◆廣東省佛山市順德區(qū)第一中學高二年級 林昭成 李家文 廖寶琳 林家浚

隨著新冠肺炎疫情逐漸好轉(zhuǎn)，人們的防疫意識有所松懈?？紤]到疫情的危害性以及可能會出現(xiàn)的變異毒株傳播事件，我們想通過建立一個“口罩率”智能識別與預(yù)警系統(tǒng)以助防疫。該系統(tǒng)通過計算出公眾場合人們佩戴口罩的比例，得出某地某時的“口罩率”，并根據(jù)當?shù)貙嶋H情況進行播報預(yù)警。

一、準備過程

（一）設(shè)備準備

在學校、老師以及區(qū)教育局的幫助下，我們租用了GPU云服務(wù)器、計算機房，購買了數(shù)據(jù)采集設(shè)備、系統(tǒng)原型設(shè)備和網(wǎng)絡(luò)攝像頭，并借來3D打印機和攝像機。

（二）問卷調(diào)查

起初，我們開展了問卷調(diào)查，收集了反饋效果。根據(jù)問卷填寫的情況和反饋的結(jié)果，我們撰寫了問卷調(diào)查研究報告，并得出以下結(jié)論。

1.目前，有部分人的防疫意識淡薄，對所在地區(qū)的疫情風險程度不夠了解，這會導(dǎo)致在日常的工作、生活中不能采取較好的防疫措施來保護自己和他人，因此需要更直觀、有效的方式使人們能及時了解疫情。

2.人們雖然知道佩戴口罩的重要性，但不能較好地落實這一項防疫措施。

3.人們希望能繼續(xù)加強疫情防控，所以不管是外部防控還是個人防控，都應(yīng)注意細節(jié)。

密集人流“口罩率”智能識別和預(yù)警系統(tǒng)的研發(fā)不僅能實時有效地幫助人們?nèi)娣揽匾咔?，還能用直觀的數(shù)據(jù)提醒人們，及時采取相應(yīng)的防疫措施保護自己和他人。

綜上所述，本次問卷調(diào)查表明了密集人流“口罩率”智能識別和預(yù)警系統(tǒng)課題與社會熱點貼切，具備開展的可行性。

在老師的指引下，我們查閱文獻并進行匯總，決定采用yolo4模型作為系統(tǒng)模型的基礎(chǔ)。

二、實踐過程

（一）數(shù)據(jù)收集

我們先收集了一部分網(wǎng)絡(luò)數(shù)據(jù)（即網(wǎng)絡(luò)圖片）進行訓練，在這個過程中，老師指導(dǎo)我們對數(shù)據(jù)進行加工處理，利用label image軟件給佩戴口罩的人臉做“face_mask”的標記，給未戴口罩的人臉做“face”的標記。但網(wǎng)絡(luò)數(shù)據(jù)不夠真實也不符合現(xiàn)實場景，所以我們收集了一些小組成員的照片，并在征得同意后進入學校監(jiān)控室，收集了更多的人臉數(shù)據(jù)。

收集到足夠的數(shù)據(jù)后，另一個問題來了：數(shù)據(jù)如此龐大，僅憑我們4個人根本無法在短時間內(nèi)打完標簽，在老師的幫助下，我們召集了50名義工在學校的計算機室完成了數(shù)據(jù)標記。

（二）構(gòu)建模型

口罩率的識別需要系統(tǒng)在人群中對每一個對象做到精準識別，并提取出佩戴口罩的人臉和未佩戴口罩人臉的比例。在現(xiàn)實場景中，這對系統(tǒng)的精度要求較高，我們要盡量將誤差控制在最小的范圍內(nèi)。另外，由于口罩率具有時效性，因此系統(tǒng)還要對視頻流做出及時演算，達到精度與速度的平衡。

為了達到精度和速度的要求，在構(gòu)建模型的過程中我們查閱了多篇文獻，最終決定采用yolo4的模型，并針對現(xiàn)有的數(shù)據(jù)加以實現(xiàn)。相較于上一代的yolo模型，yolo4通過更大的網(wǎng)絡(luò)輸入分辨率用于檢測小目標，更深的網(wǎng)絡(luò)層便于覆蓋更大的感受野，更多的參數(shù)便于檢測同一圖像內(nèi)不同的目標，在輸入網(wǎng)絡(luò)分辨率、卷積層數(shù)量、參數(shù)數(shù)量、輸出維度多方面達到平衡，從而達到高效精準的檢測效果。

圖1 現(xiàn)場測試效果

圖2 人臉識別試驗

（三）訓練過程

模型搭建完成后，首先導(dǎo)入預(yù)訓練模型，接著導(dǎo)入訓練集數(shù)據(jù)進行模型訓練，其超參數(shù)設(shè)置如表1。

表1 模型訓練過程的超參數(shù)設(shè)置

每一次迭代訓練，模型輸出一個訓練的損失值train_loss，并利用驗證集對模型進行訓練效果驗證，輸出驗證的損失值val_loss?？梢钥吹剑柧毿Ч容^明顯，train_loss穩(wěn)步下降，而val_loss在緩慢下降后有微小的反彈?？梢耘袛?，模型在訓練過程中出現(xiàn)過擬合現(xiàn)象。

為了避免訓練過程中擬合現(xiàn)象對模型效果產(chǎn)生影響，除模型本身的措施外（如batchnormal層的運用、數(shù)據(jù)增強、IOT閾值設(shè)置），每一次迭代訓練結(jié)束后都保存好該次訓練的模型權(quán)重參數(shù)，并標注對應(yīng)的訓練損失值train_loss和驗證損失值val_loss。待迭代訓練結(jié)束后，通過人工選擇train_loss和val_loss值最優(yōu)的模型權(quán)重參數(shù)，將其應(yīng)用在后續(xù)的驗證和測試過程。

圖3 課題結(jié)題

三、模型測試

（一）模型評估

訓練結(jié)束后，要進行模型的評估。此時，將測試集導(dǎo)入模型中，輸出每張圖片數(shù)據(jù)的識別結(jié)果，并計算出每個類別的準確率、平均準確率以及最后輸出總體map值。

計算結(jié)果顯示，對“face_mask”即佩戴口罩人臉的識別準確率高達99%，而“face”即未佩戴口罩人臉的識別準確率也達到了91%，平均準確率約為94.56%。這是一個令人滿意的結(jié)果，說明本研究模型的構(gòu)建和實施是可行的，但也有優(yōu)化的空間，可以通過模型優(yōu)化、訓練優(yōu)化、數(shù)據(jù)優(yōu)化等方法提升系統(tǒng)和模型的性能。

（二）軟硬件結(jié)合

首先，為了讓系統(tǒng)真正應(yīng)用到現(xiàn)實場景中，我們決定通過Arduino實現(xiàn)預(yù)警系統(tǒng)的硬件部分，模擬現(xiàn)實中小區(qū)的出入門閥，比較系統(tǒng)識別的口罩率與閾值，當某地的口罩率低于閾值（如50%）就會觸發(fā)預(yù)警措施，而當口罩率高于閾值，即停止預(yù)警或取消預(yù)警。

接著，我們利用3D打印技術(shù)打印出一個模擬現(xiàn)實小區(qū)中出入門閥的裝置，盒子表面有一塊顯示屏和一根長桿。系統(tǒng)能持續(xù)識別當?shù)氐目谡致剩⒔Y(jié)果呈現(xiàn)在顯示屏上。當某地的口罩率低于閾值（如50%）就會觸發(fā)預(yù)警措施，長桿下落即限制車輛人員進入；當口罩率高于閾值，即停止預(yù)警或取消預(yù)警，長桿升起允許車輛、人員進入。由此實現(xiàn)模型的軟硬件結(jié)合。

（三）實地測試

我們在校園內(nèi)的實地測試如圖4。

圖4 “口罩率”智能識別和預(yù)警系統(tǒng)模擬實地測試實例（口罩率：9.09%）

四、創(chuàng)新點

1.佩戴口罩是日常防疫的重要措施之一，以“口罩率”為切入點，從收集到的數(shù)據(jù)分析人與社會的問題，切合時事。運用人工智能深度學習、3D打印、Arduino等技術(shù)，切合科創(chuàng)主題。

2.本課題研究形成的預(yù)警模型具有可操作性，可以幫助地方政府結(jié)合當?shù)厍闆r應(yīng)用到實處，起到疫情防控的目的。

專家點評

林昭成、李家文、廖寶琳、林家浚同學完成的“口罩率”智能識別和預(yù)警系統(tǒng)雖說是一個應(yīng)景式的熱點項目，但極具原創(chuàng)性，在青少年科技創(chuàng)新活動中屬于原始性創(chuàng)新作品。

原始性創(chuàng)新可分為科學上的原始性創(chuàng)新和技術(shù)上的原始性創(chuàng)新?？茖W上的原始創(chuàng)新是指在基礎(chǔ)研究領(lǐng)域做出了從來沒有人做出的新的科學發(fā)現(xiàn)，包括新現(xiàn)象的發(fā)現(xiàn)、新領(lǐng)域的開拓、新概念的提出、核心理論體系的形成。技術(shù)上的原始性創(chuàng)新是指在新方法、新工藝、新產(chǎn)品等技術(shù)領(lǐng)域，取得前人所沒有的創(chuàng)新。

四位同學完成的“口罩率”智能識別和預(yù)警系統(tǒng)，其原創(chuàng)性就是首次提出通過建立一個“口罩率”智能識別與預(yù)警系統(tǒng)來幫助人們防疫。該作品能通過計算公眾場合人們佩戴口罩的比例，得出某地某時刻的“口罩率”，并根據(jù)當?shù)貙嶋H情況進行播報預(yù)警。這種防疫的方式別具一格。

但中學生應(yīng)以實踐小的創(chuàng)新項目為主。該項目之所以能獲得成功，也源于學校、老師以及區(qū)教育局的大力支持與幫助，讓他們能租用GPU云服務(wù)器、計算機房，購買相關(guān)器材，并借來3D打印機和攝像機等。這種特殊待遇，一般的學生團體或個人是無法獲得的。