En este estudio, se plantea el problema de un número limitado de muestras de datos, que afecta la precisión de detección, surge para la tarea de clasificación de imágenes de defectos en la superficie de placas de acero en condiciones de tamaños de muestra pequeños. Se propone un método de mejora de datos basado en redes generativas adversarias. El método introduce un mecanismo de atención bidireccional, que está diseñado específicamente para mejorar la capacidad del modelo de identificar defectos débiles y optimizar la estructura del modelo del discriminador de la red, lo que aumenta la capacidad del modelo para percibir los detalles generales de la imagen y mejora efectivamente la complejidad y autenticidad de las imágenes generadas. Al mejorar los dos conjuntos de datos originales, los resultados experimentales muestran que el método propuesto mejora la precisión promedio en un 8,5% en los cuatro modelos de clasificación convolucional. Los resultados demuestran la superior precisión de detección del método propuesto, mejorando la clasificación de defectos en la superficie de placas de acero.