弓网系统是牵引系统中的重要设备,对其进行智能检测有助于保证弓网系统运行的安全性及稳定性。弓网图像数据是弓网智能检测的基础条件,因此图像数据的生成与增强技术有着重要研究意义和研究价值。本文根据收集弓网图像不同特点设计了两种弓网背景转换思路,这些转换图像增加了弓网数据的完备性和多样性。根据黑夜中弓网图像信息单一、弓网轮廓清晰的特点,本文先使用U-net分割出原图像中的弓网,再使用泊松融合将分割出的弓网与新的背景图像融合。进行分割时本文使用的是300张弓网图像及其标注数据,同时构造了反比例变换、圆弧变换以及三次变换几种图像变换的函数处理原始的弓网图像,将处理后的图像对应标注数据去训练U-net做对比实验;其中三次变换的图像拥有最高的分割精度,使用其分割结果与收集的背景图像做泊松融合;得到视觉效果真实、整体色调统一、边缘处融合平滑的合成图像。根据白天中弓网图像信息主体明显、色彩单一的特点,本文使用CycleGAN对弓网图像进行背景转换,通过收集到的数据集训练出景深变换和色彩变换两种模型,使用训练得到模型对原始弓网图像处理,得到背景变换后图像;使用峰值信噪比和图像信息熵两种评价指标计算变换前后的图像,经对比分析可知原图像经CycleGAN变换背景后在保留原图像主体信息的基础上更加丰富了图像的信息。本文使用的两种弓网背景生成方法都获得了在视觉上具有真实效果的图像,在保留原始弓网信息的同时为弓网数据增添了新的图像的信息。这为弓网问题的后续研究如弓网的识别与定位、燃弧的检测等提供了数据基础。