倪奕棋，管聲啟,2，管宇燦，衛(wèi)艷芳,胡璐萍

(1.西安工程大學(xué) 機電工程學(xué)院，陜西 西安 710048；2.紹興市柯橋區(qū)西紡紡織產(chǎn)業(yè)創(chuàng)新研究院，浙江 紹興 312030；3.山西大同大學(xué) 計算機與網(wǎng)絡(luò)工程學(xué)院，山西 大同 037009)

0 引 言

近年來計算機視覺技術(shù)的發(fā)展，為紗筒的自動識別定位提供一種新的思路，高效的視覺識別定位也是機器人實現(xiàn)上紗的關(guān)鍵技術(shù)之一[1]。王紀程等提出了一種ORB+RANSAN特征匹配算法，搭建了雙目視覺模型對工件進行三維重建，消除了誤匹配，實現(xiàn)了工件的識別與定位[2]。任慧娟等通過視覺系統(tǒng)獲取了多目標(biāo)紗筒圖像，基于顏色特征實現(xiàn)了不同顏色紗筒的識別定位與分揀[3]。李毅等利用Kinect V2相機獲取紗筒的圖像和深度信息，通過構(gòu)建二維圖像與三維空間轉(zhuǎn)換的模型，實現(xiàn)了紗筒的三維質(zhì)心定位[4]。傳統(tǒng)的視覺方法對特定的目標(biāo)進行識別定位精度較好，但是都需要手動提取目標(biāo)特征。

隨著深度學(xué)習(xí)技術(shù)的迅速發(fā)展，卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural network, CNN)在圖像分類、目標(biāo)檢測和語義分割等多個領(lǐng)域都取得了突破性進展[5]，為目標(biāo)的識別與定位提供了一種新的思路。金守峰等提出一種基于對抗神經(jīng)網(wǎng)絡(luò)和神經(jīng)網(wǎng)絡(luò)模型的筒子紗抓取方法，利用生成式對抗網(wǎng)絡(luò)(generative adversarial networks ,GAN)擴充筒子紗數(shù)據(jù)集，并利用Faster R-CNN實現(xiàn)了紗筒的識別與定位[6]。歐攀等提出基于Mask RCNN的目標(biāo)識別定位方法，利用改進的Mask RCNN算法對Kinect深度傳感器采集的RGB圖像進行目標(biāo)的識別與分割，并建立二維到三維空間的轉(zhuǎn)換模型，實現(xiàn)目標(biāo)的空間定位[7]。楊長輝等構(gòu)建了基于CNN和采摘機器人的識別定位系統(tǒng)，利用YOLO V3目標(biāo)檢測模型和深度圖映射獲取了目標(biāo)和障礙物的三維信息[8]。

雙目視覺與深度學(xué)習(xí)的結(jié)合也取得了相關(guān)的進展。童基均等提出基于深度學(xué)習(xí)的識別與定位方法，利用SSD目標(biāo)檢測算法模型和雙目相機組成的雙目視覺系統(tǒng)實現(xiàn)了運動目標(biāo)的實時識別和定位[9]。董鵬等將一種雙目視覺與YOLO V3相結(jié)合，通過YOLO V3實現(xiàn)海參的識別，利用搭建的雙目視覺系統(tǒng)獲取了海參的三維信息，實現(xiàn)了海參尺寸的自動測量[10]?；谏疃葘W(xué)習(xí)的識別與定位方法模型參數(shù)量較大，且識別的精度和速度還需要進一步提升。

為了提高機器人上紗過程中對于多種顏色紗筒識別定位的準(zhǔn)確率，本文提出了一種基于改進SSD深度學(xué)習(xí)算法的雙目視覺紗筒識別定位方法。在原始SSD深度學(xué)習(xí)算法的基礎(chǔ)上，引入輕量化的MobileNet V3和特征融合模塊，實現(xiàn)了紗筒的識別。然后，利用雙目視覺原理實現(xiàn)紗筒的定位。

1 紗筒識別定位方法

1.1 紗筒識別定位原理

改進的SSD深度學(xué)習(xí)算法的雙目視覺紗筒識別定位過程，如圖1所示。

圖 1 紗筒識別定位Fig.1 Bobbin identification and positioning

首先，對雙目相機進行標(biāo)定，并加載標(biāo)定參數(shù)，完成紗筒圖像的采集；其次，將左相機采集的紗筒圖像作為改進SSD深度學(xué)習(xí)算法訓(xùn)練所需要的測試集和驗證集，完成算法的訓(xùn)練和測試；最后，將雙目相機校正后的圖像輸入改進的SSD算法實現(xiàn)紗筒的識別，獲得左右圖像中的紗筒目標(biāo)，并通過雙目視覺立體匹配和視差計算，獲得紗筒的深度距離信息，最終實現(xiàn)紗筒的定位。

1.2 紗筒定位方法

單目相機進行紗筒定位時，需保持紗筒與相機的距離一定，定位誤差較大。通過雙目相機可在紗筒識別的基礎(chǔ)上實現(xiàn)紗筒的有效定位。雙目視覺系統(tǒng)[11]采用2個相機平行放置，從不同視角對物體進行觀察，通過左右圖像差異計算紗筒距離，見圖2。

圖 2 雙目視覺成像原理

圖2中,Ol-XlYlZl和Or-XrYrZr分別為左右相機坐標(biāo)系。設(shè)空間一點P(Xc,Yc,Zc)在圖像平面C1和C2上的點分別為pl(xl,yl)和pr(xr,yr)。由于2個相機水平放置，因此yl=yr。由三角形關(guān)系可得

(1)

式中：f為左右相機的焦距；B為2個相機的基線距離。在已知基線B和焦距f的情況下，獲得視差d后，即可計算空間點P到相機的距離Zc，可表示為

(2)

2 紗筒識別算法

2.1 SSD算法

SSD算法是一種高效快速的深度學(xué)習(xí)目標(biāo)檢測算法[12]，融合了Faster R-CNN[13]的候選框機制和YOLO[14]的回歸思想。該算法是一種直接預(yù)測圖像中目標(biāo)位置和類別的深度學(xué)習(xí)算法，可以針對不同大小的目標(biāo)進行識別，其網(wǎng)絡(luò)結(jié)構(gòu)如圖3所示。

圖 3 SSD網(wǎng)絡(luò)結(jié)構(gòu)Fig.3 SSD network structure

從圖3可知，SSD算法將VGG16[15]作為主干特征提取網(wǎng)絡(luò)，其最后2層全連接層改為卷積層Conv6和Conv7，并在主干網(wǎng)絡(luò)之后加入了一系列卷積層。網(wǎng)絡(luò)模型采用了特征圖金字塔的方法，提取了卷積層Conv4_3、Conv7、Conv8_2、Conv9_2、Conv10_2和Conv11_2的輸出特征圖用于預(yù)測，對應(yīng)的輸出特征圖大小為(38，38)、(19，19)、(10，10)、(5，5)、(3，3)、(1，1)。

每層輸出特征圖會生成多個長寬比不同的默認框，每個默認框會對目標(biāo)的類別和位置參數(shù)進行預(yù)測，第i層特征圖的默認框大小Si可表示為

(3)

SSD算法的綜合性能較好，但是VGG16的參數(shù)量較為龐大，且各個網(wǎng)絡(luò)層之間相互獨立，對網(wǎng)絡(luò)淺層語義信息表達能力不足。

2.2 改進的SSD算法

針對上述問題，本文提出一種改進的SSD算法用于紗筒圖像的識別。首先，將輕量化的MobileNet V3[16]替換VGG16，作為主干特征提取網(wǎng)絡(luò)，減少了網(wǎng)絡(luò)模型的參數(shù)量；其次，在網(wǎng)絡(luò)結(jié)構(gòu)中加入了特征融合模塊，增強了網(wǎng)絡(luò)淺層的特征提取能力和上下網(wǎng)絡(luò)層的聯(lián)系，改進后SSD算法的網(wǎng)絡(luò)結(jié)構(gòu)如圖4所示。

圖 4 改進SSD網(wǎng)絡(luò)結(jié)構(gòu)Fig.4 Improved SSD network structure

圖4中的300×300×3表示輸入大小為300×300，通道數(shù)為3的特征圖。改進SSD深度學(xué)習(xí)算法的主干網(wǎng)絡(luò)由2個普通卷積層Conv和多個Bneck結(jié)構(gòu)組成，并且移除了MobileNet V3中最后的平均池化層和1×1的卷積層。主干網(wǎng)絡(luò)后面添加了多個卷積層進行特征提取，其中卷積層Conv9、Conv10_2、Conv11_2和Conv12_2的輸出特征用于算法的預(yù)測。

MobileNet V3網(wǎng)絡(luò)中的Bottleneck(簡稱Bneck)綜合了MobileNet V1[17]的深度可分離卷積和MobileNet V2[18]的逆殘差結(jié)構(gòu)，并且加入了輕量級注意力SE模塊[19]，該模塊能夠建立通道之間的聯(lián)系，提升網(wǎng)絡(luò)性能。Bneck結(jié)構(gòu)如圖5所示。

圖 5 Bneck結(jié)構(gòu)圖Fig.5 Bneck structure diagram

圖5中的Conv1×1表示大小為1×1的普通卷積，DW Conv3×3表示3×3深度可分離卷積，右側(cè)分支為SE注意力模塊，左側(cè)分支為逆殘差結(jié)構(gòu)。Bneck結(jié)構(gòu)可以提升網(wǎng)絡(luò)結(jié)構(gòu)的深度，增強網(wǎng)絡(luò)的特征提取能力，并且防止梯度爆炸現(xiàn)象的產(chǎn)生。

H-swish激活函數(shù)的非線性在保證模型精度的同時，提高了模型運行的速度，MobileNet V3引入H-swish激活函數(shù)，可表示為

(4)

式中：g(x)為Relu6激活函數(shù)，且g(x)=min(6,max(0,x))。

改進的SSD算法從Bneck4_3和Bneck6_3提取輸出特征圖進行預(yù)測，相比VGG16中的Conv4_3，所處的網(wǎng)絡(luò)層較淺，為了充分利用上下文信息，本文提出了特征融合模塊，如圖6所示。

圖6中，特征融合模塊將Bneck4_3和Bneck6_3的輸出特征分別與淺層和深層的輸出特征進行融合，增強了淺層網(wǎng)絡(luò)的特征提取能力。為了實現(xiàn)不同尺度特征圖的融合，淺層網(wǎng)絡(luò)經(jīng)過1×1卷積、3×3卷積、BN層和Relu激活函數(shù)；深層網(wǎng)絡(luò)經(jīng)過1×1卷積、BN層、Relu激活函數(shù)和上采樣，從而保證淺層和深層的特征大小與Bneck4_3和Bneck6_3一致，以便將三層特征圖的輸出進行拼接融合操作。為了保證輸出的特征具有可分辨性，拼接融合后的輸出經(jīng)過3×3卷積、BN層和Relu激活函數(shù)，消除了冗余的信息，為網(wǎng)絡(luò)模型引入了一定的非線性屬性。特征融合模塊的輸出結(jié)果用于算法的預(yù)測。

圖 6 特征融合模塊結(jié)構(gòu)圖Fig.6 Feature fusion module structure diagram

2.3 損失函數(shù)

改進的SSD算法需要對紗筒的位置和顏色種類進行回歸，通過損失函數(shù)計算預(yù)測值和真實值之間的誤差。損失函數(shù)包括位置損失和置信度損失，可表示為

L(x,c,l,g)=1/N(Lconf(x,c)+

αLloc(x,l,g))

(5)

式中：x為真實框和預(yù)測框是否匹配，x∈{0,1}；c為分類置信度；α為位置和置信度損失的平衡系數(shù)，默認為1；l為預(yù)測框位置；g為真實框位置；N為正樣本的數(shù)量；Lloc為位置損失；Lconf為置信度損失。

3 結(jié)果與分析

3.1 實驗環(huán)境與數(shù)據(jù)集

實驗平臺的配置：內(nèi)存為16 GB，GPU型號為NVIDIA GeForce RTX2060，CPU型號為Intel i7-9700HQ，操作系統(tǒng)為Windows 10，采用Pytorch深度學(xué)習(xí)框架和Python編程語言。

數(shù)據(jù)集來源于人工采集，利用雙目相機采集9種不同顏色的紗筒圖像共6 000張。為了避免模型發(fā)生過擬合，對左相機采集的3 000張圖像進行翻轉(zhuǎn)、旋轉(zhuǎn)、裁剪、色域變換等數(shù)據(jù)增強方法，擴充后數(shù)據(jù)集包含6 000張紗筒圖像，將其中4 800張圖像作為訓(xùn)練集，剩余的1 200張圖像作為測試集。

3.2 改進SSD算法模型訓(xùn)練策略及評價指標(biāo)

本文改進SSD算法的訓(xùn)練迭代輪次設(shè)置為200，每一輪次需要迭代300次才能將訓(xùn)練數(shù)據(jù)全部訓(xùn)練完成，因此，訓(xùn)練過程總共迭代了60 000次。前30 000次的學(xué)習(xí)率設(shè)為0.000 1，后30 000萬次的學(xué)習(xí)率設(shè)為0.00 001。動量因子表示訓(xùn)練時損失函數(shù)的值下降的趨勢，設(shè)為0.9，圖像批處理大小設(shè)置為16。

本文實驗采用平均精度[20]作為算法識別精度的評價指標(biāo)。本文算法中精度表示識別每種顏色紗筒的準(zhǔn)確率，精度PA表示為

(6)

式中：P表示精確率;R表示召回率。

平均精度可表示為

(7)

式中：N表示數(shù)據(jù)集中紗筒顏色總的類別個數(shù)。

算法的識別速度采用FPS進行評估，即算法每秒鐘識別圖片的數(shù)量。

3.3 紗筒識別結(jié)果與分析

3.3.1 改進SSD算法性能分析 改進SSD算法的訓(xùn)練損失函數(shù)曲線如圖7(a)所示，并且為了驗證改進SSD算法的收斂速度和收斂的穩(wěn)定性，將改進的SSD算法與SSD、Faster R-CNN和DSSD 3種算法的損失函數(shù)曲線進行對比。為了更加清晰地對比收斂效果，這里選取每一輪次的總損失值作為對比數(shù)據(jù)，只選取了前100輪次的訓(xùn)練損失變化，后100輪次的損失值都在一個小范圍內(nèi)震蕩，因此不進行對比，如圖7(b)所示。

(a) 改進SSD算法的訓(xùn)練損失函數(shù)曲線

(b) 不同算法的損失函數(shù)曲線對比圖 7 損失函數(shù)變化曲線Fig.7 Loss function curve

訓(xùn)練過程中的損失函數(shù)通過式(5)進行計算，包括位置損失函數(shù)、置信度損失函數(shù)和總損失函數(shù)，由圖7(a)損失值的變換曲線可知，經(jīng)過不斷的迭代，前10 000次迭代的損失值迅速減小直至穩(wěn)定，后面的訓(xùn)練過程中，損失值在小范圍內(nèi)發(fā)生震蕩，算法達到了收斂[21]。由圖7(b)4種算法的損失函數(shù)變化曲線可知，4種算法進行訓(xùn)練時，最終都達到了收斂，但是改進后的SSD算法相對于其他3種算法而言，損失函數(shù)曲線更加平滑，算法的收斂速度更快，損失值震蕩的范圍和損失值也更小。由此可見，改進的SSD算法在保證收斂性能的同時，具有較好的魯棒性。為了驗證算法的綜合性能，分別在測試集中對4種算法進行測試，統(tǒng)計的識別結(jié)果如表1所示。

表 1 紗筒數(shù)據(jù)集的算法實驗結(jié)果

從表1可知， 改進SSD算法的PmA為94.6%，相比于Faster R-CNN、SSD和DSSD分別提升了5.3%、6.2%和2.8%。從算法的網(wǎng)絡(luò)模型大小來看，前3種算法的網(wǎng)絡(luò)模型較大，而改進SSD算法的網(wǎng)絡(luò)模型大小有大幅度降低，可以布置在嵌入式平臺上運行。從識別速度來看，本文算法的每秒傳輸幀數(shù)相比于其他3種算法，均有所提升，達到了52.3，可以滿足實時識別的要求。改進的SSD算法在保證識別精度的情況下，減少了網(wǎng)絡(luò)模型大小，提升了識別的速度。

3.3.2 改進SSD算法識別效果 本文采集的紗筒圖像數(shù)據(jù)集總共包括9種顏色，分別是紅色、黃色、藍色、綠色、白色、黑色、杏色、棕色、銀色。隨機選取部分紗筒圖像進行識別結(jié)果的驗證，如圖8所示。

(a) 單一顏色

(b) 少量顏色混合

(c) 多種顏色混合圖 8 紗筒數(shù)據(jù)集部分識別結(jié)果Fig.8 Partial recognition result of bobbin data set

由圖8可以看出，改進的SSD算法針對單一顏色、少量顏色混合和多種顏色混合狀態(tài)下的紗筒，均具有較好的識別準(zhǔn)確度。改進的SSD算法對于顏色區(qū)分度不明顯的黃色紗筒和杏色紗筒、白色紗筒和銀色紗筒，還有和背景具有較大相似度的黑色紗筒，都能夠準(zhǔn)確識別，算法的魯棒性較好。改進的SSD算法通過替換主干特征提取網(wǎng)絡(luò)減少了網(wǎng)絡(luò)模型的參數(shù)量，保證識別準(zhǔn)確度的同時提升了識別速度。特征融合模塊可以增強網(wǎng)絡(luò)淺層的特征提取能力，對顏色的敏感度較強，提取多種紗筒顏色特征的能力較強。

3.4 雙目視覺的紗筒定位分析

利用改進的SSD算法對雙目相機校正后的紗筒圖像進行識別，通過雙目視覺技術(shù)完成紗筒在三維空間中距離的測定。為了驗證本文雙目視覺的方法在不同距離的情況下，紗筒的定位效果，實驗過程中，調(diào)整相機與紗筒的距離，每隔100 mm進行一次測試，選取5次測試結(jié)果的平均值，并進行誤差計算。實驗結(jié)果如表2所示。

表 2 深度測試距離與實際距離的比較

從表2可知，本文方法的最大誤差為2.78%，最小誤差為0.6%，平均誤差為1.63%，利用雙目視覺進行紗筒的定位，對于紗筒在三維空間中的距離測定準(zhǔn)確率較高，定位誤差較小，為后續(xù)機器人上紗提供基礎(chǔ)技術(shù)支持。

同時，在紗筒識別的基礎(chǔ)上實現(xiàn)了對紗筒的定位，通過深度學(xué)習(xí)的方法可以有效提取紗筒的特征，識別出目標(biāo)紗筒在圖像中的位置和類別信息。利用雙目視覺定位方法分別在改進的SSD算法、SSD、Faster R-CNN和DSSD 4種算法識別紗筒的基礎(chǔ)上，發(fā)現(xiàn)紗筒定位誤差分別為1.63%、2.24%、2.07%和1.88%。相比于其他3種算法，改進的SSD算法的定位誤差最小。

4 結(jié) 語

本文利用改進SSD深度學(xué)習(xí)算法和雙目視覺技術(shù)，實現(xiàn)了紗筒的自動識別定位。改進后的SSD算法將輕量級的MobileNet V3作為主干特征提取網(wǎng)絡(luò)，并加入特征融合模塊，不僅減少了網(wǎng)絡(luò)的參數(shù)量，同時對圖像具有較好的特征提取能力。改進后的SSD算法具有更快的收斂速度，識別的平均精度達到了94.6%，識別的每秒傳輸幀數(shù)達到52.3。通過雙目視覺原理獲取紗筒圖像目標(biāo)在世界坐標(biāo)系下的深度距離信息，最終實現(xiàn)了紗筒的定位，定位平均誤差為1.63%。本文的方法可以提高多顏色紗筒識別定位的準(zhǔn)確率，下一步需要對不同形狀尺寸的紗筒和堆疊遮擋狀態(tài)下的紗筒識別定位問題進行研究。