陳承源 彭晨 程云芬 王玉琦 鄒順?biāo)?/p>

(重慶科技學(xué)院智能技術(shù)與工程學(xué)院，重慶 401331)

引言

農(nóng)業(yè)是全球糧食供應(yīng)和經(jīng)濟(jì)發(fā)展的基石，而農(nóng)作物的生長和產(chǎn)量受到諸多因素的影響。其中常見的重要因素是雜草的存在，其同農(nóng)作物競爭養(yǎng)分、陽光和水分資源，極大危害了糧食作物的生長發(fā)展[1]。目前我國的除草方式主要分為人工除草和化學(xué)用品除草，人工除草主要是通過人力進(jìn)行手動(dòng)除草，存在費(fèi)時(shí)費(fèi)力且效率低下的缺點(diǎn)；而化學(xué)用品除草主要是通過各類雜草對(duì)應(yīng)的除草劑進(jìn)行清除，雖然效率很高，但是殘留的化學(xué)藥物會(huì)影響農(nóng)作物的品質(zhì)質(zhì)量，同時(shí)也會(huì)對(duì)土壤造成化學(xué)污染[2]。隨著智慧農(nóng)業(yè)的發(fā)展，如何實(shí)現(xiàn)高效無污染的農(nóng)業(yè)生產(chǎn)方式具有極強(qiáng)的研究意義，有利于推動(dòng)農(nóng)業(yè)在可持續(xù)發(fā)展的道路上持續(xù)發(fā)展[3]。

近年來，基于深度學(xué)習(xí)和圖像數(shù)據(jù)增強(qiáng)技術(shù)的目標(biāo)檢測方法得到了廣泛應(yīng)用，特別是在智慧農(nóng)業(yè)發(fā)展上取得了諸多成就[4-6]。姜紅花等[7]通過對(duì)Mask R-CNN的區(qū)域建議網(wǎng)絡(luò)和輸出模塊優(yōu)化，成功實(shí)現(xiàn)了用于解決玉米田間雜草的識(shí)別檢測；樊湘鵬等[8]通過對(duì)Faster R-CNN的特征提取網(wǎng)絡(luò)進(jìn)行重新選取，實(shí)現(xiàn)棉花幼苗和雜草的識(shí)別定位方法；宋建熙等[9]通過對(duì)Retina-Net進(jìn)行多尺度特征融合和池化層改進(jìn)實(shí)現(xiàn)草坪雜草的檢測識(shí)別；趙輝等[10]通過對(duì)Dense Net模型進(jìn)行改進(jìn)實(shí)現(xiàn)了玉米幼苗及其伴生雜草的種類識(shí)別問題。該類方法雖能夠較好地完成雜草種類的檢測任務(wù)，但模型復(fù)雜度較高，難以實(shí)現(xiàn)在邊緣設(shè)備上的部署。

為實(shí)現(xiàn)田間糧食作物和雜草的準(zhǔn)確高效識(shí)別，利用深度學(xué)習(xí)方法解決復(fù)雜環(huán)境下農(nóng)作物與雜草遮擋以及光線等干擾，本文提出了一種改進(jìn)YOLOv5的輕量化識(shí)別模型，所提方法相比改進(jìn)前對(duì)小目標(biāo)檢測率更高，多目標(biāo)漏檢率更低，模型體積更輕，因此具備更好的泛化能力，對(duì)生產(chǎn)實(shí)踐具備指導(dǎo)意義。

1 YOLOv5檢測算法

YOLOv5是一種目標(biāo)檢測算法，其是YOLO(You Only Look Once)系列算法之一。YOLO算法是一種實(shí)時(shí)目標(biāo)檢測算法，以其高效的速度和準(zhǔn)確性而聞名。YOLOv5在YOLOv4的基礎(chǔ)上進(jìn)行了改進(jìn)和優(yōu)化，YOLOv5算法網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

YOLOv5網(wǎng)絡(luò)主要由3部分組成，分別由Backbone(主干網(wǎng)絡(luò))、Neck(特征融合模塊)和Head(檢測頭部)構(gòu)成。主干網(wǎng)絡(luò)負(fù)責(zé)從輸入圖像中提取特征，YOLOv5使用CSPDarknet53[11]作為默認(rèn)的主干網(wǎng)絡(luò)，其是一個(gè)深度殘差網(wǎng)絡(luò)，具有較強(qiáng)的特征提取能力。特征融合模塊負(fù)責(zé)將不同尺度的特征圖進(jìn)行融合，以提高目標(biāo)檢測的精度。YOLOv5中使用了PANet[12]作為特征融合模塊，其通過逐層上采樣和下采樣來融合特征圖。檢測頭部負(fù)責(zé)生成目標(biāo)的邊界框和類別概率。YOLOv5使用CIOU Loss校準(zhǔn)預(yù)測框位置并通過非極大值抑制對(duì)目標(biāo)進(jìn)行篩選，包括多個(gè)卷積層和全連接層，用于預(yù)測目標(biāo)的位置和類別。

2 改進(jìn)的YOLOv5算法

2.1 GhostNet

在YOLOv5網(wǎng)絡(luò)模型中，在特征提取階段往往會(huì)消耗較大的計(jì)算量，為了減少模型體積并提高運(yùn)算速度，引入了GhostNet網(wǎng)絡(luò)結(jié)構(gòu)，以降低模型自身的復(fù)雜度。GhostNet[13]作為一種輕量級(jí)的網(wǎng)絡(luò)模型，可以使用更少的參數(shù)量來生成更多的特征圖，即可以實(shí)現(xiàn)保證網(wǎng)絡(luò)模型精度的同時(shí)減少網(wǎng)絡(luò)模型參數(shù)數(shù)量及浮點(diǎn)數(shù)運(yùn)算次數(shù)。

相比于傳統(tǒng)卷積所使用的方法，GhostNet通過常規(guī)卷積、Ghost生成和特征圖拼接3步來進(jìn)行特征信息提取。首先使用少量的傳統(tǒng)卷積生成部分特征圖，然后對(duì)這部分的特征圖進(jìn)行線性運(yùn)算處理去除冗余的特征層，新生成特征圖的操作稱為Ghost生成，最后將卷積生成的特征層與線性操作生成的特征層拼接，組成一個(gè)完整的特征層，如圖2所示。

圖2 Ghost卷積

2.2 坐標(biāo)注意力機(jī)制

自然環(huán)境下的糧食作物與雜草生長過程中存在重疊和枝葉遮擋等問題，使得對(duì)最終檢測要求有所提高，因此在本文研究的YOLOv5算法網(wǎng)絡(luò)中添加注意力機(jī)制，通過提高糧食作物和雜草的局部特征信息[14]來提高識(shí)別效果。目前常用的通道注意力機(jī)制通常會(huì)忽略位置信息，位置信息對(duì)于生成空間選擇注意圖會(huì)造成極大的影響，本文使用一種將位置信息與通道信息相結(jié)合的坐標(biāo)注意力機(jī)制[15]增加對(duì)糧食作物和雜草的區(qū)分，提高自然環(huán)境下對(duì)兩者的識(shí)別區(qū)分。

在坐標(biāo)注意力機(jī)制(Coordinate attention，CA)中，通過通道注意力機(jī)制分解為2個(gè)一維特征編碼過程，分別在2個(gè)空間方向?qū)崿F(xiàn)聚合特征，不僅可以在第1個(gè)空間方向?qū)崿F(xiàn)捕獲遠(yuǎn)程依賴關(guān)系，還能夠在第2個(gè)空間方向保留精確的位置信息，從而實(shí)現(xiàn)增強(qiáng)關(guān)注目標(biāo)的表示，CA注意力機(jī)制流程如圖3所示。

圖3 CA注意力機(jī)制

在CA注意力機(jī)制中，為了獲取圖像在寬度和高度上的注意力并對(duì)其精確的位置信息進(jìn)行編碼，使用尺寸大小為(H，1)和(1，W)的池化核對(duì)輸入特征圖分別在寬度和高度2個(gè)方向進(jìn)行全局平均池化處理，進(jìn)而得到在寬度和高度2個(gè)方向的特征圖，公式：

(1)

(2)

將獲得的在寬度和高度2個(gè)方向的特征圖進(jìn)行拼接，將拼接結(jié)果送入卷積核為1×1的卷積模塊，將維度降低為初始的C/r，通過批量歸一化處理和Sigmoid激活函數(shù)后得到在高度上的注意力權(quán)重gh和在寬度上的注意力權(quán)重gw，在原始特征圖上通過乘法加權(quán)計(jì)算，得到在寬度和高度上都帶有注意力權(quán)重的特征圖yc，公式：

f=δ(F1([zh，zw]))

(3)

gh=σ(Fh(fh))

(4)

gw=σ(Fw(fw))

(5)

(6)

2.3 GSconv模塊

圖像特征信息在Neck層進(jìn)行融合時(shí)，空間信息逐步向通道傳輸，并且每次特征圖的空間壓縮和通道擴(kuò)展都會(huì)使得語義信息部分丟失，這會(huì)影響最終的預(yù)測結(jié)果。本文在YOLOv5的Neck層中使用GSconv[16]替換傳統(tǒng)卷積，當(dāng)特征圖傳輸?shù)絅eck層時(shí)，通道維度達(dá)到最大，寬高維度達(dá)到最小，此時(shí)使用GSconv進(jìn)行上采樣和下采樣操作，特征圖則不需要再進(jìn)行任何變換，同時(shí)可以降低模型復(fù)雜度并保持準(zhǔn)確性。

假設(shè)輸入特征圖通道數(shù)為C1，輸出特征圖通道數(shù)為C2。首先通過一個(gè)標(biāo)準(zhǔn)卷積進(jìn)行下采樣操作，得到通道數(shù)為C2/2的特征圖；再通過一個(gè)深度可分離卷積操作，得到另一個(gè)通道數(shù)為C2/2的特征圖；然后將生成的2個(gè)特征圖進(jìn)行拼接，得到通道數(shù)為C2的拼接特征圖；最后使用通道混洗操作得到輸出目標(biāo)通道數(shù)的特征圖，Gsconv模塊如圖4所示。

圖4 Gsconv模塊

3 實(shí)驗(yàn)結(jié)果與分析

3.1 數(shù)據(jù)集

本研究中使用的數(shù)據(jù)集來自公共數(shù)據(jù)集[17]，該數(shù)據(jù)集由1118幅圖像組成，其中包含了6種糧食作物和8種雜草。通過英特爾D435、佳能800D和索尼W800 3臺(tái)相機(jī)在不同生長階段的受控環(huán)境和田間條件下拍攝制成，部分實(shí)驗(yàn)圖像如圖5所示。

對(duì)本次數(shù)據(jù)集的圖像使用翻轉(zhuǎn)、旋轉(zhuǎn)、平移、改變亮度和對(duì)比度的方法隨機(jī)組合實(shí)現(xiàn)數(shù)據(jù)增強(qiáng)，防止在訓(xùn)練期間出現(xiàn)過擬合現(xiàn)象，共獲得2500張訓(xùn)練集、238張驗(yàn)證集和118張測試集，并使用LabelImg圖像標(biāo)注軟件對(duì)數(shù)據(jù)集中的圖像進(jìn)行標(biāo)注。

3.2 實(shí)驗(yàn)環(huán)境

本文實(shí)驗(yàn)使用的CPU型號(hào)為Intel(R)Xeon(R)Gold 6230R@2.00GHz，GPU為NVIDA RTX3090，顯存為24G，深度學(xué)習(xí)環(huán)境搭載于CUDA11.1和Pytorch1.9.0框架。

網(wǎng)絡(luò)訓(xùn)練參數(shù)設(shè)置：權(quán)重文件選擇為YOLOv5s.pt，總迭代次數(shù)為150次，每次迭代的訓(xùn)練圖片樣本為32，初始學(xué)習(xí)率為0.01，權(quán)重衰減系數(shù)為0.0005，動(dòng)量大小為0.937。

3.3 評(píng)價(jià)指標(biāo)

本文使用的評(píng)價(jià)指標(biāo)主要包括平均精度mAP(mean Average Precision)、參數(shù)量、浮點(diǎn)計(jì)算量FLOPs和模型體積大小。計(jì)算公式：

(7)

(8)

(9)

式中，TP(True Positive)為模型預(yù)測為正類的正樣本；FP(False Positive)為模型預(yù)測為正類的負(fù)樣本；FN(False Negative)為模型預(yù)測為負(fù)類的正樣本；P(Precision)表示精確率；R(Recall)表示召回率；AP(Average Precision)表示單類別平均準(zhǔn)確率；mAP(mean Average Precision)表示多類別平均準(zhǔn)確率度的平均值。

3.4 消融實(shí)驗(yàn)結(jié)果分析

為驗(yàn)證本文改進(jìn)的模型具備有效性，在本次數(shù)據(jù)集上設(shè)置了消融實(shí)驗(yàn)，如表1所示。在加入GhostNet后YOLOv5s的參數(shù)量下降了2.0M，計(jì)算量下降了5.2GFLOPs，模型體積下降3.6MB，但mAP值也下降了1.6%。在YOLOv5s中加入Gsconv模塊后，mAP值上升了1.4%，參數(shù)量、計(jì)算量和模型體積僅部分下降。通過GhostNet和Gsconv模塊的結(jié)合，參數(shù)量下降了2.4M，計(jì)算量下降了5.8GFLOPs，模型體積下降了4.4MB，同時(shí)mAP值上升了0.1%。本文將GhostNet、Gsconv模塊和CA注意力機(jī)制相結(jié)合，參數(shù)量下降了2.4M，計(jì)算量下降了5.7GFLOPs，模型體積下降了4.3MB，同時(shí)mAP值上升1.4%。對(duì)于本文實(shí)驗(yàn)所使用的數(shù)據(jù)集，所提改進(jìn)方法在目標(biāo)檢測的性能指標(biāo)實(shí)驗(yàn)下均有所提高，在提高檢測精度的同時(shí)大大降低了模型復(fù)雜度。

表1 消融實(shí)驗(yàn)

3.5 對(duì)比實(shí)驗(yàn)結(jié)果分析

為了進(jìn)一步驗(yàn)證本文所提出算法具備有效性，分別于SSD、YOLOv3、YOLOv4等主流算法進(jìn)行對(duì)比實(shí)驗(yàn)，選取Map、參數(shù)量、計(jì)算量、模型大小和FPS等5個(gè)性能指標(biāo)進(jìn)行記錄，實(shí)驗(yàn)結(jié)果如表2所示。

由表2可知，對(duì)比mAP，本文算法在mAP上達(dá)到了71.7%，相較于其他模型(SSD、YOLOv3、YOLOv4、YOLOv5)有明顯的優(yōu)勢(shì)。對(duì)比參數(shù)量和計(jì)算量，從結(jié)果中可以看出，本文算法在參數(shù)量(4.6M)和計(jì)算量(10.1GFLOPs)上都較其他模型較低，說明本文算法在保持高檢測性能的同時(shí)具有較高的效率。對(duì)比模型大小，本文算法的模型大小為9.4MB，在所有比較的模型中相對(duì)較小，這對(duì)于模型的部署和存儲(chǔ)是有益的。對(duì)比FPS，本文算法在FPS(200)上表現(xiàn)較好，說明該算法在保持高檢測性能的同時(shí)能夠?qū)崿F(xiàn)較快的實(shí)時(shí)處理。

綜上所述，本文提出的算法在目標(biāo)檢測任務(wù)中取得了較高的mAP(71.7%)，同時(shí)具有較低的參數(shù)量和計(jì)算量，并且模型大小較小。此外，該算法還能夠以較高的幀率(200 FPS)進(jìn)行實(shí)時(shí)處理。因此，本文算法在目標(biāo)檢測領(lǐng)域具有潛力，可用于高效準(zhǔn)確地檢測目標(biāo)并滿足實(shí)時(shí)應(yīng)用的需求。檢測對(duì)比如圖6所示。

圖6 檢測效果對(duì)比

4 結(jié)論

本文針對(duì)糧食作物和雜草的識(shí)別提出了一種改進(jìn)的輕量化YOLOv5檢測算法。使用GhostNet替換了YOLOv5中的特征提取模塊，大大減少了模型的復(fù)雜度并提高了檢測速度。同時(shí)加入CA注意力機(jī)制，維持了算法本身的檢測精度。最后加入Gsconv卷積進(jìn)一步減少冗余信息并平衡語義信息。通過實(shí)驗(yàn)分析，改進(jìn)后的算法在平均精度上有所提升，同時(shí)模型參數(shù)量和計(jì)算量也符合輕量化要求，更適合部署在硬件設(shè)備中使用。