岳慧慧，白瑞林

(江南大學物聯(lián)網(wǎng)工程學院，江蘇 無錫 214122)

0 引言

木結缺陷為嵌入在木條表面中高度紋理化、顏色差異明顯的區(qū)域。木結缺陷檢測的主要挑戰(zhàn)在于如何準確、實時地從形狀不規(guī)則、分布位置不確定的自然紋理中檢測出木結缺陷，對高質(zhì)量木條加工有著極為重要的理論和應用價值[1]。隨著卷積神經(jīng)網(wǎng)絡在圖像領域的普遍應用以及圖形處理器(graphics processing unit，GPU)的迅猛發(fā)展，憑借其檢測速度更快、精確度更高的優(yōu)點，基于卷積神經(jīng)網(wǎng)絡(convolutional neural network，CNN)的目標檢測正逐漸替代低效率的人工檢測、基于顏色和紋理特征提取的無監(jiān)督聚類方法。Girshick等提出超快速的區(qū)域卷積神經(jīng)網(wǎng)絡(faster region-CNN，F(xiàn)aster R-CNN)[2]方法，運用候選區(qū)域生成網(wǎng)絡(region proposal network,RPN)不斷重復訓練模型，識別精確度較高，但檢測速度不滿足實時性要求。徐姍姍[3]等使用支持向量機對缺陷進行分類，整體算法運行緩慢。劉英[4]等利用非下采樣剪切波變換對圖像進行預處理，再利用CNN提取出木材缺陷輪廓，檢測速度為261 ms，無法滿足實時性要求。Redmon等提出基于端到端的深層卷積神經(jīng)網(wǎng)絡(you only look once v3，YOLOv3)[5]目標檢測算法，在YOLO[6]和YOLOv2[7]的基礎上進行改進，兼顧了網(wǎng)絡復雜度與識別精確度，在COCO數(shù)據(jù)集上檢測速度為51 ms，平均識別精確度(mean average precision，mAP)可達57.9%的最佳檢測效果；然而，該算法未應用于木結缺陷檢測。呂鑠[8]等針對YOLOv3使用新?lián)p失函數(shù)Tan-Squared Error，有效提高了COCO數(shù)據(jù)集的識別精確度，模型收斂更加快速。

YOLOv3目標檢測算法需要建立大量木條表面圖像數(shù)據(jù)集，并通過多層特征融合，無需手工設計特征，充分提取高泛化性的木結缺陷特征用于實時檢測。本研究將YOLOv3算法應用于自然紋理中木結缺陷檢測，并針對檢測結果mAP值不高的問題，分別對活結缺陷圖像進行數(shù)據(jù)擴增。采用k-means++算法提高目標框維度聚類效果，同時壓縮多尺度檢測網(wǎng)絡減少檢測時間，改進loss損失函數(shù)提高木條表面缺陷的識別精確度。

1 YOLOv3模型

1.1 目標框維度聚類算法

參考Faster R-CNN，YOLOv3引入一組固定尺寸的初始目標框(anchor box)，通過k-means算法對數(shù)據(jù)集中人工標注目標框的高和寬進行維度聚類，得到k個初始目標框[5]。針對VOC20類和COCO80類數(shù)據(jù)集，YOLOv2設置5個初始目標框；針對COCO80類數(shù)據(jù)集，YOLOv3設置9個初始目標框。由于數(shù)據(jù)集類別與拍攝角度差異較大，并不適用木結缺陷檢測。k-means算法是從樣本集中隨機選k個初始聚類中心導致聚類準確率偏低，故研究選用改進后的k-means++算法設置閾值ε對目標框進行聚類分析，相距較遠點有更大概率被選為下一個初始聚類中心。同時，考慮到交并比(intersection over union，IOU)是目標框的預測結果與真實范圍的交集面積、并集面積的比值，與anchor box尺寸大小無關，因此k-means++聚類算法改用IOU作為空間距離計算代替歐氏距離，從而降低不同尺寸初始目標框產(chǎn)生的誤差。改進后空間距離函數(shù)Di(xj)為：

Di(xj)=1-IOU(xj,ci)

(1)

式中：xj∈X={x1,x2,…,xn}為真實目標框；ci∈{c1,c2,…,ck}為聚類中心；k為anchor box的個數(shù)。

聚類目標函數(shù)J(k)為每個樣本到其聚類中心的距離之和最小值，計算公式為：

(2)

利用改進后k-means++針對目標框進行維度聚類，使用手肘法分析聚類目標函數(shù)來選取最優(yōu)聚類個數(shù)k。當k小于真實值6時，J(k)會大幅度下降；而當k到達真實值6時，J(k)快速停止大幅度下降，聚類效果降低，并且隨著k的不斷增加，曲線趨于穩(wěn)定。因此，木條表面圖像數(shù)據(jù)集的最優(yōu)初始目標框聚類個數(shù)為6，高和寬分別為(299.0，167.0)、(176.0，460.5)、(448.0，351.0)、(486.0，617.5)、(126.0，234.0)和(419.0，242.0)。目標框的平均交并比對比如表1所示。改進后k-means++的YOLOv3平均交并比相比YOLOv2和改進前YOLOv3提高約15%，在保證較高平均交并比的基礎上減少了目標框個數(shù)，降低了計算資源的占用。

表1 目標框的平均交并比對比Tab.1 Comparison of anchor boxes’ average IOU

k-means++算法流程如圖1所示。

圖1 k-means++算法流程圖Fig.1 Flowchart of k-means++ Algorithm

聚類目標函數(shù)的變化曲線如圖2所示。

圖2 聚類目標函數(shù)的變化曲線Fig.2 Curves of the clustering objective function

1.2 多尺度檢測網(wǎng)絡

YOLOv3借鑒了單個深層神經(jīng)網(wǎng)絡檢測器(single shot multiBox detector，SSD)[9]、殘差網(wǎng)絡和特征金字塔網(wǎng)絡[10]，在YOLO和YOLOv2的基礎上進行改進，設計了一種基于Darknet-53網(wǎng)絡和多尺度檢測網(wǎng)絡的目標檢測模型，大大降低了模型運算量，發(fā)揮了YOLO速度快的優(yōu)勢。Darknet-53網(wǎng)絡共有53個卷積層。先使用5個不同的卷積核對圖像進行卷積操作，再由一系列3×3和1×1交替組成的卷積得到26×26特征圖。在網(wǎng)絡訓練過程中，卷積層的輸出是作為下一層池化層的輸入，而池化層的輸出又作為下一層卷積層的輸入。在第j個卷積核中，第l個卷積層的第i個卷積操作輸出矩陣計算式為：

(3)

式中：F(·)為激活函數(shù)；b為偏置；x為n×n的卷積核；m為輸入圖像m×m的矩陣。

選用平均值池化操作對卷積層的輸出進行采樣，進一步減小計算量、提高泛化性。在第j個池化區(qū)域中，第l個池化層的第i個池化操作輸出矩陣為：

(4)

選用識別和定位精確度高于Relu函數(shù)的Leaky函數(shù)作為卷積層激活函數(shù)。當輸入x小于0時，輸出不再是0，而是一個微小數(shù)字0.01x，計算式為：

F(·)=Leakey(x)=max(0.01x,x)

(5)

為獲得更好的細粒度特征，通過采樣融合不同網(wǎng)絡層中高分辨率和高語義特征圖，在3種尺度特征層上預測邊界框，當減少尺度時會提升大目標缺陷的識別精確度、降低小目標缺陷的識別精確度[11-12]。由于木結缺陷目標多數(shù)為大目標，所以將原3種尺度壓縮為2種尺度檢測。當預測大尺寸木結缺陷時，既可獲得更精準的檢測結果，又減少了計算量。在訓練模型過程中，每隔10輪改變模型的圖像輸入尺寸，同時將k-means++維度聚類得到的初始目標框(126.0，234.0)、(299.0，167.0)、(176.0，460.5)分配給(320×320)像素尺度上的各個網(wǎng)格，(419.0，242.0)、(448.0，351.0)、(486.0，617.5)分配給(416×416)像素尺度上的各個網(wǎng)格，用于預測木結缺陷目標框，能讓模型適應不同尺度的輸入圖像，更具有魯棒性。YOLOv3算法的網(wǎng)絡結構如圖3所示。

圖3 YOLOv3算法的網(wǎng)絡結構圖Fig.3 YOLOv3 algorithm network structure

1.3 loss損失函數(shù)

YOLOv3將輸入圖像分成Sh×Sw的高×寬網(wǎng)格，負責預測B個目標框(bounding box，bbox)坐標和對應的置信度得分(confidence score，CS)。在訓練預測特征圖過程中，使用五元組B(x,y,w,h,cs)來定義預測的邊界框[12]。其中：x和y為bbox的中心坐標，w和h為bbox的寬度和高度，都在[0,1]范圍內(nèi)。YOLOv3改進后坐標為:

(6)

式中：cx、cy為從圖像左上角的坐標偏移量；pw、ph為預測目標框的寬和高；tx、ty、tw、th為網(wǎng)絡的學習目標；bx、by、bw、bh為最終得到的bbox坐標。

假設每個網(wǎng)格預測C個目標類別概率，則輸出的張量維度為Sh×Sw×B×(5+C)。

在訓練網(wǎng)絡過程時，網(wǎng)絡會不斷學習真實目標框尺寸特點，邊界框的高寬也在不斷調(diào)整以接近真實目標框。而在預測目標類別與bbox位置坐標時，YOLOv3中l(wèi)oss損失函數(shù)為：

(7)

式中：Errcoord為預測數(shù)據(jù)與標定數(shù)據(jù)之間的坐標誤差；ErrIOU為置信度誤差；Errclass為分類誤差。

其中，坐標誤差Errcoord為：

(8)

Lcross-entropy的計算式為：

Lcross-entropy(p,q)=p×log(q)+(1-p)×log(1-q)

(9)

置信度誤差ErrIOU為：

(10)

分類誤差Errclass為：

(11)

圖與x的函數(shù)圖像Fig.4 The function of and x

當bbox尺寸誤差較小時梯度也較小，隨著bbox尺寸誤差逐漸變大時梯度也逐漸變大。因此將坐標誤差Errcoord中的w和h改進為:

2 結果與分析

2.1 試驗配置與數(shù)據(jù)集

2.1.1 試驗數(shù)據(jù)集

以木結缺陷作為研究對象，對Basier-12k線掃相機采集到的松木木條表面圖像進行等分切割，共7 876張。隨機選取其中7 376張作為訓練數(shù)據(jù)集(含有4 260個死結，821個活結)，并將剩余的500張作為測試數(shù)據(jù)集(含有354個死結、89個活結)。由于活結圖像數(shù)量過少導致類別不平衡問題，為提高活結識別精確度，對訓練數(shù)據(jù)集中活結圖像采用水平和垂直鏡像、隨機裁剪以及±15°、±30°旋轉等方法進行數(shù)據(jù)擴增。同時，在訓練模型時利用自適應直方圖均衡化、飽和度和曝光度調(diào)整訓練數(shù)據(jù)集，以增加樣本的魯棒性。隨學習率增加的mAP值曲線如圖5所示。木條表面圖像數(shù)據(jù)集中缺陷目標共分為兩類：①活結缺陷；②死結缺陷。

圖5 mAP值隨學習率增加的變化曲線Fig.5 mAP curve with learning rates increasing

2.1.2 試驗軟硬件配置

改進后YOLOv3算法在開源框架TensorFlow上實現(xiàn)，主機配置為Intel Core I5-8400 CPU，2.4 GHz主頻，32 GB RAM，顯卡為英偉達GTX 1080Ti，11 GB 內(nèi)存，操作系統(tǒng)為Ubuntu14.04，GPU加速庫為CUDA9.0和CUDNN7.03，數(shù)據(jù)處理使用MATLAB、Python、OpenCV庫，圖像采集使用型號為RAL 12288-8GM的Basier-12k線掃相機。

2.2 試驗參數(shù)與性能指標

2.2.1 試驗參數(shù)

考慮改進后的YOLOv3模型獲得圖像特征時，設置不同學習率(learning rate)和迭代次數(shù)(iteration)對mAP有明顯影響。因此，研究不同學習率和迭代次數(shù)情況下mAP的變化，從而找出最優(yōu)學習率和最優(yōu)迭代次數(shù)。

①最優(yōu)學習率。

在訓練網(wǎng)絡模型時，learning_rate分別設置為10-10、10-9、10-8、10-7、10-6、10-5、10-4、10-3、10-2、10-1和1，iteration設置為20 000。用測試集進行檢測，分析圖5中mAP值隨學習率增加的變化曲線可知，當學習率增加到10-3時，mAP最高為87.13%，模型具有更好的性能；隨著學習率繼續(xù)增加，mAP呈下降趨勢，因此最優(yōu)學習率為10-3。

②最優(yōu)迭代次數(shù)。

在訓練網(wǎng)絡模型時，iteration分別設置為11×103、12×103、13×103、14×103、15×103、16×103、17×103、18×103、19×103、20×103、25×103和30×103，learning_rate設置為10-3。隨迭代次數(shù)增加的mAP值曲線如圖6所示。用測試集進行檢測，分析圖6中mAP隨迭代次數(shù)增加的變化曲線可知，當iteration增加到18 000時，mAP最高為88.63%，可得最優(yōu)迭代次數(shù)為18 000。

圖6 隨迭代次數(shù)增加的mAP值曲線Fig.6 mAP curve with iterations increasing

最終試驗參數(shù)值設置：學習率為0.001、批尺寸(batch_size)為16、衰減系數(shù)(decay)為0.000 5、迭代次數(shù)為18 000、動量(momentu)為0.9。

2.2.2 性能指標

通過木結缺陷檢測結果的交并比來判別真假樣本。當IOU≥0.5時，結果為真正性樣本(true positive，TP)；當IOU<0.5時，結果為假正性樣本(false positive，F(xiàn)P)；當IOU=0時，結果為假負性樣本(false negative，F(xiàn)N)。召回率、精確率、AP值和mAP值分別如式(13)～式(16)所示。其中：N為木條表面圖像數(shù)據(jù)集中樣本數(shù)。

(13)

(14)

(15)

(16)

同時，使用AP和mAP值來評價網(wǎng)絡模型的性能，反映算法模型的好壞程度，值越高表示算法識別檢測效果越好。

2.3 試驗結果

改進后，YOLOv3網(wǎng)絡訓練過程中l(wèi)oss收斂曲線如圖7所示。

圖7 網(wǎng)絡訓練中l(wèi)oss收斂曲線Fig.7 Loss convergence curve in network training

當網(wǎng)絡迭代超過18 000時，各參數(shù)變化基本穩(wěn)定，損失值收斂下降到約0.12，訓練結果較理想。最終檢測時間為0.015 6 s，mAP值為88.63%。其中，死結缺陷AP值為91.74%，活結缺陷AP值為85.50%。

使用改進前與改進后YOLOv3檢測I、II類圖像測試集。分析檢測結果可知：改進算法的檢測識別效果明顯提高，基本上不存在目標框漏檢和誤檢的問題，能較好地識別出完整的木結缺陷。Ⅰ、Ⅱ類圖像檢測結果如圖8所示。

圖8 I、II類圖像檢測結果圖Fig.8 Detection results with image type of I and II

為了進一步驗證改進后YOLOv3算法的優(yōu)越性，對比Faster R-CNN、YOLOv3與改進后YOLOv3算法的mAP值和檢測時間。三種算法的檢測結果對比如表2所示。改進后YOLOv3算法識別木結缺陷效果更好，目標的平均識別精確度更高，檢測時間大大縮短，克服了傳統(tǒng)檢測方法實時性不足的缺點。

表2 三種算法的檢測結果對比Tab.2 Comparison of detection results among three algorithms

2.4 木結缺陷拼接

針對檢測后的木條表面圖像進行缺陷位置拼接。木結缺陷拼接如圖9所示。

圖9 木結缺陷拼接圖Fig.9 Splicing of wood-knot defects

圖9中：圖1的缺陷位置為[x1，y1，w1，h1]，圖2的缺陷位置為[x2，y2，w2，h2]，圖3的位置為[x3，y3，w3，h3]，可得缺陷1位置信息為[(n-1)W+x1，min(y1，y2)，w1+w2，max(h1，h2)]和缺陷2位置信息為[(n-1)W+x3，0，w3，H]。由于相機分辨率為12 288像素，其1像素對應3.5 μm，可得具體木結缺陷位置信息。若判斷圖(n-1)與圖n需要缺陷拼接，即|xi-xi+1|≤Δ，則缺陷i位置信息為{(n-1)W+xi}×3.5，0，(wi+wi+1)×3.5，H×3.5]；若判斷圖n中含有完整缺陷，即|xi-xi+1|>Δ，則缺陷i位置信息為[{(n-1)W+xi}×3.5，0，wi×3.5，H×3.5]。

3 結論

針對死結和活結缺陷圖像，本試驗提出基于改進YOLOv3的自然紋理中木結缺陷檢測算法，用于解決檢測木結缺陷平均精確度較差、檢測時間不滿足實時性的問題。通過改用k-means++算法對數(shù)據(jù)集中真實目標框進行維度聚類，確定更適合木結缺陷檢測的初始目標框個數(shù)和尺寸。在YOLOv3模型基礎上，將原有的3種尺度檢測網(wǎng)絡壓縮為2種尺度檢測網(wǎng)絡，更改loss損失函數(shù)中坐標誤差，以提高識別精確度和減少運算量。通過試驗驗證了不同算法的性能。試驗結果表明：改進后YOLOv3算法能夠精確地檢測出死結和活結缺陷，具有較好魯棒性和實時性；相較于改進前，平均精確度提升7.47%，速度提高35%；相較于Faster R-CNN算法，平均精確度提升11.68%，速度提高約15倍。在后續(xù)研究中，將研究更多影響木結缺陷識別精確度和速度的因素，進一步優(yōu)化YOLOv3網(wǎng)絡，以提高檢測實時性和精確度。