 碳纤维复合材料, 数据增强

针对碳纤维复合材料(Carbon Fiber-Reinforced Composites，CFRCs)铺叠质量检测过程中纹理图像数据量不足的问题，提出了周期性细粒度纹理生成网络模型(Periodic Fine-grained Texture generation Network，PFTN)及具有缺陷转移功能的DT-PFTN (Defect Transfer PFTN)网络。PFTN通过引入细粒度纹理补偿模块与可学习的周期性正弦波模块，来有效平衡纹理图像的随机性与周期性，以保证高质量、细粒度的CFRCs纹理图像生成。在此基础上，DT-PFTN通过缺陷特征的有效编码与嵌入来生成具有真实表面缺陷的纤维纹理图像。通过所提模型构建了CFRCs纹理图像数据集，包括12 480张正常的纹理图像样本和3 000张缺陷纹理图像样本。实验结果表明，PFTN和DT-PFTN模型在无缺陷数据集和缺陷数据集中均取得较好的纹理图像生成效果，SIFID (Single Image Fréchet Inception Distance)(10-6)、LPIPS (Learned Perceptual Image Patch Similarity)和FID (Fréchet Inception Distance)能分别达到9、0.35和60.81。

来源：2025年第4期

《信息与控制》期刊编辑部

查看信息与控制杂志2025年第4期