王曼菲，李志明

（重慶交通大學(xué)，重慶 400074）

隨著智慧港口[1]概念的提出和發(fā)展，計算機(jī)視覺已逐步應(yīng)用于港口自動化建設(shè)，其主要通過分析港口現(xiàn)場的視頻圖像并自動提取分析，包括港口自動駕駛[2]、集裝箱識別[3]、船舶識別[4]等，這些技術(shù)的研究表明港口場景實例對象的自動識別有著廣泛的應(yīng)用前景。港口場景包含了眾多關(guān)系到港口生產(chǎn)活動的移動目標(biāo)，這類目標(biāo)的圖像位置和類型信息屬于視覺監(jiān)控技術(shù)的基礎(chǔ)資料，關(guān)系到港口環(huán)境的視覺感知，也是港口監(jiān)管自動化的重要支撐。

港口移動目標(biāo)的識別可將其作為目標(biāo)檢測任務(wù)實現(xiàn)對每個實例邊界框的定位和種類分類。傳統(tǒng)的機(jī)器視覺方法基于人工設(shè)計的特征對于港口場景的魯棒性較低，難以在復(fù)雜的港口環(huán)境中實現(xiàn)較高精度的識別任務(wù)。近年來，隨著人工智能技術(shù)取得里程碑式的成果，基于深度卷積神經(jīng)網(wǎng)絡(luò)方法使得模型通過學(xué)習(xí)目標(biāo)特征而取得了較好的效果。但目前關(guān)于港口場景移動目標(biāo)相關(guān)的研究很少，這需要展開港口移動目標(biāo)識別技術(shù)研究。

1 基于深度學(xué)習(xí)的港口移動目標(biāo)檢測

1.1 自建港口移動目標(biāo)數(shù)據(jù)集

深度學(xué)習(xí)模型的數(shù)據(jù)集是必要的，因此本文建立了面向港口場景的港口移動目標(biāo)檢測數(shù)據(jù)集，該數(shù)據(jù)集包含涉及到港口常見荷載類型和裝卸活動對應(yīng)的12 類目標(biāo)的3073 張包含不同的視角、環(huán)境條件和港口場景的圖像，包括：1.集裝箱卡車（328）、2.集裝箱岸橋（517）、3.散貨船（360）、4.集裝箱叉車（394）、5.門座式起重機(jī)（1202）、6.集裝箱正面吊（450）、7.集裝箱船（393）、8.集裝箱跨運車（577）、9.堆場火車（307）、10.吊橋空載主小車（190）、11.吊橋滿載主小車（365）、12.集裝箱牽引車（315）。本文使用labelimg 工具標(biāo)注每個實例的邊界框的中心坐標(biāo)與寬高和類別。數(shù)據(jù)集部分樣本如圖1 所示。

1.2 YOLOv5 算法

根據(jù)應(yīng)用場景對識別速度和準(zhǔn)確性的要求，選取了深度學(xué)習(xí)YOLOv5s[5]目標(biāo)檢測算法作為識別基準(zhǔn)。YOLOv5 是YOLO 算法系列結(jié)合目標(biāo)檢測領(lǐng)域優(yōu)秀成果的改進(jìn)版本。其特點首先體現(xiàn)在數(shù)據(jù)輸入端采用了馬賽克數(shù)據(jù)增強(qiáng)，其原理為隨機(jī)選擇圖像并隨機(jī)裁剪和拼接一起作為輸入，然后再在訓(xùn)練過程中根據(jù)初始錨框和標(biāo)注框不斷計算更新錨框參數(shù)代入到模型的訓(xùn)練。如圖2所示，然后在特征提取架構(gòu)輸入層引入Focus 切片操作進(jìn)行第一步的特征圖多通道及大小轉(zhuǎn)換，然后再使用了基于CSPNet 設(shè)計的CSP 瓶頸結(jié)構(gòu)，該結(jié)構(gòu)能夠在減少網(wǎng)絡(luò)計算規(guī)模的同時增強(qiáng)其特征提取能力。在經(jīng)過特征提取后，對于特征融合部分，引入PANet 自頂向下和自下向頂?shù)奶卣魅诤戏绞?，由于低層語義特征弱但具有豐富的位置信息且包含較多的小目標(biāo)特征信息，高層位置特征弱但抽象語義信息豐富，增加自下而上的下采樣將低層大量的位置特征融合到高層特征中，強(qiáng)化了特征融合的效果。接著在檢測層部分，對于YOLO 算法中的IoU 回歸損失函數(shù)，引入了基于CIoU 指標(biāo)的CIoU 損失函數(shù)，該函數(shù)能夠在目標(biāo)框與預(yù)測框重疊面積、中心點距離以及框的尺度比例上優(yōu)化訓(xùn)練效果。

2 模型的訓(xùn)練和測試

2.1 實驗參數(shù)及測試指標(biāo)

本文實驗采用的計算機(jī)配置為Intel(R) Xeon(R) CPU E5-2637 V4，操作系統(tǒng)為Ubantu18.04，考慮到數(shù)據(jù)集訓(xùn)練對計算資源的要求，使用了GPU 加速計算，硬件型號為NVIDIA RTX 2080Ti，模型的搭建基于Pytorch框架。模型的訓(xùn)練集和測試集按8:2 劃分，學(xué)習(xí)率、動量和衰減分別為0.001、0.9 和0.0001。本文使用目標(biāo)檢測常用的精確率（Precision）、召回率（Recall）指標(biāo)。AP(Average Precision)0.5 代表某一分類的且當(dāng)檢測框與目標(biāo)框IoU 值大于0.5 時，在不同召回率下的精確率的平均值。mAP(mean Average Precision)代表多分類檢測模型中所有類別的AP 均值。

2.2 實驗結(jié)果

如圖3 所示，模型在訓(xùn)練過程中損失函數(shù)值不斷減小，精度不斷提高，在200 輪次附近時mAP0.5 值達(dá)到穩(wěn)定，最終為0.871，模型最終分類損失為0.002，IoU損失為0.013，定位損失為0.017，模型訓(xùn)練結(jié)果理想。其中，每個類別的結(jié)果如表1 所示，表明檢測器對于每個類別均能夠有較好的識別精度。檢測速度為0.004s/幀，能夠滿足實時檢測港口移動目標(biāo)的精度和實時速度需求。

表1 各類港口移動目標(biāo)檢測精度結(jié)果

使用訓(xùn)練好的模型對港口場景的移動目標(biāo)進(jìn)行檢測，效果如圖4 所示，對于各種港口場景下，模型均能夠預(yù)測較高的類別置信度以及準(zhǔn)確地定位不同尺度和視角下的港口移動目標(biāo)。

3 結(jié)語

為了自動識別港口中的移動目標(biāo)，本文采用基于深度學(xué)習(xí)的YOLOv5 算法對自建港口移動目標(biāo)數(shù)據(jù)集進(jìn)行了訓(xùn)練和測試，經(jīng)過實驗測試，該模型平均準(zhǔn)確率達(dá)到87%，檢測速度能夠滿足碼頭現(xiàn)場應(yīng)用的實時檢測需求。該項技術(shù)研究將能夠為港口視覺感知智能化提供新的思路。