金怡君，李振宇，楊絮

（1.常州大學(xué)懷德學(xué)院，江蘇 靖江 214500；2.江南大學(xué)，江蘇 無錫 214122；3.南京理工大學(xué)，南京 210014）

啤酒瓶金屬蓋是酒品包裝中重要組成部分，金屬蓋圖案與結(jié)構(gòu)的完整性，是消費(fèi)者對(duì)產(chǎn)品質(zhì)量的直觀判別依據(jù)之一。但受瓶蓋制造設(shè)備以及工藝等因素的制約，成品蓋往往會(huì)包含一些缺陷，如：污漬、劃痕、破損、形變等[1-2]。若含有包裝缺陷的產(chǎn)品進(jìn)入流通環(huán)節(jié)，勢(shì)必會(huì)造成品牌形象下滑，加大企業(yè)的維護(hù)投入[3]。因而需借助缺陷檢測(cè)手段對(duì)金屬蓋表面進(jìn)行檢測(cè)，確保產(chǎn)品包裝的完整性，提高產(chǎn)品的競(jìng)爭(zhēng)力。

目前，瓶蓋缺陷檢測(cè)多采用傳統(tǒng)人工和機(jī)器視覺2 種方式。人工方式工作強(qiáng)度大、檢測(cè)效率偏低且成本較高，無法滿足自動(dòng)化快速檢測(cè)的需求[4]?；跈C(jī)器視覺的檢測(cè)技術(shù)不僅能夠彌補(bǔ)人工檢測(cè)方式的不足，缺陷檢測(cè)的準(zhǔn)確性和效率有了一定的提升，但其檢測(cè)部分所用的算法模型仍存在一些不足，如：計(jì)算量大，參數(shù)較多，模型結(jié)構(gòu)靈活性差[5]；大規(guī)模訓(xùn)練樣本難以實(shí)施，不適合規(guī)?；I(yè)使用[6]；小目標(biāo)檢測(cè)精度較低[7]，導(dǎo)致整體識(shí)別準(zhǔn)確率不高，無法滿足實(shí)際檢測(cè)需求?；诖耍疚倪\(yùn)用機(jī)器視覺技術(shù)，通過改進(jìn)YOLO–v5 模型來完成啤酒金屬蓋表面缺陷的檢測(cè)，從而實(shí)現(xiàn)缺陷目標(biāo)的快速精準(zhǔn)定位，以期進(jìn)一步提升缺陷檢測(cè)的效率。

1 實(shí)現(xiàn)方法

1.1 缺陷檢測(cè)框架

根據(jù)金屬蓋內(nèi)表面的缺陷類型、檢測(cè)的精度和時(shí)間要求，設(shè)計(jì)了基于機(jī)器視覺的檢測(cè)框架。結(jié)構(gòu)如圖1 所示。

圖1 基于機(jī)器視覺的金屬蓋缺陷檢測(cè)框架Fig.1 Defect detection framework for metal cover based on machine vision

金屬蓋缺陷檢測(cè)主要由圖像采集、缺陷檢測(cè)以及殘次品剔除等部分構(gòu)成。由采集部分的CCD 高速相機(jī)獲取傳輸皮帶上的金屬蓋圖像，通過千兆網(wǎng)絡(luò)將圖像傳輸至缺陷檢測(cè)檢測(cè)模塊。圖像經(jīng)平滑降噪等處理后，輸入至YOLO–v5 檢測(cè)模型，對(duì)金屬蓋表面缺陷的檢測(cè)和識(shí)別。最終，工控機(jī)輸出相應(yīng)的信號(hào)控制剔除裝置對(duì)殘次品進(jìn)行分流處理。

1.2 圖像預(yù)處理

平滑降噪處理的目的是降低噪聲對(duì)圖像的干擾，避免由于圖像質(zhì)量偏低導(dǎo)致后續(xù)檢測(cè)過程計(jì)算量的增加[8]?？紤]到采集圖像中易產(chǎn)生椒鹽噪聲以及邊緣模糊現(xiàn)象，采用自適應(yīng)中值濾波器來抑制圖像噪聲以及散斑，并利用高反差保留算法來強(qiáng)化圖片的細(xì)節(jié)信息與邊緣值，確保圖像的感興趣區(qū)域更為突出[9]。圖2 為金屬蓋圖像預(yù)處理結(jié)果。

圖2 圖像預(yù)處理結(jié)果Fig.2 Image preprocessing results

1.3 缺陷檢測(cè)模型

1.3.1 YOLO–v5 網(wǎng)絡(luò)

YOLO–v5 屬于一種單階段目標(biāo)檢測(cè)模型，主要包含輸入端、Backbone 網(wǎng)絡(luò)、Neck 端、Head 預(yù)測(cè)端等部分構(gòu)成。網(wǎng)絡(luò)的輸入端設(shè)置有圖像處理過程，用以完成圖像的縮放和歸一化等操作[10]。Backbone 部分采用CSPDarknet53+Focus 結(jié)構(gòu)來提取高中低層的圖像特征，有助于提升小目標(biāo)特征信息的提取能力，還能夠降低網(wǎng)格的敏感性。Neck 端將各層次的特征進(jìn)行融合并提取出大中小的特征圖，確保特征的多樣性和魯棒性。Head 預(yù)測(cè)端包含有一個(gè)分類分支和一個(gè)回歸分支，通過在特征圖上應(yīng)用錨定框，利用GIOU Loss 反向傳播更新模型的參數(shù)，最終生成包含類概率、包圍框以及對(duì)象得分的輸出向量[11]。YOLO–v5網(wǎng)絡(luò)結(jié)構(gòu)如圖3 所示。

圖3 YOLO–v5 網(wǎng)絡(luò)結(jié)構(gòu)Fig.3 YOLO-v5 network structure

YOLO–v5 網(wǎng)絡(luò)初始輸入為640 像素×640 像素的圖像，經(jīng)切片操作和卷積操作后，分別生成320×320×12 和320×320×32 的特征圖。為了較好地保留圖像的特征信息，卷積過程中特征圖的H和W信息被集中到通道上，分別進(jìn)行32 倍、16 倍和8 倍的下采樣，以獲取不同層次的特征圖[12]。最后利用上采樣和張量拼接的方式將不同層次特征圖融合轉(zhuǎn)化為維度相同的特征圖。由于網(wǎng)絡(luò)梯度的變化一直被集成在特征圖中，避免了梯度信息的重復(fù)使用情況，使得模型參數(shù)量與FLOPS 數(shù)值有了較大幅度的降低，能夠在保證識(shí)別準(zhǔn)確率的同時(shí)，降低模型計(jì)算量，提高收斂速度?？紤]到啤酒瓶金屬蓋存在多種尺度的表面缺陷，將像素為13×13、26×26、52×52 的特征圖作為不同尺度目標(biāo)回歸檢測(cè)的依據(jù)。

1.3.2 改進(jìn)YOLO–v5 的檢測(cè)模型

在實(shí)際情況中，YOLO–v5 模型對(duì)小型缺陷檢測(cè)的準(zhǔn)確率和速度并不理想。通過在主干網(wǎng)絡(luò)Backbone 中添加注意力機(jī)制SE 模塊，來抑制圖像中的不重要特征，提升網(wǎng)絡(luò)的表征能力[13]。同時(shí)，對(duì)模型的CIOU_Loss損失函數(shù)和預(yù)測(cè)框篩選方式進(jìn)行改進(jìn)，進(jìn)一步提升小目標(biāo)檢測(cè)的準(zhǔn)確率和模型的特征提取能力。

1）注意力機(jī)制SE 模塊。注意力機(jī)制 SE 模塊內(nèi)部結(jié)構(gòu)如圖4 所示。

圖4 SE 模塊內(nèi)部結(jié)構(gòu)Fig.4 Internal structure of SE module

操作步驟如下：1）利用Global pooling 層對(duì)特征圖(h,b,C)進(jìn)行降維操作，以減少參數(shù)數(shù)量和計(jì)算量，并輸出大小為1×1×C的特征圖。

2）將特征圖輸入到包含有C/12 個(gè)神經(jīng)元的FC1層進(jìn)行線性變換，將特征空間映射到樣本標(biāo)記空間，并利用ReLU 激活函數(shù)將部分神經(jīng)元的輸出為0，使網(wǎng)絡(luò)具備稀疏性，減少模型參數(shù)的相互依存關(guān)系[14]。特征z經(jīng)全連接層FC2 變換以及Sigmoid 函數(shù)激活后，可得到大小為1×1×C的歸一化權(quán)重因子s，其表達(dá)式見式（1）。

式中：σ為Sigmoid 激活函數(shù)；δ為ReLU 激活函數(shù)。

3）利用權(quán)重因子計(jì)算原始特征圖各通道J= [j1,j2,…,jc]的 權(quán) 重 ，對(duì) 應(yīng) 的 輸 出 為Y= [y1,y2,…,yc]。元素yc的計(jì)算表達(dá)式見式（2）。

輸出特征所對(duì)應(yīng)的權(quán)重值表達(dá)了不同通道的重要程度。模型訓(xùn)練過程中，通過注意力機(jī)制SE 模塊來加大重要特征通道的權(quán)值，減小非重要特征通道的權(quán)值，從而來提升模型的特征表達(dá)能力和圖像識(shí)別準(zhǔn)確率。

2）改進(jìn)損失函數(shù)。YOLO–v5 采用GIoU Loss 損失函數(shù)來計(jì)算預(yù)測(cè)框（Predicted Box，PB）和真實(shí)框（Ground Truth，GT）之間的距離。GIoU Loss 具備尺度不變性的特點(diǎn)，不再考慮兩矩形框相似性與空間尺度之間的關(guān)系，解決了不重疊條件下兩框距離遠(yuǎn)近的判斷問題[15]。當(dāng)預(yù)測(cè)框或真實(shí)框被對(duì)方覆蓋時(shí)，GIoU Loss 則會(huì)退化為IoU Loss，計(jì)算過程過于依賴IoU 項(xiàng)，致使模型的收斂速度變慢，預(yù)測(cè)精度偏低。CIoU Loss 函數(shù)由于考慮了矩形框的相對(duì)比例、IoU以及中心點(diǎn)距離等多項(xiàng)指標(biāo)，不僅能夠處理兩矩形框距離遠(yuǎn)近的問題，還能夠避免GIoU Loss 可能發(fā)生的退化問題。因此，文中的YOLO–v5 檢測(cè)模型選用CIoU Loss 作為損失函數(shù)。圖5 為CIoU 示意圖。

圖5 CIoU Loss 邊框示意圖Fig.5 Diagram of CIoU Loss border

CIoU Loss 中的相對(duì)比例指標(biāo)用于懲罰預(yù)測(cè)結(jié)果與真實(shí)框不一致的情況。該懲罰項(xiàng)的定義見式（3）。

則CIoU 損失可表達(dá)為式（4）。

式中：κ2()表示求歐式距離；U為交并比；e、e′分別為 PB 框和 GT 框的中心點(diǎn)；c為兩矩形框閉包區(qū)域的對(duì)角線長(zhǎng)度；a為權(quán)重系數(shù)；μ為兩矩形框長(zhǎng)寬比的一致性參數(shù)，包含了要預(yù)測(cè)的b和h。a、μ的計(jì)算表達(dá)式見式（5）。

式中：b、h為PB 框的寬和高；b′、h′為GT 框的寬和高。

3）GA–Kmeans 算法調(diào)整錨框大小。卷積神經(jīng)網(wǎng)絡(luò)的特征圖感受野隨網(wǎng)絡(luò)深度的增加而逐漸變大，其內(nèi)部的像素點(diǎn)直接影響特征信息的輸出。選擇大小合理的Anchor 可有效提升模型檢測(cè)召回率[16]，如圖6 所示。

圖6 不同特征層感受野對(duì)比Fig.6 Comparison of receptive fields in different feature layers

Anchor 通過計(jì)算Bboxes 與Anchor 之間平均歐氏距離而得出。YOLO–v5 模型設(shè)計(jì)有多個(gè)不同大小和寬高比的Anchor，對(duì)各特征層級(jí)上不同尺度目標(biāo)進(jìn)行定位，但這些依靠人工設(shè)計(jì)的Anchor 無法保證很好地適應(yīng)數(shù)據(jù)集。當(dāng)Anchor 框的大小與目標(biāo)尺寸存在較大差異時(shí)，會(huì)導(dǎo)致模型計(jì)算量增加，檢測(cè)準(zhǔn)確率偏低[17]。因此，本文采用GA–Kmeans 算法對(duì)訓(xùn)練集的Bounding box 進(jìn)行聚類，繼而自動(dòng)生成一組更為適應(yīng)當(dāng)前數(shù)據(jù)集的Anchor，以確保網(wǎng)絡(luò)具備更好的檢測(cè)效果。

GA–Kmeans 聚類過程如下：

1）提取所有Bounding box 坐標(biāo)，并將坐標(biāo)數(shù)據(jù)轉(zhuǎn)換為框的寬高大小。

2）隨機(jī)選取k個(gè)Bounding box 作為Anchor 的初始簇中心，運(yùn)用 1–IOU(Bboxes, Anchors)方法計(jì)算Bboxes 與每個(gè)簇之間的距離，并分配至距離它最近的簇中。

3）根據(jù)簇中的Anchors 數(shù)量，利用中值方法重新計(jì)算每個(gè)簇中的中心。

4）重復(fù)第2 步和第3 步操作，一直到各簇中的元素不再發(fā)生改變，即可獲取k個(gè)寬、高組合的Anchor boxes。

5）運(yùn)用GA 算法對(duì)Anchors 的高、寬進(jìn)行變異操作。對(duì)變異后的Anchors 進(jìn)行適應(yīng)度評(píng)估，若變得更好，則將變異后的結(jié)果賦值給Anchors。反之，則跳過。

6）將變異操作得出的最優(yōu)Anchors 按面積進(jìn)行排序并返回。當(dāng)k=3 時(shí)，Anchors 聚類過程如圖7所示。

圖7 Anchors 聚類過程Fig.7 Anchors clustering process

2 實(shí)驗(yàn)與分析

2.1 實(shí)驗(yàn)準(zhǔn)備

2.1.1 運(yùn)行環(huán)境及參數(shù)設(shè)置

使用Pytorch 深度學(xué)習(xí)平臺(tái)來完成改進(jìn)YOLO–v5網(wǎng)絡(luò)的訓(xùn)練和測(cè)試，測(cè)試平臺(tái)：酷睿?I9–12900K 中央處理器，美國(guó)INTEL 公司；GeFORCE RTX3090TI顯卡，美國(guó)NVIDIA 公司；DDR5 5200 32G×2 內(nèi)存，美國(guó)Kingston 公司；操作系統(tǒng)Ubuntu22.04，編程語(yǔ)言Python。為確保實(shí)驗(yàn)過程的合理性，將COCO 數(shù)據(jù)集上的預(yù)訓(xùn)練結(jié)果作為檢測(cè)模型的初始化參數(shù)，配置情況如表1 所示。

表1 訓(xùn)練參數(shù)及設(shè)置Tab.1 Training parameters and settings

2.1.2 樣本集和評(píng)估指標(biāo)

在某啤酒加工廠采集了2 595 張金屬蓋圖像，經(jīng)Labelimg 工具標(biāo)注后，得到包含正常、污漬、破損、形變、劃痕等5 種特征的樣本集，并按8∶2 的比例隨機(jī)劃分為訓(xùn)練集和測(cè)試集。部分缺陷樣本如圖8 所示。樣本劃分情況見表2。

表2 金屬蓋樣本數(shù)據(jù)劃分Tab.2 Metal cap sample data division

圖8 部分包含缺陷的數(shù)據(jù)樣本Fig.8 Data samples partially containing defects

為了確定最優(yōu)模型，將查準(zhǔn)率（Precision）、召回率（Rcall）、平均檢測(cè)精度（mAP）作為目標(biāo)檢測(cè)模型性能的評(píng)估依據(jù)，并將缺陷檢測(cè)的準(zhǔn)確率和用時(shí)作為整套方案的評(píng)價(jià)標(biāo)準(zhǔn)。

2.2 消融實(shí)驗(yàn)

為了驗(yàn)證文中針對(duì)YOLO–v5 改進(jìn)項(xiàng)的有效性，利用數(shù)據(jù)集展開消融實(shí)驗(yàn)。在初始YOLO–v5 的基礎(chǔ)上，通過使用CIoU Loss 函數(shù)，添加注意力機(jī)制SE模塊以及經(jīng)過GA–Kmeans 調(diào)整后的錨框逐步替代原網(wǎng)絡(luò)的相關(guān)項(xiàng)，以檢驗(yàn)各改進(jìn)項(xiàng)對(duì)網(wǎng)絡(luò)性能的影響。圖9 為消融試驗(yàn)可視化結(jié)果的對(duì)比情況。

圖9 消融試驗(yàn)可視化對(duì)比Fig.9 Visual comparison of ablation tests

由表3 可知，未改進(jìn)YOLO–v5 模型的Precision、Rcall 以及mAP 指標(biāo)相對(duì)較低。在修改損失函數(shù)并添加注意力機(jī)制SE 模塊后，各項(xiàng)指標(biāo)均有了一定的提升。但相較于SE 模塊，CIoU Loss 的目的是提升預(yù)測(cè)框回歸的速度和精度，對(duì)各項(xiàng)指標(biāo)的提升較小。添加SE 模塊目的在于進(jìn)一步提升模型對(duì)特征的提取能力，因而各項(xiàng)指標(biāo)提升較為明顯。最終改進(jìn)后模型的Precision、Rcall以及mAP 指標(biāo)較于改進(jìn)前分別提高了3.20%、2.31%、3.67%，表明文中改進(jìn)項(xiàng)具備一定的合理性和有效性。

表3 多改進(jìn)消融實(shí)驗(yàn)結(jié)果Tab.3 Result of multiple improvement ablation tests

2.3 不同模型檢測(cè)結(jié)果對(duì)比

為了進(jìn)一步驗(yàn)證文中檢測(cè)模型的性能，分別選用Faster R–CNN、文獻(xiàn)[5]、文獻(xiàn)[6]的檢測(cè)模型以及YOLO 系列模型分別在同一數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)。對(duì)比各模型的檢測(cè)精度、檢測(cè)速度以及準(zhǔn)確率。圖10 為各模型可視化結(jié)果。

圖10 不同模型檢測(cè)結(jié)果對(duì)比Fig.10 Comparison of different model test results

由圖10 可看出，改進(jìn)的YOLO–v5 模型具備良好的特征提取能力，多目標(biāo)檢測(cè)能力突出，尤其在面對(duì)形變和破損缺陷時(shí)，檢測(cè)精度較高，而其他檢測(cè)模型的精度相對(duì)較低，存在目標(biāo)特征提取不完整和部分缺陷無法檢測(cè)的情況。表4 和表5 分別為不同模型的檢測(cè)速度、平均精度以及缺陷識(shí)別的準(zhǔn)確率情況。

表4 不同模型性能對(duì)比Tab.4 Performance comparison of different models

表5 檢測(cè)準(zhǔn)確率對(duì)比結(jié)果Tab.5 Detection accuracy comparison results

綜合表4 和表5 可知，本文改進(jìn)的YOLO–v5 模型各項(xiàng)性能指標(biāo)均優(yōu)于其他目標(biāo)檢測(cè)模型，檢測(cè)速度達(dá)到了294 張/min，mPA 值相較于Faster R–CNN、文獻(xiàn)[5]、文獻(xiàn)[6]、YOLO–v4、YOLO–v5 等模型分別提升了13.95%、4.78%、3.87%、7.13%、5.19%。同時(shí)，改進(jìn)后的YOLO–v5 模型針對(duì)不同類型的缺陷，均有較高的檢測(cè)準(zhǔn)確率。表明經(jīng)改進(jìn)后的YOLO–v5模型具備較高的檢測(cè)精度，且漏檢率較低，能夠進(jìn)一步提升金屬蓋表面缺陷的識(shí)別準(zhǔn)確率。

3 結(jié)語(yǔ)

1）設(shè)計(jì)了基于機(jī)器視覺的缺陷檢測(cè)框架，通過添加注意力機(jī)制SE 模塊、改進(jìn)損失函數(shù)和預(yù)測(cè)框篩選方式等技術(shù)手段對(duì)原YOLO–v5 模型進(jìn)行優(yōu)化。消融實(shí)驗(yàn)結(jié)果表明，改進(jìn)后檢測(cè)模型的Precision、Rcall以及mAP 指標(biāo)相較于改進(jìn)前分別提升了3.20%、2.31%、3.67%；小目標(biāo)漏檢率較低，整體識(shí)別準(zhǔn)確率提升明顯。

2）優(yōu)化的YOLO–v5 模型各項(xiàng)性能指標(biāo)均和識(shí)別準(zhǔn)確率均優(yōu)于目前常用的檢測(cè)模型，檢測(cè)速度為294 張/min，滿足實(shí)時(shí)檢測(cè)需求；mPA 指標(biāo)相較于Faster R–CNN、文獻(xiàn)[5]、文獻(xiàn)[6]、YOLO–v4 和YOLO–v5 等模型分別提升了 13.95%、4.78%、3.87%、7.13%、5.19%，模型的檢測(cè)精度較高；模型體積僅為61.08 MB，具備良好的移植潛力。

3）針對(duì)瓶蓋污漬、破損、形變、劃痕等不同類型的缺陷，所設(shè)計(jì)模型的檢測(cè)準(zhǔn)確率分別93.18%、94.24%、93.39%、87.97%，能夠滿足實(shí)際生產(chǎn)過程中的檢測(cè)需求。