饒毅，王魯，趙亞軍，王泓博

（1.貴州黔源電力股份有限公司，貴州 貴陽 550000；2.南京南自信息技術(shù)有限公司，江蘇 南京 210031）

1 前言

針對數(shù)字式儀表的識別方法，主要可以分為傳統(tǒng)圖像處理和深度學習方法。傳統(tǒng)圖像處理方法主要有基于HSV 空間的H 分量去定位圖像中的數(shù)字符號?；蛘呃脭?shù)字儀表字符的特點，以數(shù)碼管作為特征進行數(shù)字識別。但隨著對深度學習的研究深入，以YOLO 系列和SSD 系列為代表的一階段檢測器和以RCNN 系列為代表的二階段檢測器的快速發(fā)展。更多學者研究通過深度學習算法對數(shù)字儀表區(qū)域進行定位和識別，使用深度學習算法可以有效降低復雜環(huán)境對識別的干擾，但相對的深度學習的算法往往結(jié)構(gòu)復雜且計算量大，因此，對于電廠大多數(shù)算力有限的設備往往會部署困難。

YOLOv5 是YOLO 系列檢測器中的第5 個版本，它有YOLOv5s、YOLOv5m、YOLOv5l 和YOLOv5x 四個模型。其中YOLOv5s 模型最小，檢測速度最快，因此非常適合邊緣端部署，但同時檢測精度也最低。

本文擬基于最便于部署的YOLOv5s 模型，通過改進算法提高識別精度，以便于針對電廠環(huán)境可以更好地完成檢測任務。最后，在電廠現(xiàn)場應用中實際驗證本文改進YOLOv5 算法的有效性。

2 基于改進 YOLOv5 的數(shù)字儀表識別

YOLOv5 采 用CSPDarknet53 架 構(gòu) 加SPP 層 作 為Backbone， 搭 配PANet 作 為Neck， 再 以YOLO 結(jié) 構(gòu)為Prediction。我們提出的改進YOLOv5 算法計劃在Backbone 中加入CBAM 注意力模塊提高對小目標的識別精度，在Neck 中替換使用BiFPN 結(jié)構(gòu)來加強特征聚合進一步提升網(wǎng)絡特征融合能力。

改進的YOLOv5 的網(wǎng)絡結(jié)構(gòu)如圖1 所示。

圖1 改進YOLOv5 網(wǎng)絡結(jié)構(gòu)示意圖

Input：采用多種數(shù)據(jù)增強方法，如幾何失真對圖像進行隨機縮放、裁剪、旋轉(zhuǎn)等；光度失真可以調(diào)整圖像的亮度、色度、對比度以及加入噪點；Mosaic 增強可以隨機縮放、拼接，可以豐富數(shù)據(jù)集樣本，提高識別的成功率。

Backbone(骨干網(wǎng)絡)：采用了Focus、CBAM、CSP和SPP 結(jié)構(gòu)。Focus 首先復制自己然后進行切片操作，原始輸入圖片尺寸為608×608×3 經(jīng)過切片操作變?yōu)?04×304×12，從而加快網(wǎng)絡推理速度；CBAM 是一種輕量級的注意力模塊，能直接集成進YOLOv5 架構(gòu)中，有效加強骨干網(wǎng)絡提取小目標的特征。CBAM 結(jié)構(gòu)示意圖如圖2 所示。

圖2 CBAM 注意力模塊

如圖2 所示，CBAM 模塊擁有通道和空間兩個維度的注意力機制，將輸入特征與注意力映射相乘，從而細化特征。集成CBAM 可以有效提升網(wǎng)絡對識別任務不同細粒度目標的識別精度；CSP 的殘差結(jié)構(gòu)可以優(yōu)化訓練時的梯度傳導同時也可以減少推理的計算量。在我們的改進的YOLOv5 的網(wǎng)絡結(jié)構(gòu)中骨干網(wǎng)絡使用了CSP1_X 結(jié)構(gòu)，而Neck 使用了CSP2_X 結(jié)構(gòu)；SPP 是空間金字塔結(jié)構(gòu)通過concat 來融合直連和尺寸分別為5、9、13 的最大池化以提升感受野范圍。

Neck( 頸部網(wǎng)絡)：使用BiFPN 結(jié)構(gòu)代替原來的PANet 結(jié)構(gòu)，以雙向交叉的連接方式融合特征從而提高識別精度。BiFPN 網(wǎng)絡相比PANet 集成了雙向交叉和加權(quán)融合，是一種更加高效的多尺度特征融合網(wǎng)絡結(jié)構(gòu)(FPN)。原始的PANet 是基于FPN+PAN 結(jié)構(gòu)，通過自頂向下加強語義特征，自底向上加強定位特征，利用不同檢測層的特征進行融合，但這樣計算量大同時自底向上時，輸入特征沒有融入骨干網(wǎng)絡的原始輸出。因此本文提出BiFPN 代替PANet 的方案。BiFPN 的結(jié)構(gòu)如圖3 所示，BiFPN 跨越連接來去除PANet 中對特征融合共享小的節(jié)點，同時在同一尺度下增加一個跳躍鏈接連接輸入節(jié)點與輸出節(jié)點，以此在減少計算成本同時融合更多特征。

圖3 BiFPN 網(wǎng)絡結(jié)構(gòu)

Prediction：采用GIOU 作為邊界框的損失函數(shù)，來預測值與真實值的誤差，來解決邊界框不重合的問題；并提供3 種檢測尺度（76×76、38×38、19×19）；另外，采用傳統(tǒng)的非極大值抑制（NMS）舍棄得分低的預測框，保留得分最高的預測量，從而降低錯檢漏檢的風險。

3 電廠現(xiàn)場應用與分析

當本文以某發(fā)電廠的數(shù)字式電表箱為目標拍攝采集多組相關(guān)圖像，發(fā)現(xiàn)電廠現(xiàn)場存在諸多問題，如電表箱型號多樣大小不一，攝像頭的拍攝角度和光照情況不同，電表屏幕有發(fā)光、污漬、陰影，各類儀表的字體顏色查表較大等各種復雜問題，對我們的改進YOLOv5 識別算法提出了很大的挑戰(zhàn)。

為了增加識別準確率，我們深入現(xiàn)場，調(diào)用高清晰攝像頭采集捕捉電廠電表箱中各類數(shù)字儀表圖片并進行數(shù)據(jù)清洗與數(shù)據(jù)增強，總共得到10000 張圖片，其中8000 張圖片用于數(shù)字儀表識別模型訓練，剩下的2000張圖片用于圖片識別的測試。

為了驗證YOLOv5 改進后的檢測效果，本文網(wǎng)絡訓練 環(huán) 境 為：Window10 系 統(tǒng)、Pytorch 1.12.1 框 架、CPU 為Intel Xeon Silver 4214、GPU 為 四 張Nvidia Tesla V100，從而對網(wǎng)絡進行訓練、測試實驗。訓練參數(shù)設置見表1，總迭代次數(shù)為500 次。

表1 網(wǎng)絡訓練參數(shù)設置

經(jīng)過測試，該改進YOLOv5 模型有較好的準確率，且對小數(shù)點敏感，對于實際電廠采集的測試圖片識別率為95%以上。實際識別效果如圖4 所示，由于攝像頭安裝位置較高，數(shù)據(jù)集中大多數(shù)圖片都存在傾斜形變和少部分儀表讀數(shù)被箱體遮擋的現(xiàn)象。從結(jié)果來看，本文提出的算法模型對傾斜形變的數(shù)字儀表示數(shù)依然有很高的識別精度，但遺憾的是對遮擋的數(shù)字示數(shù)因為精度低而被非極大值抑制濾除從而無法定位與識別讀數(shù)。

圖4 電廠數(shù)字電表讀數(shù)識別效果圖

4 結(jié)語

本文研究了一種改進的YOLOv5 的電廠數(shù)字儀表識別算法，在骨干網(wǎng)絡中添加CBAM 模塊強化了網(wǎng)絡對小目標特征提取能力，在頸部網(wǎng)絡用BiFPN 網(wǎng)絡替換原來的PANet 網(wǎng)絡結(jié)構(gòu)，減少計算量的同時也增強了對特征的融合利用。本文在實際的發(fā)電廠的數(shù)字電表測試中，有95%以上的識別精度，同時魯棒性強，擁有對傾斜形變的檢測能力，后續(xù)工作將致力于對遮擋示數(shù)的預測。