随着智能制造的发展,基于数字图像处理和计算机视觉的自动化缺陷检测技术被广泛应用于各个生产行业中。磁瓦作为永磁电机的重要组成部件,其工件质量直接影响着电机的性能和使用寿命。目前大多数磁瓦生产企业采用人工目视检测磁瓦缺陷,这会导致劳动力成本高、检测速度慢等问题。此外,磁瓦表面缺陷种类较多、尺寸较小、与检测背景难以区分,也使得传统的数字图像处理方法很难提取到合适的特征向量对磁瓦缺陷进行检测。在这种情况下,基于计算机视觉和卷积神经网络技术的检测方法是一种更好的选择。卷积神经网络对于图像数据有着优异的学习能力和特征提取能力,已有学者将其应用于磁瓦表面缺陷检测问题上,取得了更好的检测性能。本文针对复杂的磁瓦表面缺陷,设计了一个基于密集生成对抗网络的磁瓦表面缺陷检测算法,以实现磁瓦缺陷检测的智能化。该算法结合深度学习语义分割技术和生成式对抗网络技术,可以成功获取到磁瓦表面缺陷语义分割图,后续再利用检测判别技术即可判段磁瓦是否含有缺陷。通过与其他卷积神经网络的对比实验,验证了该密集生成对抗的网络算法具有最好的缺陷检测能力,成为本文所要实现的磁瓦表面缺陷检测任务核心算法。