doi：10.3969/j.issn.1001-5922.2024.02.042

摘 要：融合物聯(lián)網(wǎng)技術(shù)、圖像檢測(cè)技術(shù)和深度學(xué)習(xí)算法，提出一種基于改進(jìn)YOLOv4算法的工程檢測(cè)實(shí)驗(yàn)室信息管理系統(tǒng)，通過(guò)WIFI+NB-IoT實(shí)現(xiàn)數(shù)據(jù)傳遞。為了彌補(bǔ)YOLOv4算法在尺度分布不均勻時(shí)精度降低的問(wèn)題，提出利用IK-means++算法，引入ECA注意力模塊和階梯狀特征融合網(wǎng)絡(luò)結(jié)構(gòu)對(duì)算法進(jìn)行改進(jìn)，算法改進(jìn)后浮點(diǎn)運(yùn)算數(shù)量、模型參數(shù)量分別降低了25.1%和43.1%，F(xiàn)PS和mAP分別提高6.8幀/s和3.65%，改進(jìn)后算法不僅收斂速度更快，而且在不同光線環(huán)境下的設(shè)備檢測(cè)準(zhǔn)確率均高于改進(jìn)前。將系統(tǒng)應(yīng)用到工程實(shí)驗(yàn)室檢測(cè)中，設(shè)備和環(huán)境各參數(shù)檢測(cè)結(jié)果與標(biāo)準(zhǔn)儀器檢測(cè)結(jié)果誤差控制在±5%以內(nèi)。

關(guān)鍵詞：改進(jìn)YOLOv4算法；信息管理系統(tǒng)； IK-means++算法；ECA注意力模塊；階梯狀特征融合網(wǎng)絡(luò)結(jié)構(gòu)

中圖分類(lèi)號(hào)：TP277" " " "文獻(xiàn)標(biāo)志碼：A" " " "文章編號(hào)：1001-5922（2024）02-0159-04

Construction and application of engineering laboratory information management system based on improved YOLOv4 algorithm

DENG Aimin，NIE Liangpeng，XU Peng，CHEN Jiao，PAN Tao

（YunnanTongqu Engineering Testing Co.，Ltd.，Kunming 650011，China）

Abstract：Integrating Internet of Things technology，image detection technology and deep learning algorithm，an information management system for engineering testing laboratories based on improved YOLOv4 algorithm was proposed，and the data transmission was realized through WIFI+NB-IoT.In order to make up for the problem of the reduced accuracy of the YOLOv4 algorithm when the scale distribution was uneven，the IK-means++ algorithm was proposed，and the algorithm was improved by introducing the ECA attention module and the stepped feature fusion network structure，and the number of floating-point operations and model parameters were reduced by 25.1% and 43.1%，respectively，and the FPS and mAP were increased by 6.8 frames/s and 3.65%，respectively.The improved algorithm not only converged faster，but also had a higher detection accuracy than before the improvement in different light environments.The system was applied to the engineering laboratory testing，and the error between the test results of various parameters of the equipment and environment and the test results of standard instruments was controlled within ±5%.

Key words：Improved YOLOv4 algorithm; information management system;IK-means++algorithm;ECA attention module; stepped feature fusion network structure

實(shí)驗(yàn)室是高校培養(yǎng)實(shí)踐型、創(chuàng)新型和綜合型人才的重要平臺(tái)，在實(shí)驗(yàn)室信息化管理中，最重要的就是要實(shí)現(xiàn)對(duì)實(shí)驗(yàn)設(shè)備的科學(xué)管理^[1-5]，即實(shí)現(xiàn)設(shè)備信息化管理，物聯(lián)網(wǎng)技術(shù)僅僅是實(shí)現(xiàn)了設(shè)備數(shù)據(jù)的交互，要實(shí)現(xiàn)設(shè)備的分類(lèi)管理，還要利用圖像檢測(cè)技術(shù)，對(duì)檢測(cè)到的數(shù)據(jù)進(jìn)行識(shí)別分析^[6]。然而，檢測(cè)數(shù)據(jù)量巨大，如果僅僅通過(guò)人工來(lái)進(jìn)行識(shí)別，效率會(huì)極其低下，故而系統(tǒng)還應(yīng)該考慮引進(jìn)深度學(xué)習(xí)算法，來(lái)實(shí)現(xiàn)監(jiān)控中發(fā)生異常狀況（如無(wú)關(guān)人員入侵、設(shè)備故障）時(shí)及時(shí)發(fā)出提示或者警報(bào)，確保實(shí)驗(yàn)室設(shè)備的財(cái)產(chǎn)和人員安全^[7-8]。但是，從一些相關(guān)研究來(lái)講，并沒(méi)有將三者很好的進(jìn)行融入，并發(fā)揮出各自的優(yōu)勢(shì)。

基于此，研究基于物聯(lián)網(wǎng)技術(shù)、圖像檢測(cè)技術(shù)和深度學(xué)習(xí)算法，構(gòu)建了一種工程實(shí)驗(yàn)室信息化管理系統(tǒng)，并對(duì)深度學(xué)習(xí)算法進(jìn)行了改進(jìn)，從而獲得更加可靠、檢測(cè)精度更高的性能。

1"系統(tǒng)總體架構(gòu)與設(shè)計(jì)

結(jié)合物聯(lián)網(wǎng)技術(shù)、傳感器技術(shù)、無(wú)線通信技術(shù)、圖像檢測(cè)技術(shù)和深度學(xué)習(xí)算法等，構(gòu)建實(shí)驗(yàn)室信息化管理系統(tǒng)，該系統(tǒng)由信息化管理平臺(tái)層、網(wǎng)絡(luò)傳輸層、信息采集裝置層、實(shí)驗(yàn)室設(shè)備設(shè)備及環(huán)境層組成。信息化管理平臺(tái)中，數(shù)據(jù)庫(kù)采用Mysql數(shù)據(jù)庫(kù)，后臺(tái)服務(wù)器采用MQTT（Message Queuing Telemetry Transport，（簡(jiǎn)稱MQTT）協(xié)議，后臺(tái)服務(wù)器與信息化平臺(tái)之間通過(guò)internet 連接，供管理人員進(jìn)行相關(guān)操作。網(wǎng)絡(luò)傳輸主要通過(guò)路由器進(jìn)行WIFI傳輸，但考慮到實(shí)際使用時(shí)可能會(huì)存在網(wǎng)絡(luò)不佳的情況，故采用NB-IoT和移動(dòng)通信等多種方式對(duì)WIFI進(jìn)行彌補(bǔ)^[9]。信息采集裝置主要包括采集節(jié)點(diǎn)（傳感器）和中繼節(jié)點(diǎn)，采集節(jié)點(diǎn)的數(shù)據(jù)通過(guò)網(wǎng)絡(luò)傳輸傳遞給中繼節(jié)點(diǎn)，經(jīng)中繼節(jié)點(diǎn)處理后再上傳給路由器、后臺(tái)服務(wù)器或者由采集節(jié)點(diǎn)直接傳遞給路由器。實(shí)驗(yàn)室設(shè)備及環(huán)境主要包括一些計(jì)算機(jī)設(shè)備，負(fù)責(zé)將設(shè)備信息和環(huán)境信息等傳遞給采集節(jié)點(diǎn)。

2"信息采集裝置設(shè)計(jì)

信息采集裝置分為采集節(jié)點(diǎn)和中繼節(jié)點(diǎn)兩部分，設(shè)備信息采集數(shù)據(jù)以及部分環(huán)境信息采集數(shù)據(jù)由采集節(jié)點(diǎn)收集，再直接上傳給MQTT/HTTP，或者由中繼節(jié)點(diǎn)處理后再傳輸給MQTT/HTTP，監(jiān)控?cái)z像頭數(shù)據(jù)和另外一部分環(huán)境信息數(shù)據(jù)則通過(guò)數(shù)據(jù)通信直接傳遞給中繼節(jié)點(diǎn)，再傳輸給MQTT/HTTP，最終所有數(shù)據(jù)匯聚到數(shù)據(jù)庫(kù)中存儲(chǔ)。系統(tǒng)信息采集裝置結(jié)構(gòu)示意見(jiàn)圖1。

采集節(jié)點(diǎn)以核心控制及數(shù)據(jù)傳輸模塊（ESP-12E）為核心，對(duì)各傳感器模塊實(shí)行統(tǒng)一的數(shù)據(jù)采集和上傳管理，見(jiàn)圖2。采集節(jié)點(diǎn)通過(guò)HLK-PM01 AC-DC穩(wěn)電壓模塊將220 V交流電壓轉(zhuǎn)化為5 V直流電壓，溫濕度傳感器和光傳感器通過(guò)模擬12C與MCU連接，設(shè)備信息采集模塊通過(guò)串口與MCU相連，而ESP-12E WIFI部分已經(jīng)通過(guò)RST引腳相連，從而實(shí)現(xiàn)采集節(jié)點(diǎn)的硬件設(shè)計(jì)。

中繼節(jié)點(diǎn)以STM32L431RCT6超低功耗微處理器為核心，對(duì)各傳感器模塊、通信模塊、攝像頭模塊進(jìn)行統(tǒng)一管理，見(jiàn)圖3?？諝赓|(zhì)量傳感器模擬輸出腳與ADC進(jìn)行連接，2個(gè)ESP-12E通過(guò)串口與STM32L431RCT6相連，一個(gè)負(fù)責(zé)數(shù)據(jù)接收，一個(gè)負(fù)責(zé)數(shù)據(jù)上傳，其余均通過(guò)12C與STM32L431RCT6相連。

3"基于改進(jìn)YOLOv4的設(shè)備檢測(cè)識(shí)別

3.1"YOLOv4算法原理

YOLO系列算法是一種將檢測(cè)物體作為回歸問(wèn)題分析求解的方法，YOLOv4算法基于YOLOv3算法進(jìn)行了如下改進(jìn)：一是引入了殘差結(jié)構(gòu)中的CSPDarknet53主干網(wǎng)絡(luò)；二是對(duì)PANet的頸部金字塔結(jié)構(gòu)進(jìn)行了改進(jìn)，從而提升算法的特征提取能力和融合能力，大大提升了算法的速度和效率^[10-11]。YOLO這一類(lèi)多輸出層算法在先驗(yàn)框選取時(shí)要求監(jiān)測(cè)物體尺度分布均勻，然而在實(shí)際應(yīng)用場(chǎng)景中，被檢測(cè)對(duì)象的尺度大小并不是均勻分布的，這就會(huì)導(dǎo)致采用K-means 聚類(lèi)算法獲取先驗(yàn)框的方法存在一定的局限性，從而影響降算法的檢測(cè)精度。

3.2"YOLOv4算法改進(jìn)

針對(duì)YOLOv4算法存在的一些問(wèn)題，提出從以下3個(gè)方面對(duì)算法進(jìn)行改進(jìn)：（1）對(duì)K-means 聚類(lèi)算法進(jìn)行改進(jìn)，首先只用一個(gè)檢測(cè)頭，從而避免目標(biāo)尺度不均勻造成的聚類(lèi)問(wèn)題，其次是設(shè)置兩道閾值，將數(shù)據(jù)集中的物體按照尺度劃分為小、中、大3個(gè)區(qū)間，然后再在各區(qū)間進(jìn)行K-means++聚類(lèi)分析，分別得到3個(gè)聚類(lèi)中心，最終得到9個(gè)先驗(yàn)框，最后利用對(duì)角線長(zhǎng)度來(lái)定義先驗(yàn)框大小，從而實(shí)現(xiàn)對(duì)不同尺度物體的分類(lèi)識(shí)別^[12]。（2）引入ECA通道注意力模塊，提升主干網(wǎng)絡(luò)特征提取和信息感知的能力，從而提高檢測(cè)效率和準(zhǔn)確性^[13]。（3）引入階梯狀特征融合網(wǎng)絡(luò)結(jié)構(gòu)，將原有網(wǎng)絡(luò)結(jié)構(gòu)的5個(gè)輸出特征優(yōu)化為3個(gè)輸出特征，從而使不同尺度的特征能夠得到有效融合，并簡(jiǎn)化融合過(guò)程，提高檢測(cè)效率。改進(jìn)后的YOLOv4算法見(jiàn)圖4。

3.3"改進(jìn)算法驗(yàn)證

本文實(shí)驗(yàn)平臺(tái)主機(jī)CPU為32GB NVIDIA?TeslaV?100，操作系統(tǒng)為NVIDIA?TeslaV?100，內(nèi)存大小為320 GB。實(shí)驗(yàn)數(shù)據(jù)集為實(shí)驗(yàn)室電腦設(shè)備，包括顯示器、電腦主機(jī)、鍵盤(pán)等，人工統(tǒng)計(jì)數(shù)量分別為20、20和9個(gè)。從監(jiān)控視頻中截取不同時(shí)段（模擬不同光線環(huán)境）的圖像共計(jì)3 532張，按照 8∶1∶1的比例將數(shù)據(jù)集分為訓(xùn)練集、驗(yàn)證集和測(cè)試集，對(duì)不同算法設(shè)備在不同光線環(huán)境下檢測(cè)結(jié)果進(jìn)行分析。數(shù)據(jù)集在訓(xùn)練過(guò)程中，epochs訓(xùn)練參數(shù)設(shè)置為100，Batch Size 設(shè)置為64，算法模型的初始學(xué)習(xí)率設(shè)置為0.001。

算法改進(jìn)前后函數(shù)損失值隨訓(xùn)練迭代次數(shù)的變化關(guān)系見(jiàn)圖5。

由圖5可知，在0～5迭代時(shí)，函數(shù)損失值迅速降低，當(dāng)?shù)螖?shù)超過(guò)20次后，函數(shù)損失基本進(jìn)入穩(wěn)定狀態(tài)；相同迭代次數(shù)下，改進(jìn)后的函數(shù)損失值小于改進(jìn)前，表明改進(jìn)后的YOLOv4算法收斂速度更快。

不同模型下設(shè)備檢測(cè)性能對(duì)比情況見(jiàn)表1。

由表1可知，YOLOv4算法在改進(jìn)后的浮點(diǎn)運(yùn)算數(shù)量相比改進(jìn)前，降低約25.1%，模型參數(shù)量降低約43.1%；這主要是因?yàn)楦倪M(jìn)后算法模型采用了L-FPG網(wǎng)格，該網(wǎng)格使用的是1×1 卷積核，較原算法復(fù)雜程度大大降低，故而參數(shù)量大幅減少；改進(jìn)后FPS相比改進(jìn)前提升了6.8幀/s，mAP提高了3.65%，檢測(cè)質(zhì)量有顯著提升。

不同光線環(huán)境下設(shè)備檢測(cè)結(jié)果對(duì)比見(jiàn)表2。

由表2可知，改進(jìn)YOLOv4算法無(wú)論是在明亮環(huán)境下，還是在昏暗環(huán)境下，檢測(cè)準(zhǔn)確率均比YOLOv4算法有不同程度提升，表明改進(jìn)后的YOLOv4算法在檢測(cè)準(zhǔn)確性上更優(yōu)越。

4"系統(tǒng)應(yīng)用

將改進(jìn)后的系統(tǒng)應(yīng)用到某工程實(shí)驗(yàn)室監(jiān)測(cè)中，并對(duì)實(shí)驗(yàn)室中的設(shè)備電壓、電流、功率、溫度、濕度以及環(huán)境光強(qiáng)度進(jìn)行監(jiān)測(cè)，并與標(biāo)準(zhǔn)儀器檢測(cè)結(jié)果進(jìn)行對(duì)比，結(jié)果見(jiàn)表3。

由表3可知，通過(guò)本系統(tǒng)監(jiān)測(cè)得到的實(shí)驗(yàn)室設(shè)備和環(huán)境參數(shù)，與標(biāo)準(zhǔn)儀器檢測(cè)結(jié)果相比，最大誤差均控制在±5%以內(nèi)，表明本系統(tǒng)具有很好的檢測(cè)精度。將系統(tǒng)裝置連續(xù)運(yùn)行15 d，設(shè)置每次參數(shù)的采集間隔時(shí)間為10 min，系統(tǒng)共采集到2 160條數(shù)據(jù)，經(jīng)檢查，在連續(xù)運(yùn)行期間，系統(tǒng)數(shù)據(jù)保存完好，未出現(xiàn)數(shù)據(jù)丟失情況，表明本系統(tǒng)裝置具有很好的可靠性，能夠?qū)崿F(xiàn)對(duì)實(shí)驗(yàn)室所有參數(shù)的自動(dòng)化檢測(cè)、存儲(chǔ)。

5"結(jié)語(yǔ)

（1）YOLOv4算法在面對(duì)監(jiān)測(cè)物體尺度分布不均勻時(shí)，檢測(cè)精度相對(duì)較低，為此提出對(duì)采用IK-means++聚類(lèi)法進(jìn)行先驗(yàn)框的聚類(lèi)分析，再引入ECA通道注意力模塊提升主干網(wǎng)絡(luò)特征提取和信息感知的能力，最后再通過(guò)階梯狀特征融合網(wǎng)絡(luò)結(jié)構(gòu)，對(duì)原有網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行精簡(jiǎn)，提升算法檢測(cè)效率;

（2）改進(jìn)后YOLOv4算法浮點(diǎn)運(yùn)算數(shù)量、模型參數(shù)量相較于改進(jìn)前分別降低25.1%和43.1%，F(xiàn)PS和mAP較改進(jìn)前分別提高6.8幀/s和3.65%，改進(jìn)后算法收斂速度更快，在不同光線環(huán)境下的設(shè)備檢測(cè)準(zhǔn)確率均高于改進(jìn)前;

（3）實(shí)際應(yīng)用結(jié)果表明系統(tǒng)監(jiān)測(cè)數(shù)據(jù)與標(biāo)準(zhǔn)儀器監(jiān)測(cè)結(jié)果基本一致，誤差均在±5%以內(nèi)，且連續(xù)運(yùn)行15 d無(wú)數(shù)據(jù)丟失，系統(tǒng)運(yùn)行可靠性良好。

【參考文獻(xiàn)】

[1]李斌鵬.基于信息化技術(shù)在高校實(shí)驗(yàn)室管理中的應(yīng)用研究[J].粘接，2019，40（7）：171-174.

[2]蘇澤蔭，陳源毅，王華敏.基于物聯(lián)網(wǎng)平臺(tái)的高校實(shí)驗(yàn)室管理系統(tǒng)[J].物聯(lián)網(wǎng)技術(shù)，2022，12（11）：66-68.

[3]章盼梅，朱萬(wàn)浩，張紫凡，等.基于物聯(lián)網(wǎng)的高校實(shí)驗(yàn)室遠(yuǎn)程監(jiān)控系統(tǒng)[J].自動(dòng)化與儀器儀表，2021，No.262（8）：151-154.

[4]況成忠，歐世鋒.基于云計(jì)算服務(wù)的配電設(shè)備檢測(cè)實(shí)驗(yàn)室管理系統(tǒng)設(shè)計(jì)和實(shí)現(xiàn)[J].機(jī)電信息，2023，No.710（14）：36-41.

[5]王磊，江河.基于UHF RFID的智能實(shí)驗(yàn)室管理系統(tǒng)設(shè)計(jì)[J].山西電子技術(shù)，2023，No.228（3）：57-59.

[6]徐偉，張程，艾偉清.基于圖像處理技術(shù)的實(shí)驗(yàn)室智能門(mén)禁管理系統(tǒng)設(shè)計(jì)[J].常熟理工學(xué)院學(xué)報(bào)，2019，33（2）：48-51.

[7]趙曉杰，陳曄.面向計(jì)算機(jī)實(shí)驗(yàn)室智能運(yùn)維的網(wǎng)絡(luò)設(shè)備視覺(jué)識(shí)別算法研究[J].西安文理學(xué)院學(xué)報(bào)（自然科學(xué)版），2023，26（2）：39-43.

[8]徐亞平，韓建軍，孟君.多維動(dòng)態(tài)創(chuàng)新模型的高校智慧實(shí)驗(yàn)室建設(shè)探究[J].粘接，2021，45（2）：149-153.

[9]宋孟華，王澤，劉雪梅，等.基于ZigBee和NB-IoT融合網(wǎng)絡(luò)的實(shí)驗(yàn)室智能監(jiān)控系統(tǒng)實(shí)現(xiàn)及應(yīng)用[J].自動(dòng)化與儀表，2023，38（5）：101-104.

[10]尚福瑞，范云飛，郝強(qiáng)，等.基于深度學(xué)習(xí)的工程作業(yè)智能監(jiān)控技術(shù)的模型優(yōu)化測(cè)試[J].粘接，2023，50（4）：182-186.

[11]陳杰，安之煥，唐占元，等.基于改進(jìn)YOLOv4模型的無(wú)人機(jī)巡檢圖像桿塔缺陷檢測(cè)方法研究[J].電測(cè)與儀表，2023，60（10）：155-160.

[12]原蕾，王科俊.基于注意力機(jī)制與特征融合的改進(jìn)YOLOv7車(chē)輛檢測(cè)方法[J].國(guó)外電子測(cè)量技術(shù)，2023，42（9）：49-57.

[13]袁小平，王準(zhǔn)，韓俊，等.改進(jìn)YOLOv4的復(fù)雜交通場(chǎng)景目標(biāo)檢測(cè)方法[J].科學(xué)技術(shù)與工程，2023，23（6）：2509-2517.

收稿日期：2023-09-08；修回日期：2023-12-11

作者簡(jiǎn)介：鄧愛(ài)民（1975-），男，高級(jí)工程師，研究方向：公路工程試驗(yàn)檢測(cè);E-mail：673546049@qq.com。

通訊作者：聶良鵬（1991-），男，碩士，高級(jí)工程師，研究方向：公路工程試驗(yàn)檢測(cè)；E-mail：daniet696@163.com。

基金項(xiàng)目：云南省數(shù)字交通重點(diǎn)實(shí)驗(yàn)室項(xiàng)目（項(xiàng)目編號(hào)：202205AG070008）；云南交通投資建設(shè)集團(tuán)有限公司項(xiàng)目——工程檢測(cè)智慧化服務(wù)與試驗(yàn)室信息管理系統(tǒng)技術(shù)平臺(tái)研究（項(xiàng)目編號(hào)：YCIC-YF-2022-13）。

引文格式：鄧愛(ài)民，聶良鵬，許"鵬，等.基于改進(jìn)YOLOv4算法的工程實(shí)驗(yàn)室信息化管理系統(tǒng)構(gòu)建與應(yīng)用[J].粘接，2024，51（2）：159-162.