基于 GAN 的滚珠丝杠传动图像数据库扩充用于故障分类
机器学习
2020-11-23 v1 图像与视频处理
摘要
缺乏可靠的大规模数据集是在制造业故障检测领域使用现代机器学习方法的最大困难之一。为开发滚珠丝杠表面的故障分类功能，充足的表面故障图像数据是必需的。当基于小数据集训练神经网络模型时，训练出的模型可能缺乏泛化能力，并在实际中表现不佳。本文的主要目标是基于生成对抗网络（GAN）生成合成图像，以扩充滚珠丝杠表面故障的图像数据集。点蚀故障和锈蚀故障是本文选取的滚珠丝杠表面两种可能的故障类型，用以代表表面故障类别。随后使用包括专家观察、t-SNE 可视化等定性方法以及 FID 分数定量方法对生成图像的质量与多样性进行评估。为验证基于 GAN 的生成图像是否能提升故障分类性能，将真实图像数据集用基于 GAN 的生成图像进行增广和替换以执行分类任务。作者成功创建了基于 GAN 的滚珠丝杠表面故障图像，其对分类测试性能表现出正向作用。
引用
@article{arxiv.2011.10235,
title = {GAN based ball screw drive picture database enlargement for failure classification},
author = {Tobias Schlagenhauf and Chenwei Sun and Jürgen Fleischer},
journal= {arXiv preprint arXiv:2011.10235},
year = {2020}
}
备注
12 pages, 10 figures