摘要：為解決色織物缺陷檢測時傳統人工的誤檢率、漏檢率較高問題,給出一種應用生成對抗網絡(GAN,generative adversarial net)和Faster R-CNN相結合的缺陷識別算法.針對織物圖像采集過程中存在缺陷樣本分布不均,現有色織物缺陷樣本多樣性貧乏,先對缺陷織物進行GAN訓練,生成與缺陷樣本相似的織物圖像來擴充樣本;再根據候選框生成算法提取缺陷位置,深度卷積神經網絡學習其區域和邊緣特征;最后,利用Softmax分類器對織物缺陷進行分類,非極大值抑制算法調整優化缺陷位置.實驗結果表明,應用GAN和Faster R-CNN的缺陷識別算法,可提高色織物圖像庫中的缺陷圖像檢測效率,并能準確獲取缺陷位置和類別.