本发明公开了一种基于区域注意力与多尺度特征的呼吸器缺陷图像生成方法，包括步骤：选取生成对抗网络GAN作为基础框架，并改进相应模块使其成为更有效的模型RM‑GAN；设计了一种特征保留预处理方法，提高了数据的质量和可用性；引入区域注意力机制，捕获与呼吸器相关的区域信息；提出了一种多尺度的判别器，有利于对呼吸器的特征提取与准确感知，提升生成的质量；采用对抗训练的方式训练生成模型，得到生成的呼吸器缺陷图像并用于扩充呼吸器缺陷数据集，提升缺陷识别准确率。本发明将生成对抗网络应用于呼吸器缺陷生成，满足生成高质量图像的同时有效提高了缺陷识别的准确率，具有良好的鲁棒性。