韋若禹，李舒婷，吳松榮，鄭英杰，劉 東

(1.磁浮技術(shù)與磁浮列車教育部重點(diǎn)實(shí)驗(yàn)室，成都 610031； 2.西南交通大學(xué)電氣工程學(xué)院，成都 611756)

隨著我國(guó)鐵路的快速發(fā)展，鐵路運(yùn)輸承擔(dān)能力也隨之越來越高，如何有效保障鐵路運(yùn)營(yíng)安全已成為鐵路養(yǎng)護(hù)工作中的關(guān)鍵問題[1-2]?？奂沁B接道床和鋼軌的重要軌道組件，鋼軌振動(dòng)和環(huán)境溫差等因素會(huì)使扣件損壞或脫落，長(zhǎng)此以往會(huì)出現(xiàn)鋼軌變形、坍塌等問題，嚴(yán)重時(shí)會(huì)直接導(dǎo)致列車發(fā)生脫軌事故[3-4]。而我國(guó)鐵路軌道扣件數(shù)量眾多，因此迫切需要智能化、自動(dòng)化的檢測(cè)手段來快速且準(zhǔn)確地識(shí)別扣件缺陷[5-6]。

當(dāng)前我國(guó)主要采用人工巡道的方法檢查軌道扣件中的缺陷，這種方法不僅經(jīng)常發(fā)生漏檢現(xiàn)象，而且極度依賴巡道工的經(jīng)驗(yàn)，需要耗費(fèi)大量的人力和物力，已經(jīng)不適應(yīng)如今鐵路軌道的發(fā)展[7-8]。隨著深度學(xué)習(xí)(Deep learning)和神經(jīng)網(wǎng)絡(luò)的興起[9]，國(guó)內(nèi)外學(xué)者提出了許多基于神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測(cè)[10-11]和目標(biāo)跟蹤算法[12]，并且已有相關(guān)研究將其用于處理鐵路圖像，如通過卷積神經(jīng)網(wǎng)絡(luò)(Conventional neural network)識(shí)別有砟軌道區(qū)域[13-14]、軌道塞釘[15]等零件狀態(tài)等，獲得了良好的檢測(cè)效果。

目前應(yīng)用比較廣泛且基于深度卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測(cè)算法可以分為兩類：一類是基于候選區(qū)域的目標(biāo)檢測(cè)算法，如R-CNN[16](Region-Conventional Neural Network)、Fast R-CNN[17]、Faster R-CNN[18]等，這類算法首先獲取圖像中可能存在目標(biāo)的子區(qū)域，接著將所有的子區(qū)域作為輸入，并通過深度卷積神經(jīng)網(wǎng)絡(luò)提取目標(biāo)特征，最后進(jìn)行類別檢測(cè)和邊框修正；另一類是基于端對(duì)端學(xué)習(xí)的目標(biāo)檢測(cè)算法，如SSD(Single Shot Multibox Detector)[19]、YOLO(You Only Look Once)[20]、YOLO V3[21]等，此類算法不需要提取候選區(qū)域，只要給定輸入圖像，就可以直接利用該算法檢測(cè)出圖像中的目標(biāo)類別和目標(biāo)邊框，大大加快了檢測(cè)速度。

本文將采集到的現(xiàn)場(chǎng)環(huán)境下的圖像樣本制作成軌道扣件缺陷檢測(cè)數(shù)據(jù)集，以YOLO V3模型為基礎(chǔ)，將軌道扣件的各類缺陷作為訓(xùn)練和檢測(cè)的目標(biāo)。但由于檢測(cè)目標(biāo)尺寸普遍較小，目標(biāo)包含的特征信息量較少，在使用YOLO V3算法檢測(cè)時(shí)，誤識(shí)別率較高，因此本文對(duì)YOLO V3目標(biāo)檢測(cè)算法提出了兩點(diǎn)改進(jìn)。先使用K-means算法對(duì)扣件數(shù)據(jù)集的目標(biāo)候選框尺寸進(jìn)行聚類分析，采用分析得到的聚類中心進(jìn)行模型訓(xùn)練，以提高模型的識(shí)別準(zhǔn)確率；同時(shí)調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)，根據(jù)檢測(cè)目標(biāo)的尺寸選取兩組尺度特征，對(duì)扣件缺陷的位置和類別進(jìn)行預(yù)測(cè)，以減少運(yùn)算量，提升檢測(cè)速度。

1 YOLO V3算法

圖1 Darknet-53網(wǎng)絡(luò)結(jié)構(gòu)

YOLO[20]系列算法訓(xùn)練模型時(shí)通過卷積神經(jīng)網(wǎng)絡(luò)直接輸入整張圖像，是一種端到端的目標(biāo)檢測(cè)算法，省去了生成候選區(qū)域的中間步驟，因此能夠快速將目標(biāo)和背景區(qū)域進(jìn)行區(qū)分，實(shí)現(xiàn)實(shí)時(shí)檢測(cè)目標(biāo)物體的功能。相比于YOLO V2中的骨干網(wǎng)絡(luò)Darknet-19，YOLO V3參考了殘差神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，通過在網(wǎng)絡(luò)中引入殘差單元，降低訓(xùn)練深層網(wǎng)絡(luò)的難度，并且將Darknet-19網(wǎng)絡(luò)擴(kuò)充至53層并稱該骨干網(wǎng)絡(luò)為Darknet-53[21]。圖1為Darknet-53的網(wǎng)絡(luò)結(jié)構(gòu)，其中方框圈出的部分為殘差組件，最左側(cè)一列的1、2、8等數(shù)字代表重復(fù)殘差組件的數(shù)量；網(wǎng)絡(luò)的輸入尺寸為416×416，輸出13×13、26×26和52×52三種尺度的特征圖，并送入檢測(cè)網(wǎng)絡(luò)。

檢測(cè)網(wǎng)絡(luò)將輸入的圖像劃分成S×S個(gè)相同大小的單元格，如果目標(biāo)的中心落入某一單元格，則該網(wǎng)格負(fù)責(zé)預(yù)測(cè)該目標(biāo)[20]，并通過卷積層將特征提取出來，以便于正確識(shí)別目標(biāo)。一個(gè)單元格需要預(yù)測(cè)多個(gè)邊界框，每個(gè)邊界框包含置信度信息和預(yù)測(cè)的位置信息(tx，ty，tw，th)。將圖像左上角設(shè)置為坐標(biāo)原點(diǎn)，則單元格相對(duì)于整幅圖像的坐標(biāo)為(cx，cy)，且先驗(yàn)框(anchor box)的寬度和高度分別為pw和ph，那么預(yù)測(cè)出的邊界框可以表示為

(1)

式中，(bx，by)為預(yù)測(cè)邊界框的中心坐標(biāo)；bw、bh分別表示預(yù)測(cè)邊界框的寬度和高度。通過該公式可得到多個(gè)邊界框的信息，YOLO V3網(wǎng)絡(luò)采用非極大值抑制算法，去除置信得分較低的邊界框，保留置信得分較高的邊界框?yàn)槟繕?biāo)的檢測(cè)框[22]。

2 改進(jìn)的YOLO V3模型

本文主要研究軌道扣件中的缺陷檢測(cè)問題，原YOLO V3網(wǎng)絡(luò)中定義的先驗(yàn)框和網(wǎng)絡(luò)的層級(jí)結(jié)構(gòu)并不適用于本文的研究對(duì)象。因此，首先使用K-means算法對(duì)數(shù)據(jù)集進(jìn)行聚類分析，然后針對(duì)扣件缺陷檢測(cè)，對(duì)原網(wǎng)絡(luò)的層級(jí)結(jié)構(gòu)進(jìn)行修改。

2.1 數(shù)據(jù)集目標(biāo)框的聚類分析

YOLO V3網(wǎng)絡(luò)使用anchors boxes對(duì)邊界框進(jìn)行預(yù)測(cè)，初始anchor boxes是一組尺寸固定的先驗(yàn)框，對(duì)先驗(yàn)框的選擇會(huì)影響網(wǎng)絡(luò)對(duì)目標(biāo)物體的檢測(cè)準(zhǔn)確度和速度。在Faster R-CNN和SSD檢測(cè)算法中，anchor boxes的大小是通過人工確定的，這種做法會(huì)導(dǎo)致主觀性比較強(qiáng)。YOLO V3網(wǎng)絡(luò)為了選出尺寸合適的先驗(yàn)框，使用K-means聚類算法對(duì)數(shù)據(jù)集的目標(biāo)框進(jìn)行聚類分析。

在K-means算法中，設(shè)置anchor boxes的目的是使其與臨近的真實(shí)框有更大的IOU值，并且IOU的值應(yīng)該與框的尺寸無關(guān)。IOU表示真實(shí)標(biāo)注框與預(yù)測(cè)框的交并比，用來衡量預(yù)測(cè)邊界框的準(zhǔn)確性，當(dāng)IOU=1時(shí)，說明真實(shí)標(biāo)注框與預(yù)測(cè)框重合，其計(jì)算公式如下

(2)

式中，btrue和bpred分別表示真實(shí)標(biāo)注框和預(yù)測(cè)框。

K-means算法通常使用歐氏距離、切比雪夫距離、曼哈頓距離等方法作為距離量度，計(jì)算兩點(diǎn)間的距離。在YOLO V3網(wǎng)絡(luò)中，如果聚類算法仍采用這些常用的距離，會(huì)導(dǎo)致不能產(chǎn)生很好的檢測(cè)效果。因此可通過自定義的距離公式計(jì)算邊框之間的相似度，自定義的距離度量公式如下

d(box，centroid)=1-IOU(box，centroid)

(3)

式中，centroid表示聚類時(shí)被選作中心的邊框；box表示樣本中標(biāo)注的邊框；IOU(box，centroid)表示樣本標(biāo)注框和聚類中心框的交并比。

本文選取K=1～10，分別對(duì)訓(xùn)練集中的樣本圖像進(jìn)行K-means聚類分析，得到K值與平均交并比AvgIOU之間的關(guān)系如圖2所示。

圖2 K-means聚類分析結(jié)果

從圖2可以看出，隨著K值的增大，平均交并比的變化曲線逐漸平緩，曲線的拐點(diǎn)可認(rèn)為是最佳的anchor boxes的個(gè)數(shù)。當(dāng)K>3時(shí)，曲線開始變得平緩，所以確定anchor boxes的數(shù)量為3，這樣既可以加快損失函數(shù)的收斂速度，又可以降低預(yù)測(cè)框引起的誤差。對(duì)應(yīng)先驗(yàn)框的大小設(shè)置為3個(gè)聚類的中心，在本訓(xùn)練數(shù)據(jù)集上相對(duì)應(yīng)的分別是(31，69)，(39，82)，(60，93)。

2.2 改進(jìn)的目標(biāo)檢測(cè)網(wǎng)絡(luò)結(jié)構(gòu)

YOLO V3采用類似FPN的上采樣和融合做法，在3個(gè)尺度的融合特征圖上分別獨(dú)立做檢測(cè)，對(duì)目標(biāo)物體的尺度變化適應(yīng)性較好。但在軌道扣件缺陷檢測(cè)任務(wù)中，檢測(cè)目標(biāo)普遍較小，因此需要對(duì)YOLO V3的網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行一些改進(jìn)，從而適應(yīng)特定的軌道扣件缺陷檢測(cè)任務(wù)，同時(shí)為了提升運(yùn)算速率，加快缺陷檢測(cè)整體流程，從原網(wǎng)絡(luò)結(jié)構(gòu)中提取兩組尺度特征對(duì)扣件缺陷的位置和類別進(jìn)行預(yù)測(cè)，使其更好地適應(yīng)檢測(cè)軌道扣件缺陷的任務(wù)。

圖3為改進(jìn)后的YOLO V3網(wǎng)絡(luò)結(jié)構(gòu)，輸入圖像尺寸為416×416，Darknet-53中conv53層做五次卷積操作后進(jìn)行上采樣操作，將結(jié)果與Darknet-53中的conv45層融合，然后進(jìn)行五次卷積操作、3×3和1×1等卷積后得到第一尺度26×26的特征圖。以類似的方法對(duì)Darknet-53中的conv29層進(jìn)行特征融合，可以得到第二尺度52×52的特征圖。

圖3 改進(jìn)后的YOLO V3網(wǎng)絡(luò)結(jié)構(gòu)

通過改進(jìn)后的網(wǎng)絡(luò)結(jié)構(gòu)可以使YOLO V3網(wǎng)絡(luò)結(jié)構(gòu)更好地適應(yīng)軌道扣件檢測(cè)場(chǎng)景中檢測(cè)目標(biāo)普遍較小的情況，進(jìn)而提高模型檢測(cè)的準(zhǔn)確率。由于采用了與現(xiàn)實(shí)場(chǎng)景相匹配的尺度數(shù)目，改進(jìn)后的YOLO V3模型還可以有效減少不必要的計(jì)算量，提升檢測(cè)速度。

3 實(shí)驗(yàn)結(jié)果與對(duì)比分析

3.1 實(shí)驗(yàn)運(yùn)行環(huán)境

表1為本文的實(shí)驗(yàn)硬件環(huán)境配置，同時(shí)在服務(wù)器上搭建軟件環(huán)境，包括Windows 10.0、CUDA8.0、OpenCV3.4.0等常用環(huán)境，深度學(xué)習(xí)算法使用Darknet-53框架。

表1 實(shí)驗(yàn)硬件環(huán)境配置

3.2 網(wǎng)絡(luò)訓(xùn)練

實(shí)驗(yàn)的圖像數(shù)據(jù)來源為安裝于某地鐵列車上的軌道智能巡檢系統(tǒng)，該系統(tǒng)通過高速工業(yè)相機(jī)拍攝軌道，并得到DTVI2型扣件圖像。該類型扣件包含彈條和螺栓兩個(gè)主要零件，其中零件的脫落和松動(dòng)是最容易出現(xiàn)的問題。因此本文自制了軌道扣件缺陷六分類數(shù)據(jù)集，類別名稱分別為正常彈條(sh)、彈條松動(dòng)(sh_loose)、彈條脫落(sh_off)、正常螺栓(nut)、螺栓松動(dòng)(nut_loose)、螺栓脫落(nut_off)，各類典型樣本如圖4所示。

圖4 典型扣件缺陷圖像

對(duì)圖像數(shù)據(jù)進(jìn)行整理后，因?yàn)槿毕輼颖鞠∪?，所以?duì)100余張缺陷扣件圖像進(jìn)行旋轉(zhuǎn)、鏡像等數(shù)據(jù)增強(qiáng)處理后擴(kuò)展到600張，其中各類缺陷均占1/4。將200張正?？奂颖九c500張缺陷樣本組合作為訓(xùn)練數(shù)據(jù)集，再選取剩余100張缺陷樣本與100張正?？奂颖窘M合作為測(cè)試數(shù)據(jù)集。采用Yolo_mark工具對(duì)數(shù)據(jù)集的圖像進(jìn)行標(biāo)注并以Yolo數(shù)據(jù)的格式進(jìn)行存儲(chǔ)。

使用YOLO V3網(wǎng)絡(luò)和改進(jìn)后的YOLO V3網(wǎng)絡(luò)分別進(jìn)行訓(xùn)練，訓(xùn)練的批量大小為64，衰減系數(shù)為0.000 5，采用動(dòng)量為0.9的異步隨機(jī)梯度下降，在訓(xùn)練的初始階段選擇0.001的學(xué)習(xí)率，并利用旋轉(zhuǎn)、調(diào)整飽和度、調(diào)整曝光量等方法增強(qiáng)和擴(kuò)充數(shù)據(jù)集中的圖像樣本。

在訓(xùn)練過程中，通過繪制Loss曲線可以直觀地觀察訓(xùn)練模型的迭代過程，圖5為改進(jìn)前后的YOLO V3網(wǎng)絡(luò)在訓(xùn)練過程中對(duì)應(yīng)的Loss曲線。圖5(a)為原YOLO V3網(wǎng)絡(luò)對(duì)應(yīng)的Loss曲線，圖5(b)為改進(jìn)后YOLO V3網(wǎng)絡(luò)對(duì)應(yīng)的Loss曲線，如圖所示，當(dāng)?shù)螖?shù)達(dá)到20000次后，各參數(shù)趨于穩(wěn)定，改進(jìn)前后網(wǎng)絡(luò)的Loss值分別降至0.27和0.15左右。從Loss函數(shù)的收斂情況分析可知，改進(jìn)后YOLO V3網(wǎng)絡(luò)的訓(xùn)練效果比較理想。

圖5 改進(jìn)前后的YOLO V3損失函數(shù)曲線

3.3 改進(jìn)前后檢測(cè)算法的性能對(duì)比

為了準(zhǔn)確且有效地對(duì)檢測(cè)算法的性能進(jìn)行評(píng)價(jià)，本文選擇準(zhǔn)確率RP和召回率RR作為評(píng)價(jià)指標(biāo)，其計(jì)算公式分別為

(4)

(5)

式中，NTP為正確識(shí)別的目標(biāo)數(shù)量；NFP為被錯(cuò)誤識(shí)別的目標(biāo)數(shù)量；NFN為沒有被識(shí)別出來的目標(biāo)數(shù)量。

用來測(cè)試的200張圖像中共有489個(gè)目標(biāo)，分別使用原YOLO V3算法和改進(jìn)后的YOLO V3算法對(duì)測(cè)試數(shù)據(jù)集進(jìn)行目標(biāo)檢測(cè)，分別計(jì)算它們的準(zhǔn)確率RP和召回率RR，結(jié)果如表2所示。

從表2可以看出，與原YOLO V3算法相比，改進(jìn)后的YOLO V3對(duì)扣件缺陷的漏檢和誤檢數(shù)量均有明顯下降，檢測(cè)準(zhǔn)確率達(dá)到96.38%，提高了15.37%，召回率達(dá)到98.16%，提升了17.89%，說明改進(jìn)后的YOLO V3算法具有更高的可靠性。

表2 改進(jìn)前后算法的目標(biāo)檢測(cè)結(jié)果對(duì)比

在測(cè)試數(shù)據(jù)集上，分別利用YOLO V3改進(jìn)前后算法計(jì)算六類目標(biāo)的平均準(zhǔn)確率(Average Precision，AP)，平均準(zhǔn)確率對(duì)準(zhǔn)確率和召回率綜合考慮，可用來衡量檢測(cè)算法的可靠性，并且可以用來分析每個(gè)類別的檢測(cè)結(jié)果，是評(píng)價(jià)檢測(cè)模型準(zhǔn)確性的直觀評(píng)價(jià)標(biāo)準(zhǔn)。同時(shí)計(jì)算六類目標(biāo)檢測(cè)的平均準(zhǔn)確率均值(mean Average Precision，mAP)，mAP值反映了檢測(cè)模型識(shí)別所有類別的綜合性能。測(cè)試結(jié)果如表3所示，可以看出，改進(jìn)后的YOLO V3算法的平均準(zhǔn)確率均值mAP提升了20.64%，達(dá)到95.62%，檢測(cè)速度在原YOLO V3的基礎(chǔ)上提升了82.5%，達(dá)到58.4fps，說明改進(jìn)后的YOLO V3算法具有更好的檢測(cè)性能。

表3 YOLO V3改進(jìn)前后算法的檢測(cè)結(jié)果對(duì)比

圖6 YOLO V3改進(jìn)前后算法的檢測(cè)結(jié)果對(duì)比

圖6為YOLO V3改進(jìn)前后算法的檢測(cè)結(jié)果，圖6(a)、圖6(b)是原YOLO V3目標(biāo)檢測(cè)算法對(duì)扣件缺陷的檢測(cè)結(jié)果，圖6(c)、圖6(d)是改進(jìn)后的YOLO V3目標(biāo)檢測(cè)算法對(duì)扣件缺陷的檢測(cè)結(jié)果。對(duì)比圖6(a)、圖6(c)，可以發(fā)現(xiàn)原YOLO V3對(duì)扣件缺陷的檢測(cè)存在誤檢的情況，把正常的但有污漬的螺栓誤認(rèn)為是松動(dòng)的螺栓，而改進(jìn)后的YOLO V3則可以透過污漬正確識(shí)別出正常螺栓。對(duì)比圖6(b)、圖6(d)，可以發(fā)現(xiàn)原YOLO V3存在漏檢的問題，而改進(jìn)后的YOLO V3網(wǎng)絡(luò)則可以檢測(cè)出原網(wǎng)絡(luò)漏檢的螺栓。

3.4 不同檢測(cè)算法的性能對(duì)比

為了更全面地評(píng)測(cè)改進(jìn)YOLO V3算法的目標(biāo)檢測(cè)性能，使用文獻(xiàn)[18]中的Faster R-CNN檢測(cè)算法和文獻(xiàn)[19]中的SSD檢測(cè)算法進(jìn)行對(duì)比實(shí)驗(yàn)，并以mAP和檢測(cè)速度作為評(píng)價(jià)算法檢測(cè)性能的兩個(gè)指標(biāo)，實(shí)驗(yàn)結(jié)果如表4所示。

表4 不同算法的檢測(cè)結(jié)果對(duì)比表

從表4可以看出，在Fater R-CNN、SSD和YOLO V3算法中，平均準(zhǔn)確率均值mAP最高的為Faster R-CNN算法，檢測(cè)速度最快的為YOLO V3算法。本文方法與FasterR-CNN相比，mAP提高了15.01%，主要原因是本文方法采用了Anchor機(jī)制和改進(jìn)的網(wǎng)絡(luò)結(jié)構(gòu)，提高了網(wǎng)絡(luò)對(duì)目標(biāo)的檢測(cè)準(zhǔn)確率；本文方法與原YOLO V3算法相比，檢測(cè)速度大幅提高，主要是因?yàn)楸疚姆椒ň?jiǎn)了網(wǎng)絡(luò)結(jié)構(gòu)，減少了不必要的計(jì)算量，從而提升了檢測(cè)速度。由此可見，改進(jìn)后的YOLO V3算法同時(shí)保證了檢測(cè)的準(zhǔn)確性和檢測(cè)速度，能夠較好地完成軌道扣件缺陷檢測(cè)任務(wù)。

4 結(jié)語

提出一種基于卷積神經(jīng)網(wǎng)絡(luò)的YOLO V3改進(jìn)方法，并將其應(yīng)用于軌道扣件缺陷檢測(cè)領(lǐng)域。通過采用目標(biāo)框維度聚類和調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)等方法改進(jìn)YOLO V3算法，并使用DTVI2型扣件圖像作為數(shù)據(jù)集進(jìn)行扣件缺陷檢測(cè)實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，相比于原YOLO V3網(wǎng)絡(luò)，改進(jìn)后YOLO V3算法的檢測(cè)準(zhǔn)確率和召回率均有明顯提高，具有更好的檢測(cè)效果。但在實(shí)時(shí)性方面，改進(jìn)后的YOLO V3算法與實(shí)際工程應(yīng)用仍存在著差距，如何在不影響檢測(cè)性能的條件下提升檢測(cè)速度將是未來的主要研究方向。