魯恒潤 李 強(qiáng) 楊文旺

(礦冶科技集團(tuán) 北礦機(jī)電科技有限責(zé)任公司，北京 100160)

陰極板的鋅片脫離是鋅電解生產(chǎn)工藝中的重要步驟之一，自動剝鋅機(jī)通過剝刀可實現(xiàn)鋅片自動剝離，但由于剝鋅機(jī)在剝離鋅片過程中會產(chǎn)生鋅片剝離不徹底導(dǎo)致極板殘留鋅片。傳統(tǒng)方法需要工人使用工具進(jìn)行二次剝離，人工剝離效率低、勞動強(qiáng)度大。隨著機(jī)器視覺技術(shù)的快速發(fā)展，使用視覺技術(shù)識別鋅陰極板殘留具有非接觸、實時性好的特點，可以有效提高剝鋅機(jī)的剝鋅效率，提升裝備智能化水平。

在圖像識別領(lǐng)域，傳統(tǒng)的識別方法大都采用基于特征的方式[1-2]，通過提取目標(biāo)識別物的紋理、顏色、形狀等信息進(jìn)行識別，該方法依賴于人工設(shè)計的特征，當(dāng)目標(biāo)物的顏色、光照等發(fā)生變化時，識別準(zhǔn)確度、穩(wěn)定性無法保證。另外，基于模板匹配的方法，根據(jù)圖像之間的相似度進(jìn)行識別，同樣容易受到外界干擾(光照、拍攝角度等)造成的影響。

近年來，深度學(xué)習(xí)技術(shù)在圖像識別等領(lǐng)域快速發(fā)展，基于深度學(xué)習(xí)的圖像識別方法通過多層卷積神經(jīng)網(wǎng)絡(luò)自動提取圖像的特征，具有較高的魯棒性和識別準(zhǔn)確度[3-13]。本文以算法YOLOv3[12]為基礎(chǔ)，通過改進(jìn)算法的主干網(wǎng)絡(luò)以及候選框生成策略提升了模型的泛化能力，提高鋅陰極板的殘留物識別的準(zhǔn)確度，實現(xiàn)故障鋅極板的在線識別。

1 YOLOv3算法原理

YOLO(You only look once)系列算法是單階段目標(biāo)檢測器中經(jīng)典算法之一，由Joseph Redmon 等在2016年首次提出。YOLOv3是其第三代版本，在YOLOv1[10]和YOLOv2[11]算法的基礎(chǔ)上，結(jié)合FPN特征金字塔[13]和Faster-rcnn[8]的Anchor機(jī)制，顯著提升了單階段檢測器的檢測精度。

1.1 邊界框預(yù)測

YOLOv3使用k-means聚類方法為每個尺度各生成3個錨點框，網(wǎng)絡(luò)預(yù)測邊界框的4個坐標(biāo)值，計算方法如公式1～4。

bx=σ(tx)+cx

(1)

by=σ(ty)+cy

(2)

bw=pwetw

(3)

bh=pheth

(4)

式中，tx、ty、tw、th為網(wǎng)絡(luò)的預(yù)測輸出；(cx，cy)為相對于圖像左上角的偏移值；pw、ph為錨點框的寬度和高度；bx、by、bw、bh預(yù)測值轉(zhuǎn)化為實際輸出坐標(biāo)值，σ(·)為Sigmoid函數(shù)。

1.2 多尺度預(yù)測

為解決小目標(biāo)檢測較差問題，YOLOv3采取了FPN特征金字塔網(wǎng)絡(luò)的思想[12-14]，輸出三種不同尺度的特征圖并將不同尺度特征圖相互融合做預(yù)測。YOLOv3使用了52×52、26×26和13×13三種尺度的輸出作為預(yù)測，三種不同尺度的特征圖分別從網(wǎng)絡(luò)的不同層輸出且相互融合，包含了更多的語義信息，大尺度的特征圖語義信息豐富，適合檢測小目標(biāo)物體，通過多尺度預(yù)測提升了對小目標(biāo)檢測的效果。

1.3 主干網(wǎng)絡(luò)

YOLOv3使用darknet53作為主干網(wǎng)絡(luò)，darknet53具有52個卷積層和1個全連接層做成，交替使用3×3和1×1的卷積核，采用殘差模塊解決網(wǎng)絡(luò)層數(shù)加深梯度消失或梯度爆炸導(dǎo)致的訓(xùn)練退化問題。YOLOv3的3個尺度輸出分別從主干網(wǎng)絡(luò)的32倍下采樣、16倍下采樣和8倍下采樣層獲得，尺度特征圖之間通過1×1的卷積和2倍上采樣操作分別進(jìn)行尺度融合。

1.4 損失函數(shù)

YOLOv3的損失函數(shù)由3部分組成，分別是坐標(biāo)損失、置信度損失和類別損失。其中坐標(biāo)損失采用平方和誤差進(jìn)行評價，置信度和類別概率使用二值交叉熵進(jìn)行評價。

2 算法改進(jìn)

2.1 主干網(wǎng)絡(luò)結(jié)構(gòu)

網(wǎng)絡(luò)的輸入由256×256×3修改為512×512×3分辨率提升了一倍，有利于保留更多的有用信息。使用改進(jìn)的深度可分離卷積網(wǎng)絡(luò)Xception[14]代替原有的Darknet53主干網(wǎng)絡(luò)。如圖1所示，Xception網(wǎng)絡(luò)由輸入頭、中間體和輸出體三部分組成，網(wǎng)絡(luò)結(jié)合了殘差和寬度拓寬思想，在Inception網(wǎng)絡(luò)的基礎(chǔ)上將普通的卷積替換成可分離卷積。三個預(yù)測圖分別從Xception網(wǎng)絡(luò)模塊Block4、Block13和Block14的可分離卷積層輸出，大小分別為64×64×728、32×32×1024和16×16×2048。與YOLOv3的結(jié)構(gòu)相同，尺度特征圖之間通過1×1的卷積和2倍上采樣操作分別進(jìn)行尺度融合操作。

圖1 YOLOv3-Xception網(wǎng)絡(luò)結(jié)構(gòu)Fig.1 Network structure of YOLOv3-Xception

2.2 正負(fù)樣本不平衡處理

YOLOv3單階段目標(biāo)檢測在候選窗口的生成上采用錨點機(jī)制，當(dāng)正樣本較少情況下會產(chǎn)生大量的負(fù)樣本，大量負(fù)樣本會導(dǎo)致網(wǎng)絡(luò)過度關(guān)注負(fù)樣本，降低模型的識別效果(增加漏檢率)。在陰極板殘留物識別屬于單類目標(biāo)識別且絕大多數(shù)故障板僅有1塊或者2塊呈塊狀分布的殘留區(qū)域。實驗中發(fā)現(xiàn)這種候選框生成機(jī)制會導(dǎo)致嚴(yán)重的正負(fù)樣本失衡問題，正負(fù)樣本比高達(dá)1∶318。

通過觀察陰極板殘留，發(fā)現(xiàn)陰極板殘留物所在區(qū)域主要分布在極板的兩側(cè)。為了進(jìn)一步統(tǒng)計陰極板殘留的分布區(qū)域規(guī)律，針對殘留物目標(biāo)統(tǒng)計訓(xùn)練集中所有圖片目標(biāo)中心所落區(qū)域的散點如圖2所示(黑色點為訓(xùn)練集中標(biāo)記的殘留物區(qū)域的矩形框的中心點位置，(x，y)中心點在原圖中的像素點位置)。

圖2 目標(biāo)中心所落區(qū)域分布Fig.2 Target center distribution

從圖2中可以看出，陰極板殘留物主要分布在極板兩側(cè)，中間區(qū)域絕大部分為負(fù)樣本區(qū)域。如圖3所示，以橫坐標(biāo)x將圖片劃分為5個區(qū)域，分別統(tǒng)計5個區(qū)域內(nèi)落點占比。

圖3 目標(biāo)中心所落區(qū)域分布頻率Fig.3 Distribution frequency of target center

在訓(xùn)練過程對于預(yù)測的坐標(biāo)值(bx，by，bw，bh)當(dāng)?shù)螖?shù)小于等于N時，按照原有Anchor機(jī)制生成候選框。當(dāng)?shù)螖?shù)大于N且生成框的橫坐標(biāo)位于0～100、200～300或者400～500區(qū)域時，預(yù)測Anchor坐標(biāo)值按照指數(shù)進(jìn)行衰減，如公式5所示。

(5)

式中，epoch為迭代次數(shù)，N為可調(diào)超參數(shù)；(bx，by，bw，bh)為預(yù)測坐標(biāo)值。在訓(xùn)練初期正負(fù)樣本對網(wǎng)絡(luò)的訓(xùn)練影響不大，當(dāng)訓(xùn)練到一定次數(shù)后，由于正負(fù)樣本的失衡會導(dǎo)致網(wǎng)絡(luò)對負(fù)樣本傾斜，此時需要減低負(fù)樣本的權(quán)重值，使網(wǎng)絡(luò)增加對正樣本關(guān)注。根據(jù)陰極板殘留區(qū)域的分布規(guī)律可知，殘留主要分布在陰極板的兩側(cè)，因此可對除兩側(cè)之外的其他區(qū)域(負(fù)樣本出現(xiàn)概率大的區(qū)域)的預(yù)測坐標(biāo)值進(jìn)行衰減。

3 實驗結(jié)果與分析

3.1 參數(shù)配置

使用Python3.5編程語言、Tensorflow1.14深度學(xué)習(xí)框架，結(jié)合Intel(R)-CPU-E5-2620-V4處理器，在Ubuntu 16.04操作系統(tǒng)下進(jìn)行實驗。使用Nvidia Titan RTX顯卡、CUDA10.0和cuDNN7.6調(diào)用GPU進(jìn)行加速。迭代次數(shù)N取1 000，使用Adam梯度下降，學(xué)習(xí)率取0.001，batch大小為4。

3.2 實驗數(shù)據(jù)集分布

如表1所示，數(shù)據(jù)集分為訓(xùn)練數(shù)據(jù)集和測試數(shù)據(jù)集，共486幅圖片數(shù)據(jù)。其中有殘留圖片384幅，從中隨機(jī)抽取318幅作為訓(xùn)練數(shù)據(jù)集，66幅作為測試數(shù)據(jù)集，無殘留數(shù)據(jù)102幅，從中隨機(jī)抽取29幅作為訓(xùn)練數(shù)據(jù)集，73幅作為測試數(shù)據(jù)集。

表1 訓(xùn)練和測試集分布

3.3 實驗結(jié)果分析

表2所示為3種不同模型的識別結(jié)果，Model1使用的是原始YOLOv3-darknet53模型，Model2使用的原始YOLOv3中將Darknet主干網(wǎng)絡(luò)替換為Xception網(wǎng)絡(luò)的YOLOv3-Xception模型，Model3使用的改進(jìn)的YOLOv3-Xception模型(替換主干網(wǎng)絡(luò)為Xception網(wǎng)絡(luò)并調(diào)整生成候選框策略)。從表2可知，相比原始的YOLOv3-darknet53模型，改進(jìn)的YOLOv3模型在有殘留識別率和無殘留識別率上均有較大提升。測試識別效果顯示：Model 3>Model 2>Model 1。

表2 識別結(jié)果

為進(jìn)一步分析原因，做出了3種模型訓(xùn)練過程的損失曲線圖。如圖4所示，Model 1訓(xùn)練集損失曲線隨著迭代次數(shù)增加逐步下降并趨于平緩，但交叉驗證集損失曲線振蕩下降且曲線始終位于訓(xùn)練集損失曲線上方，表明模型處于欠擬合狀態(tài)，學(xué)習(xí)效果較差。

圖4 YOLOv3-Darknet53模型損失曲線Fig.4 Loss curves of YOLOv3-Darknet53 model

如圖5所示，Model 2訓(xùn)練集損失曲線和交叉驗證集損失曲線隨著迭代次數(shù)增加逐步下降并趨于平緩，交叉驗證集損失曲線略微位于訓(xùn)練集損失曲線上方，說明相對于原始的YOLOv3-Darknet53主干網(wǎng)絡(luò)，Xception網(wǎng)絡(luò)提升了模型的擬合能力。

如圖6所示，Model 3訓(xùn)練集損失曲線和交叉驗證集損失曲線隨著迭代次數(shù)增加逐步下降并趨于平緩，且2個曲線幾乎重合，模型的擬合能力進(jìn)一步得到了提升，主要原因是通過改進(jìn)候選框生成策略，解決了模型正負(fù)樣本失衡問題，使得模型對正負(fù)樣本的學(xué)習(xí)能力得到了提升。

圖5 YOLOv3-Xception模型損失曲線Fig.5 Loss curves of YOLOv3-Xception model

圖6 改進(jìn)的YOLOv3-Xception模型損失曲線Fig.6 Loss curves of improved YOLOv3-Xception model

訓(xùn)練過程損失曲線進(jìn)一步證明了通過主干網(wǎng)絡(luò)和候選框生成策略的調(diào)整，檢測模型的泛化能力得到了明顯提升。如圖7所示，列舉了常見的幾種鋅極板殘留情況以及使用本文改進(jìn)算法的識別結(jié)果。

圖7 實際檢測效果 Fig.7 Effect of actual detection

4 結(jié)論

1)針對原有網(wǎng)絡(luò)特征提取能力不足，使用Xception網(wǎng)絡(luò)調(diào)整了原有Darknet53主干網(wǎng)絡(luò)結(jié)構(gòu)，提升了模型的特征提取能力。

2)通過訓(xùn)練過程預(yù)測值指數(shù)衰減改進(jìn)候選框生成策略，有效減低正負(fù)樣本不平衡導(dǎo)致學(xué)習(xí)向負(fù)樣本偏移問題，有利于降低識別的漏檢率。