李 宇，劉孔玲，黃湳菥

(1.武漢紡織大學(xué) 湖北省數(shù)字化紡織裝備重點實驗室 湖北 武漢 430200； 2.武漢紡織大學(xué) 湖北省功能纖維加工及檢測工程技術(shù)研究中心 湖北 武漢 430200； 3.武漢紡織大學(xué) 電子與電氣工程學(xué)院，湖北 武漢 430200)

在紡織品生產(chǎn)中，布匹質(zhì)量成為影響紡織生產(chǎn)效益的重要因素。目前我國紡織行業(yè)依然使用人工視覺的方法進行檢測。由于工人長時間檢查后會出現(xiàn)視覺疲勞，導(dǎo)致檢測精度、一致性、效率等方面大幅度降低，而且會對眼睛造成嚴(yán)重的傷害。因此，使用疵點自動檢測技術(shù)成為提高布匹質(zhì)量、減少人力成本的必然趨勢[1]。

目前應(yīng)用頻次較高的布匹疵點檢測方式分別是以結(jié)構(gòu)為基礎(chǔ)展開分析和以模型為基礎(chǔ)展開分析，還包括以頻譜為基礎(chǔ)展開分析[2]。KarleKar等[3]提出了一種小波變換和形態(tài)學(xué)結(jié)合的方法，通過檢測布匹紋理信息來提取疵點特征，獲得了較好的成果；Jia等[4]通過形態(tài)學(xué)處理對圖案重復(fù)的網(wǎng)格花紋布匹自動分割，再通過Gabor濾波器檢測疵點信息；鄧超等[5]提出一種基于邊緣檢測的方法，利用形態(tài)學(xué)處理和離散余弦變換自動檢測布匹疵點。

近年來深度神經(jīng)網(wǎng)絡(luò)迅速發(fā)展，接連涌現(xiàn)了VGG-NET[6]、Resnet[7]、Densenet[8]等優(yōu)秀的分類網(wǎng)絡(luò)，還有Fast R-CNN[9]，SSD[10]，YOLOv3[11]等目標(biāo)檢測分類方法,使得檢測精度、檢測速率越來越高，并應(yīng)用于各個領(lǐng)域。各種目標(biāo)檢測優(yōu)化方法也運用于疵點檢測，如陳康等[12]使用深度殘差網(wǎng)絡(luò)修改Fast R-CNN中的原始特征提取網(wǎng)絡(luò)，獲得了更高的疵點特征精度；曹振軍等[13]使用Inception-v3模型并且優(yōu)化圖像處理算法, 疵點平均準(zhǔn)確率達94%，實現(xiàn)了布匹疵點自動檢測和準(zhǔn)確分類。

針對目前布匹背景紋理復(fù)雜，瑕疵類別多，識別率精度低，速率慢的特點，本文提出一種基于深度學(xué)習(xí)物體檢測框架You Only Look Once[14](YOLOv4)的布匹疵點檢測的方法。該算法結(jié)合跨級部分(Cross Stage Partial，CSP)與Darknet53模塊作為主干網(wǎng)絡(luò)(Backbone)提取特征，空間金字塔池化(Spatial Pyramid Pooling，SPP)模塊、特征金字塔網(wǎng)絡(luò)(Feature Pyramid Networks，F(xiàn)PN)+路徑聚合網(wǎng)絡(luò)(Path Aggregation Network，PAN)的方式作為特征增強模塊(Neck)進行深層次特征提取，最后采用3種不同尺度的預(yù)測方式作為預(yù)測層，實現(xiàn)高精度的檢測。

1 基于YOLOv4的疵點檢測方法

本文基于YOLOv4算法進行布匹疵點檢測。YOLOv4的網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。首先在輸入端輸入圖像并對圖像進行Mosaic數(shù)據(jù)增強：隨機使用4張圖像隨機縮放，再隨機分布進行拼接，豐富了檢測數(shù)據(jù)集，特別是隨機縮放增加了很多小目標(biāo)疵點，讓網(wǎng)絡(luò)的魯棒性更好；經(jīng)過處理后的圖像進入Backbone，其中Backbone采用CSPDarknet53網(wǎng)絡(luò)結(jié)構(gòu)，可以增強卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network，CNN)對疵點圖像的學(xué)習(xí)能力，使得在輕量化的同時保持準(zhǔn)確性。為了更好地提取融合特征，在主干網(wǎng)絡(luò)與輸出層之間插入Neck層。Neck層采用SPP模塊和FPN+PAN的方式進行深層特征提取，最后提取的信息輸入到預(yù)測層，預(yù)測層中采用3種不同尺度進行預(yù)測。

1.1 輸入端

YOLOv4有步長為2的下采樣總計5次，因此網(wǎng)絡(luò)的步幅上限是25=32。這里步幅所代表的是圖像輸入尺寸與圖像輸出尺寸的比值。所以網(wǎng)絡(luò)相對應(yīng)的輸入圖像尺寸必須是32的整數(shù)倍。圖1中輸入圖像的尺寸為608×608像素。由于在疵點數(shù)據(jù)集中包含大量的小目標(biāo)疵點，而且小目標(biāo)檢測更難，因此在輸入端采用Mosaic數(shù)據(jù)增強，通過隨機縮放、隨機裁剪、隨機排布的方式將圖像進行拼接，可以豐富數(shù)據(jù)量，尤其增加了小目標(biāo)的圖像數(shù)量，讓網(wǎng)絡(luò)的魯棒性更好。

圖1 YOLOv4網(wǎng)絡(luò)結(jié)構(gòu)

1.2 Backbone

Backbone采用的是CSPDarknet53網(wǎng)絡(luò)結(jié)構(gòu)，如圖2所示，位于0到104層。該結(jié)構(gòu)是在YOLOv3使用的Darknet53模型上包含了5個CSP模塊。輸入疵點圖像大小為608×608×3像素，首先經(jīng)過一個3×3、步長為2、32層卷積核(Conv+Bn+Mish，CBM)進行卷積操作,圖像大小成為608×608×32像素。接著經(jīng)過5個CSPRes模塊。CSPRes模塊是由圖1中的CSP模塊和CBM模塊組成。圖中的1、2、4、8代表殘差單元(Resunit)模塊重復(fù)的次數(shù)。每個CSPRes模塊首層相對應(yīng)的卷積核的大小都是3×3，步長均為2，該層的作用是進行下采樣操作。在第3個模塊CSPRes8中54層有一個分支用于后續(xù)上采樣的特征：76×76×256像素；第4個模塊CSPRes8中85層有一個分支用于后續(xù)上采樣的特征：38×38×512像素。最后得到19×19×1 024像素的特征圖。

圖2 CSPDarknet53結(jié)構(gòu)圖

1.3 Neck 層

Neck層位于主干網(wǎng)絡(luò)與預(yù)測層之間，達到深層次提取融合特征的效果。Neck結(jié)構(gòu)如圖3所示，Neck層主要采用SPP模塊、FPN+PAN的方式。SPP網(wǎng)絡(luò)用在YOLOv4中的目的是增加網(wǎng)絡(luò)的感受野，對應(yīng)于108層到113層。實現(xiàn)對107層進行 5×5、9×9、13×13的最大池化，分別得到108、110和112層(109、111層為路由層)。完成池化后，將107層到112層在113層進行張量拼接，連接成一個特征圖114層并通過1×1降維到512個通道。與使用k×k最大池化的方式相比較，采用SPP模塊的方式，可以更有效地增大主干特征的接收范圍，顯著分離了最重要的上下文特征。除此之外，Neck層采用FPN+PAN的方式，對應(yīng)于105到128層。FPN采用自頂向下將高層的特征信息通過上采樣的方式進行傳遞融合，得到預(yù)測的特征圖。另外，F(xiàn)PN層的后面還添加了一個自底向上的特征金字塔，其中包含2個PAN結(jié)構(gòu)。FPN層自頂向下傳達強語義特征，而特征金字塔則自底向上傳達強定位特征，二者結(jié)合，從不同的主干層對不同的檢測層聚合參數(shù)。

圖3 Neck結(jié)構(gòu)

1.4 預(yù)測層

YOLOv4依然延續(xù)YOLOv3的預(yù)測方式，實現(xiàn)3種尺度的預(yù)測。預(yù)測層如圖4所示，分別是在32、16、8倍降采樣，最終輸出對應(yīng)的特征圖依次為19×19、38×38、76×76像素。106層和147層的特征拼接用于檢測大小為19×19像素的特征圖。由于32倍下采樣倍數(shù)高，這里特征圖的感受野比較大，因此19×19像素大小的特征圖適合檢測圖像中尺寸比較大的對象。116層的特征圖通過上采樣及特征融合操作，得到126層的特征圖，然后與136層進行張量拼接用于檢測大小為38×38像素的特征圖。這里感受野屬于中等尺度，所以38×38像素適合對中等尺度進行檢測。最后，126層特征圖繼續(xù)上采樣，與54層的特征圖融合，用來實現(xiàn)對特征圖尺寸為76×76像素的待檢測圖的有效檢測。因為8倍下采樣倍數(shù)相對偏低，而且感受野也最小，所以76×76像素的尺寸非常適合對小尺寸進行檢測。通過上采樣操作能夠使得越深的網(wǎng)絡(luò)具有更好的特征表達效果。比如16倍降采樣的過程當(dāng)中，假設(shè)所選擇的方式是直接通過下采樣的特征來實現(xiàn)檢測，這樣無法使用深層次的信息，檢測效果會不好。最后根據(jù)輸出的特征圖的數(shù)量和尺度的變化，使用 k-means 聚類算法來實現(xiàn)邊界框相對應(yīng)先驗信息的有效獲取。將3種先驗框設(shè)定在所有的下采樣尺度當(dāng)中，可以聚類得到的先驗框尺寸類型總計9種。最終的所有尺度圖當(dāng)中都能夠獲取到結(jié)果數(shù)量為N×N×[3×(4+1+3)]個。表示N×N個網(wǎng)格，3種尺度的錨點，邊界框的4+1個值，3種類別。通過選擇9個聚類均分到3種尺度上。

圖4 預(yù)測層

2 實驗與分析

2.1 數(shù)據(jù)集處理

布匹疵點圖像目前還沒有統(tǒng)一公開的數(shù)據(jù)集，因此，本次從網(wǎng)上挑選了1 000張疵點圖像，包括百腳、破洞、吊經(jīng)、污漬和結(jié)點5種疵點類型，并將圖像裁剪成608×608像素大小。5種疵點類別如圖5所示。

圖5 5種疵點類別

為了進一步增加疵點數(shù)據(jù)量，本文采用如圖6所示的圖像平移，圖像對比度增強以及圖像旋轉(zhuǎn)180°的方式進行數(shù)據(jù)擴增，將疵點數(shù)據(jù)集擴增到3 000張。

圖6 圖像擴增

2.2 實驗環(huán)境及配置

目前有很多可供選擇的深度學(xué)習(xí)環(huán)境，如caffe、Pytorch、Tensorflow等。本文采用具有良好可視化效果的Tensorflow框架實現(xiàn)疵點檢測。本文實驗任意選取80%疵點數(shù)據(jù)集作為訓(xùn)練集，剩余的數(shù)據(jù)作為測試集。實驗環(huán)境參數(shù)如下表1所示。

表1 環(huán)境實驗參數(shù)

2.3 實驗性能對比

在一幅布匹圖像中可能含有多個疵點目標(biāo)，因此屬于多標(biāo)簽圖像分類任務(wù)，因此，本文采用平均準(zhǔn)確率(Mean Average Precision，mAP)作為評判標(biāo)準(zhǔn)判定方法的優(yōu)劣程度。

本文YOLOv4的檢測結(jié)果將與YOLOv3、SSD以及Faster R-CNN方法在相同的50 000次迭代，學(xué)習(xí)率為0.001的情況下進行分類性能對比。各種方法的實驗結(jié)果如表2所示。

表2 分類性能對比(AP)

從表2可以看出，SSD方法對于各類織物疵點的分類效果差，并且效果差別也很大，其中對百腳的檢測效果在這5種疵點中是最好的，達到0.62，而對吊經(jīng)和結(jié)點的檢測效果差，分別只有0.23和0.34，使得mAP值只有0.52；YOLOv3比SSD方法有較好的效果，每一類疵點的準(zhǔn)確率都提高了很多；使用Faster R-CNN方法在每類疵點上的檢測上具有較好的穩(wěn)定性，這一點在布匹的工業(yè)檢測上是非常重要的。另外對于污漬這類疵點，mAP值達到了0.93，整體mAP值達到了0.83;使用YOLOv4方法對于每類的疵點都有較好的效果，檢測污漬疵點的mAP值達到了1.00。由于吊經(jīng)疵點不明顯，邊緣模糊，因此mAP值只有0.88。本文方法在各類疵點上的檢測效果如圖7所示。

圖7 布匹疵點檢測結(jié)果

為了進一步評估YOLOv4和其他網(wǎng)絡(luò)的性能，表3給出了各類網(wǎng)絡(luò)方法在檢測608×608像素大小的布匹疵點圖像的平均時間。

表3 分辨率為608×608像素的布匹圖像平均檢測用時 ms

從表3可以看出:擁有相對比較高mAP值的Faster R-CNN和YOLOv4方法，單張圖像平均檢測用時相差較大。YOLOv4方法檢測單張圖像平均用時比Faster R-CNN檢測單張圖像用時短了23 ms，達到了準(zhǔn)確率高并且快速的要求。

3 結(jié)束語

由于卷積神經(jīng)網(wǎng)絡(luò)等深度學(xué)習(xí)的快速發(fā)展，布匹疵點檢測領(lǐng)域進入了一個新階段。YOLOv4采用Darknet53+CSP作為主干網(wǎng)絡(luò)，可以提升CNN對疵點圖像學(xué)習(xí)的能力，并且具有降低內(nèi)存成本的優(yōu)勢；在Neck層采用SPP模塊，F(xiàn)PN+PAN結(jié)構(gòu)可以進一步提取深層網(wǎng)絡(luò)信息，該方法對布匹疵點平均檢測準(zhǔn)確率達到了95%，單張疵點圖像檢測速率為33 ms，顯著超越了人工的檢測精度以及檢測速度。此外，本次研究為純色布匹疵點檢測，今后將研究有圖案的布匹疵點檢測，并實現(xiàn)更多種類疵點的檢測。