航空发动机孔探损伤自动检测技术是提高航空器飞行安全和利用率、节约时间和经济成本、促进智慧民航发展的一项重要内容。但孔探损伤自动检测技术的研究尚处于起步阶段,现有孔探数据存在损伤样本数量少,损伤类别分布不均衡的问题,因此,需要对进行数据扩展。目前尚无针对孔探场景的数据扩展方法。本文研究总结了通用场景的数据扩展方法,提出了基于风格迁移的交互式数据扩展方法和基于生成对抗网络的交互式数据扩展方法。论文工作包括:通用场景下数据扩展方法的研究和总结。传统的数据扩展方法采用旋转、裁剪等操作扩充图像的数量,这些方法仅线性地增加了样本空间,在数据量少且待检测目标比例低的发动机损伤检测任务中无法达到提高模型检测效果的目的。使用生成网络生成的发动机孔探图像则不够真实,影响检测模型的泛化能力。基于风格迁移的交互式数据扩展方法。首先,通过交互界面选择背景图像和损伤目标,并根据背景图像指定需要粘贴损伤的大小、角度和位置信息;其次,通过风格迁移将背景图像的风格迁移到损伤图像上,使得背景图像和损伤图像具有相同的风格;最后,利用泊松融合算法对融合区域的边界进行修正,达到连接区域自然过渡的效果。基于生成对抗网络的交互式数据扩展方法。首先,构建并训练生成对抗网络模型,获取多个生成不同损伤的航空发动机孔探损伤图像生成器;其次,构建先验网络,将用户输入的形状信息编码成损伤图像生成器可识别的形状先验向量;最后,将形状先验向量作为损伤图像生成器的输入,得到指定形状的生成图像,并使用改进后泊松融合算法将生成图像与背景图像融合,得到最终的扩展图像。以上两个数据扩展方法在基于孔探数据集的目标检测任务和语义分割任务上都取得了较为明显的提升。通过综合运用两种数据扩展方法对孔探图像进行损伤检测,最终检测模型的准确率和召回率相比基础模型分别提高了12.59%和12.46%。