| 摘要: |
| 在轨运行的航天器表面形成损伤有可能导致严重的后果，需要对航天器进行在轨实时损伤检测。针对航天器损伤检测图像样本难以获取的问题，本文采用智能化检测方法，提出了一种用于航天器表面损伤样本扩充的生成对抗网络，该网络能够学习单张输入图像的特征纹理表示，从而生成大量与输入图像特征相似的细粒度尺度样本，实现了少量图像数据样本的扩充。利用YOLO目标检测算法在扩充的图像样本中进行表面缺陷与损伤的检测识别，获取了较高的检测精度，为未来航天器健康状态监测与评估、通用化服务机器人应用及太空原位建设等提供了技术支撑。 |
|
(School of Aerospace Engineering， Tsinghua University， Beijing 100084， China)
|
