申 飛,周 敏,黃周林,李鑫炎,張美洲

(武漢科技大學a.冶金裝備及其控制教育部重點實驗室;b.機械傳動與制造工程湖北省重點實驗室;c.精密制造研究院,武漢 430081)

0 引言

在注塑齒輪生產(chǎn)過程中,由于溫度、注塑時間等因素影響,齒輪可能出現(xiàn)表面黑點、輪齒變形、輪齒缺失等缺陷。由于齒輪缺陷檢測過程往往十分復雜,檢測設備也較為昂貴,因此在實際生產(chǎn)中迫切需要對齒輪進行快速檢測和分析[1]。傳統(tǒng)齒輪制造過程中的檢測方式以人工檢測為主,但是人工檢測不可避免地會出現(xiàn)錯檢、漏檢等問題。機器視覺檢測是一種非接觸式無損檢測,在高速、精細和重復的制造過程中更加可靠,與傳統(tǒng)的檢測方法相比,具有不可替代的優(yōu)越性。

陳碩等[2]提出利用廣泛的Canny算子提取出待檢齒輪的輪廓,通過計算機求解出輪廓之間的距離,但該方法可能在提取輪廓時出現(xiàn)誤差且識別速度較低。郭冕等[3]提出以模態(tài)分解模型將齒輪信號分解,并通過BP神經(jīng)網(wǎng)絡,實現(xiàn)微型塑料齒輪缺陷檢測,但該方法在齒輪信號除噪聲方面檢測識別精度低、魯棒性差。楊亞等[4]采用SURF算法對于齒輪的特征進行匹配,獲取缺陷信息后采用OSTU算法對缺陷進行分割處理并分類,但是該方法不能很好的分類缺陷。JEONGHYEON等[5]采用聲波頻率分析法,采用CNN模型進行分析缺陷,數(shù)據(jù)分析需要大量時間,導致檢測效率降低。仇嬌慧等[6]提出一種改進的YOLOv5網(wǎng)絡模型,但該模型中的主干網(wǎng)絡C3結構以及添加的注意力機制結構導致參數(shù)量上升、識別速度降低。

基于上述問題,本文提出一種改進的YOLOv5s(即VSD-YOLOv5s)網(wǎng)絡模型。該網(wǎng)絡模型使用輕量化ShuffleNetv2主干網(wǎng)絡,引入SE注意力機制及DIOU-NMS方法,提升注塑齒輪缺陷檢測的識別精度與識別速度。

1 YOLOv5s網(wǎng)絡模型結構

YOLOv5包含4個版本的目標檢測網(wǎng)絡模型,即YOLOv5s、YOLOv5m、YOLOv51和YOLOv5x,模型的規(guī)模和訓練參數(shù)的數(shù)量在4個版本中依次增加[7],其中,YOLOv5s網(wǎng)絡模型最快?？紤]到缺陷檢測需要嚴格的實時性,本文以最簡單、最快的網(wǎng)絡模型YOLOv5s作為基準,來完成表面缺陷的在線檢測。YOLOv5s的結構由4部分組成,輸入端、Backbone網(wǎng)絡、Neck網(wǎng)絡、Prediction輸出端,如圖1所示。輸入端采用自適應圖像填充、自適應錨框計算和Mosaic數(shù)據(jù)增強,以提升檢測的準確性;在Backbone網(wǎng)絡中,使用了Focus模塊、C3主干網(wǎng)絡模塊和卷積模塊。Focus模塊主要用于切片操作,通過增加特征圖的維度來縮小特征圖的尺寸,同時保留圖像特征信息。C3主干網(wǎng)絡模塊中的殘差結構有效防止梯度消失,使得特征更加細致;Neck網(wǎng)絡中主要包含C3網(wǎng)絡模塊、上采樣和下采樣過程,降低計算量,同時提高特征融合能力和信息保留度。Prediction輸出端中使用NMS后處理方法篩選多個目標錨框,抑制無效信息,以提高識別準確性。

圖1 YOLOv5s網(wǎng)絡模型結構

2 改進的YOLOv5s網(wǎng)絡模型

為了滿足注塑齒輪表面缺陷在線檢測的速度和識別精度要求,本文提出了一種VSD-YOLOv5s網(wǎng)絡模型,對YOLOv5s的結構進行了修改,能夠檢測不規(guī)則和細小的齒輪缺陷。

2.1 將主干網(wǎng)絡C3替換為ShuffleNetV2

YOLOv5s中主干網(wǎng)絡C3,如圖2所示,旨在更好地提取圖像的深層特征。C3主要由Bottleneck、Conv2d、BN+SiLU激活函數(shù)組成,輸入通道分為兩個分支,通過兩個分支的卷積運算,將特征映射中的通道數(shù)減半。然后特征映射通過第二分支中的Conv2d層、BN層和瓶頸層,并利用Concat層對兩個分支進行深度融合[8-9]。最后,通過連續(xù)穿過Conv2d層和BN層生成模塊的輸出特征映射,特征映射的大小與主干網(wǎng)絡C3的輸入大小相同。

圖2 主干網(wǎng)絡C3

YOLOv5s主干特征提取網(wǎng)絡采用C3網(wǎng)絡結構,帶來較大的參數(shù)量,識別速度較慢,應用受限。因此本文將主干特征提取網(wǎng)絡替換為更輕量的ShuffleNetV2網(wǎng)絡結構,以實現(xiàn)網(wǎng)絡模型的輕量化,提升識別速度和識別精度。

如圖3所示,本文使用先進的ShuffleNetv2單元,其中Channel Split操作將通道數(shù)平均分成兩部分,代替了原有的分組卷積結構。每個分支中的卷積層輸入、輸出通道數(shù)均相同,其中一個分支不進行任何操作以減少基本單元數(shù)。針對ShuffleNetv2中單元塊的下采樣,不再采用Channel Split,通過在每個分支中添加stride=2代替原有的Channel Split模塊以提高模型容量及檢測效率。最后使用Concat、Channle Shuffle代替原有的Add、ReLU模塊以增加模型通道之間的信息交流。綜合上述改動,特征圖空間大小將減半,且使模型具有較高的模型容量和檢測效率,減小了模型的計算復雜度,降低了模型的內(nèi)存占用率,極大地提高了模型的計算效率。

圖3 基本ShuffleNetv2單元

2.2 引入SE注意力機制模塊

注意力機制是指重點關注檢測部分而忽略無關要素,SE注意力機制模塊,如圖4所示。首先,對特征映射進行壓縮操作以獲得通道的全局特征;然后,對全局特征進行激勵操作,以學習通道之間的關系,并獲取不同通道的權重;最后,對原始特征映射進行乘法操作,得到最終的特征。這個機制有助于模型更加注重信息量最大的通道特征,同時抑制那些不重要的通道特征[10]。

圖4 SE注意力機制

本文通過引入SE注意力機制模塊,以建立卷積特征通道之間的相互依賴性來提高網(wǎng)絡的表示能力。首先,輸入特征圖X,讓其經(jīng)過Ftr操作生成特征圖U;然后,進行Squeeze 操作、Excitation操作,Scale操作。Squeeze操作是一種壓縮操作,它將輸入圖像的高度H和寬度W都壓縮為1,但通道數(shù)不變的矩陣。通常使用全局平均“池化”操作來實現(xiàn),以確保最終特征包含輸入圖像的所有信息。Excitation操作對通過Squeeze操作生成的1×1×C特征圖進行維度降低和恢復操作,使用全連接層獲取不同通道的權重,自動關注具有最高權重的通道。Scale操作是一種簡單的加權運算操作,它將Excitation操作生成的特征圖與輸入特征圖通過Sigmoid激活函數(shù)進行Channel運算,得到輸出值。

2.3 將NMS改進為DIOU-NMS

在YOLOv5s原有的NMS中,使用IOU度量來抑制冗余檢測框,IOU的全稱為交并比,即表示為預測邊框A(Prediction box)和真實邊框B(Ground truth box)的交集和并集的比值。IOU的計算公式為:

(1)

但IOU度量法并未將兩個框之間的中心點距離考慮在抑制標準之內(nèi),此時模型檢測到的遺漏框和錯誤框的數(shù)量將會增加。考慮到以上情況,為提高模型檢測的準確性[11-12],本文使用DIOU-NMS方法,其計算函數(shù)方程可以定義為:

(2)

式中:Si表示第i個檢測框對應的置信度得分,RDIOU(M,bi)表示基于DIOU的檢測框交叉比,M表示置信度得分最高的檢測框,bi表示剩余檢測框集合中的第i個檢測框,Nt表示設定的閾值。本文DIOU損失函數(shù)[13-15]的懲罰項可以定義為:

(3)

如圖5所示,c是覆蓋兩個錨框的最小封閉框的對角線長度,d=ρ2(b,bgt)是兩個錨框的中心點的距離。其中b和bgt分別表示和的中心點,ρ為歐氏距離,c為覆蓋兩個框的最小包圍框的對角線長度。DIOU損失函數(shù)可以定義為:

(4)

圖5 邊界框的DIOU損失

圖6 改進后的YOLOv5s網(wǎng)絡模型結構

以此來看,DIOU損失函數(shù)不是按外接矩形和并集面積的差值,而是同時最小化外接矩形的面積和兩框中心點的距離,這會使得網(wǎng)絡更傾向于移動邊界框的位置來減少損失函數(shù)。因此,考慮到影響邊界框檢測的3個幾何因素,即重疊區(qū)域、中心點距離和縱橫比,并在此基礎上將DIOU-NMS方法添加到本文的模型中,從而加快了模型的收斂速度,提高了模型的性能。

3 結果與分析

實驗環(huán)境:在該實驗中使用的計算機中央處理單元(CPU型號)是Intel(R)Core(TM)i7-12700F CPU@2.10 GHz,并且運行存儲器是16 GB。圖形處理器(GPU型號)為NVIDIA GeForce RTX 1080獨立顯卡,顯存為8 GB。采用64位Windows 10操作系統(tǒng)作為軟件環(huán)境,PyCharm作為開發(fā)平臺,PyTorch作為深度學習框架,Python作為編程語言,CUDA 11.3版本并行計算框架作為開發(fā)平臺,如圖7所示。

圖7 注塑齒輪缺陷檢測平臺環(huán)境

實驗數(shù)據(jù)集共包含2000張分辨率為640×640的圖片,按照8∶2的比例劃分為數(shù)據(jù)集和驗證集。在訓練過程中,設置每批次訓練16張圖片,初始學習率為0.003,IOU閾值為0.5,針對所有參照模型均按照這些參數(shù)訓練300個Epoch。

數(shù)據(jù)集預處理:采用自制的齒輪缺陷數(shù)據(jù)集,其中主要包括輪齒變形、輪齒缺失、表面黑點3種情況,如圖8所示。運用VSD-YOLOv5s模型進行缺陷檢測,采用Mosaic增強方法和自適應錨框方法對于數(shù)據(jù)集進行前期處理。

圖8 輪齒破損、輪齒缺失、表面黑點缺陷圖

本文VSD-YOLOv5s模型的模型評估指標主要包括準確率(P)、召回率(R),平均識別精度(MAP)、識別速度(FPS)。

(5)

(6)

(7)

式中:TP表示正確識別齒輪缺陷,FP表示對齒輪缺陷識別的錯誤分類,FN表示不明齒輪缺陷,C表示齒輪缺陷對象類別的數(shù)量,k表示IOU閾值,N表示閾值的IOU數(shù)量,P(k)表示識別精度,R(k)表示召回率。

如圖9所示,為了對VSD-YOLOv5s模型的檢測性能進行全面評估,本文采用YOLOv5s和VSD-YOLOv5s作為縱向比較模型、采用經(jīng)典的目標檢測模型Fast-RCNN作為橫向比較模型,設置相同的實驗參數(shù),上述模型的檢測效果表1所示。

表1 模型檢測效果對比

圖9 VSD-YOLOv5s模型測試集檢測

由表1的實驗結果可知,VSD-YOLOv5s的MAP達到94.1%,準確率達到95.1%,相較于另外3種模型有所提升,對各類表面缺陷具有良好的檢測效果,識別速度相較于YOLOv5s,FPS提高5 fps。因此,與YOLOv5s,Fast-RCNN兩種模型相比,VSD-YOLOv5s模型具有優(yōu)越的檢測性能,取得了最佳的檢測效果,能夠滿足在線缺陷檢測系統(tǒng)的較高識別精度需求。

本文將3種模型在測試過程中產(chǎn)生的準確率以及召回率記錄并繪制P-R曲線圖,如圖10所示,通過P-R曲線我們可以看到VSD-YOLOv5s模型的性能優(yōu)于Fast-RCNN和YOLOv5s。

圖10 缺陷檢測3種模型的P-R曲線

為了驗證不同改進方法對YOLOv5s模型性能的影響,本文對多種改進方法進行了比較與討論,如表2所示。“√”表明網(wǎng)絡模型中加入此模塊,而“×”表明網(wǎng)絡模型中沒有加入此模塊。原YOLOv5s模型的大小是14.58 MB,FPS為70 fps。使用ShuffleNetV2模塊的輕量級ShuffleNetV2-YOLOv5s模型的大小減少到7.95 MB,FPS提升到74 fps。結果表明,當在模型中加入ShuffleNetV2時,可達到模型輕量化的效果并提升識別速度;單獨使用SE模塊時,YOLOv5s模型的MAP從91.2%增加到 92.1%。ShuffleNetV2-YOLOv5s模型的MAP從91.80%增加到93.8%。當SE注意力機制、DIOU-NMS以及ShuffleNetV2同時應用時,相比于原模型,VSD-YOLOv5s模型的識別準確率提升了0.9%,識別精度提升了1.7%,識別速度提升了5 fps,模型的性能得到了全面改善,達到最優(yōu)。

表2 VSD-YOLOv5s改進模型與其他模型對比

4 結論

針對注塑齒輪缺陷檢測存在的問題,提出一種VSD-YOLOv5s的齒輪缺陷檢測輕量化網(wǎng)絡模型結構,在改進后的模型架構中,使用了輕量級的ShuffleNetV2模塊,為了準確識別注塑齒輪缺陷的不同種類,在模型中引入SE注意力機制,將NMS改進為DIOU-NMS方法加速模型的收斂,在不同測試集進行測試驗證VSD-YOLOv5s網(wǎng)絡模型的可行性,實驗結果表明,模型滿足在線檢測系統(tǒng)對高實時性、低漏檢率和低誤檢率的要求,結構更簡化,復雜度更低,檢測識別精度更高。未來在模型的實際應用中,將建立缺陷樣本庫,并及時收集和完善樣本庫,提升檢測效果。