宋成根，張正鵬，趙瑞山，卜麗靜

(1.遼寧工程技術(shù)大學(xué) 測(cè)繪與地理科學(xué)學(xué)院，遼寧 阜新 123000；2.湘潭大學(xué) 自動(dòng)化與電子信息學(xué)院，湖南 湘潭 411105)

0 引言

隨著科學(xué)技術(shù)的飛速發(fā)展，工業(yè)生產(chǎn)水平和人民生活水平的提高，各種電器設(shè)備在人民的生活中被使用，巨大的電能消耗導(dǎo)致舊的電網(wǎng)已經(jīng)不能滿足人們?cè)絹碓礁叩纳钚枰?020年數(shù)據(jù)顯示，配電網(wǎng)覆蓋率達(dá)到90%，輸電桿塔是承載電網(wǎng)重要的基礎(chǔ)設(shè)施，然而每年輸電桿塔都會(huì)新建、拆除以及遭受自然、人為破壞。輸電桿塔信息得不到及時(shí)的更新，將會(huì)影響電網(wǎng)的安全高效運(yùn)行。國(guó)家電網(wǎng)的智能化是電網(wǎng)行業(yè)的共同發(fā)展目標(biāo)，高壓輸電桿塔的自動(dòng)檢測(cè)在國(guó)家電網(wǎng)的智能化中極其重要。另一方面，遙感技術(shù)快速發(fā)展，遙感影像分辨率越來越高，為遙感圖像的目標(biāo)檢測(cè)開辟了更好的前景[1]，同時(shí)，利用遙感影像進(jìn)行大面積的輸電桿塔目標(biāo)檢測(cè)可加快電網(wǎng)行業(yè)的智能化。但是，目前基于遙感影像的電塔檢測(cè)方法一般采用人工解譯或者是機(jī)器檢測(cè)，人工解譯需花費(fèi)大量的人力物力，并且受人的主觀影響，機(jī)器檢測(cè)的方法泛化能力差，無法適應(yīng)輸電桿塔的多樣性。常用的桿塔目標(biāo)檢測(cè)可以分為傳統(tǒng)方法和深度學(xué)習(xí)方法。傳統(tǒng)方法采用滑動(dòng)窗口進(jìn)行圖片中的顏色、紋理、形狀等特征的提取，分類器根據(jù)特征對(duì)其進(jìn)行分類和識(shí)別。鄒棟[2]采用直線段檢測(cè)算法(a line segment detector，LSD)和角點(diǎn)檢測(cè)(Harris)，實(shí)現(xiàn)電塔的初定位，最后通過方向梯度直方圖特征(histogram of oriented gradient，HOG)進(jìn)行支持向量機(jī)(support vector machine，SVM)分類器的訓(xùn)練，采用訓(xùn)練好的分類器去除偽目標(biāo)，實(shí)現(xiàn)桿塔的最終定位，具有較好的識(shí)別效果。劉操等[3]通過改進(jìn)的HOG特征提取方法將多通道特征進(jìn)行融合，最后采用SVM對(duì)融合后的特征進(jìn)行分類器訓(xùn)練和車輛目標(biāo)檢測(cè)。柳長(zhǎng)安等[4]通過融合飛行機(jī)器人的GPS信息和電力桿塔的GIS信息，得到電力桿塔在飛行機(jī)器人拍攝得到的圖像中的位置，再采用可變形的組件模型(deformable part model，DPM)進(jìn)行特征提取和SVM進(jìn)行目標(biāo)檢測(cè)識(shí)別。

近些年來，深度學(xué)習(xí)的快速發(fā)展得到廣泛關(guān)注，它能夠從海量影像數(shù)據(jù)中學(xué)習(xí)目標(biāo)特征[5]，為自動(dòng)提取目標(biāo)特征提供了一個(gè)有效的框架。自R-CNN[6]的橫空出世，之后的目標(biāo)檢測(cè)逐漸進(jìn)入深度學(xué)習(xí)的時(shí)代。楊知等[7]基于SAR影像對(duì)輸電桿塔的檢測(cè)，采用YOLOv2和VGG模型聯(lián)級(jí)的目標(biāo)檢測(cè)算法，首先使用YOLOv2對(duì)整景的輸電桿塔進(jìn)行識(shí)別，再使用VGG對(duì)識(shí)別結(jié)果進(jìn)行假陽性消除，雖然提高了檢測(cè)精度，但是檢測(cè)速度大幅度下降。梁懌清[8]基于YOLOv3的高分辨率SAR影像的輸電桿塔目標(biāo)檢測(cè)，將原始網(wǎng)絡(luò)的輸入改為適應(yīng)目標(biāo)尺寸大小的960×960，結(jié)合focal loss[9]思想改進(jìn)損失函數(shù)，改善了YOLOv3的誤檢、漏檢現(xiàn)象，但存在迭代時(shí)間長(zhǎng)的問題。韋汶妍等[10]采用Faster R-CNN算法對(duì)輸電桿塔檢測(cè)，利用VGG16作為特征提取網(wǎng)絡(luò)，進(jìn)行遷移學(xué)習(xí)，提高了檢測(cè)精度，縮短訓(xùn)練時(shí)間但是檢測(cè)時(shí)間并沒有改善。

綜上，傳統(tǒng)的目標(biāo)檢測(cè)算法由于其約束條件較多，在特定的場(chǎng)景下有較好的效果，環(huán)境發(fā)生變化時(shí)存在誤檢和漏檢的問題，并且存在特征構(gòu)建復(fù)雜、檢測(cè)精度不高、檢測(cè)速率較低等問題，處理過程較為復(fù)雜。雖然目前深度學(xué)習(xí)目標(biāo)檢測(cè)算法有一些改進(jìn)，但并沒有針對(duì)密集目標(biāo)的檢測(cè)進(jìn)行改進(jìn)，并且目前算法主要是針對(duì)SAR影像、地面拍攝影像的輸電桿塔檢測(cè)，對(duì)于高分辨率遙感影像的輸電桿塔檢測(cè)研究較少。

在數(shù)據(jù)集制作過程中發(fā)現(xiàn)，同一類別的輸電桿塔大目標(biāo)與小目標(biāo)的特征差異較大，不同拍攝角度導(dǎo)致輸電桿塔呈現(xiàn)不同形狀，背景復(fù)雜且存在同一類目標(biāo)相互遮擋的情況，最終導(dǎo)致電塔檢測(cè)不準(zhǔn)確。因此，本文對(duì)YOLOv3算法進(jìn)行改進(jìn)，解決上述問題，提出了高分辨率遙感影像的輸電桿塔智能檢測(cè)方法。而且，目前公開的大型數(shù)據(jù)集如DOTA[11]、VEDAI[12]等主要包含汽車、輪船、飛機(jī)、球場(chǎng)等常見目標(biāo)，但沒有公開的高分辨率遙感影像輸電桿塔的數(shù)據(jù)集，因此，本文制作的輸電桿塔目標(biāo)數(shù)據(jù)集對(duì)后續(xù)輸電桿塔的檢測(cè)研究和發(fā)展具有重要實(shí)際應(yīng)用價(jià)值。

1 輸電桿塔數(shù)據(jù)集制作

1.1 數(shù)據(jù)來源

收集了中俄邊境、江蘇省、廣州省等地區(qū)輸電桿塔的航空遙感影像共1 110景，分辨率為0.5 m，詳細(xì)參數(shù)見表1。影像數(shù)據(jù)集包含不同背景、形狀的輸電桿塔復(fù)雜情況，如圖1所示。

表1 航空遙感影像數(shù)據(jù)參數(shù)

原始影像大小為30 000像素×20 000像素，通過Python程序進(jìn)行圖像裁剪，人工篩選獲取不同背景、不同成像形狀的輸電桿塔數(shù)據(jù)集。針對(duì)原始影像中輸電桿塔的尺寸特點(diǎn)，為了能夠更好保證輸電桿塔樣本的完整性，本文數(shù)據(jù)集圖片裁剪尺寸大小為640像素×640像素。

1.2 數(shù)據(jù)集制作

為了滿足目標(biāo)檢測(cè)的通用標(biāo)準(zhǔn)格式，本文采用PASCAL VOC[13]格式標(biāo)準(zhǔn)制作輸電桿塔數(shù)據(jù)集，數(shù)據(jù)集的詳細(xì)制作過程如下。

1)利用LableImg軟件進(jìn)行圖片中輸電桿塔目標(biāo)的手動(dòng)標(biāo)注。LableImg是由Python編寫的，QT作為圖形界面，用于深度學(xué)習(xí)數(shù)據(jù)集制作的圖片標(biāo)注工具。人工進(jìn)行輸電桿塔的識(shí)別，使用輸電桿塔的最小外接矩形將目標(biāo)選中，設(shè)置目標(biāo)類別名稱為“tower”，該軟件生成與圖片對(duì)應(yīng)的可擴(kuò)展標(biāo)記語言xml格式文件。xml文件保存了圖片中目標(biāo)的類別名稱和相對(duì)應(yīng)的位置信息，其中標(biāo)注的矩形框如圖2(b)所示。xml文件中的(xmin，ymin)為圖2(b)標(biāo)注數(shù)據(jù)示例圖中綠色矩形框的左上角坐標(biāo)，(xmax，ymax)為矩形框的右下角坐標(biāo)。

2)利用xml文件保存輸電桿塔在圖中的位置信息如圖2(c)所示。根據(jù)YOLOv3的訓(xùn)練要求，將xml文件進(jìn)行格式轉(zhuǎn)換，主要包含訓(xùn)練圖片的路徑、目標(biāo)坐標(biāo)和目標(biāo)類別信息。

1.3 數(shù)據(jù)集擴(kuò)充

不同于汽車、輪船目標(biāo)，輸電桿塔屬于塔狀建筑物，在影像中隨著拍攝角度的不同，輸電桿塔呈現(xiàn)出的形狀差異較大，其結(jié)構(gòu)屬于空間桁架結(jié)構(gòu)，背景更為復(fù)雜。由于輸電桿塔目標(biāo)檢測(cè)只有一類、影像數(shù)據(jù)有限，為提高模型的泛化能力，防止訓(xùn)練模型過擬合，需要對(duì)數(shù)據(jù)集進(jìn)行數(shù)據(jù)擴(kuò)充操作，主要采用平移、旋轉(zhuǎn)、顏色變化等方式，如圖3所示。

1.4 遷移學(xué)習(xí)

為解決數(shù)據(jù)少的問題，本文采用遷移學(xué)習(xí)進(jìn)行模型的訓(xùn)練?；诖?，本文使用COCO[14](common objects in context)數(shù)據(jù)集作為源域，本文的輸電桿塔數(shù)據(jù)集作為目標(biāo)域，使用COCO數(shù)據(jù)集學(xué)習(xí)到的模型參數(shù)來訓(xùn)練YOLOv3輸電桿塔檢測(cè)模型。

首先修改網(wǎng)絡(luò)結(jié)構(gòu)。因?yàn)镃OCO數(shù)據(jù)集包括80個(gè)類別，YOLOv3層輸出為255，本文的輸電桿塔檢測(cè)只有一個(gè)類別，所以將YOLOv3層輸出改為18。使用預(yù)訓(xùn)練權(quán)重文件，凍結(jié)主干網(wǎng)絡(luò)的提取層參數(shù)不參與訓(xùn)練。因?yàn)橹鞲删W(wǎng)絡(luò)已經(jīng)使用大量的圖片訓(xùn)練過具有良好的特征提取能力，所以直接將主干網(wǎng)絡(luò)的特征提取遷移到輸電桿塔的特征提取中。訓(xùn)練其余層進(jìn)行參數(shù)微調(diào)，訓(xùn)練過程中損失趨于平穩(wěn)時(shí)進(jìn)行解凍，全部層參與訓(xùn)練，使得提取到的特征更適合輸電桿塔的目標(biāo)檢測(cè)，從而實(shí)現(xiàn)源域到輸電桿塔目標(biāo)域的遷移學(xué)習(xí)。與從零開始訓(xùn)練相比，使用遷移學(xué)習(xí)能夠很大程度上縮短訓(xùn)練時(shí)間，并且得到更好的特征提取效果，完成目標(biāo)檢測(cè)任務(wù)[15]。

2 輸電桿塔目標(biāo)檢測(cè)算法改進(jìn)

2.1 YOLOv3算法介紹

深度學(xué)習(xí)目標(biāo)檢測(cè)主要分為雙階段(two-stage)和單階段(one-stage)算法，其中two-stage目標(biāo)檢測(cè)算法主要包括Fast R-CNN[16]、Faster R-CNN[17]等，one-stage目標(biāo)檢測(cè)算法主要包括YOLOv1[18]、SSD[19]、YOLOv2[20]、YOLOv3[21]算法等。YOLOv3是在YOLOv1、YOLOv2基礎(chǔ)上進(jìn)行改進(jìn)，使用Darknet-53網(wǎng)絡(luò)，并且采用多個(gè)尺度融合的方式做檢測(cè)，對(duì)小目標(biāo)的檢測(cè)精度有很大改善。其中YOLOv3是目前為止速度和精度最為均衡的目標(biāo)檢測(cè)網(wǎng)絡(luò)，并且在目標(biāo)檢測(cè)任務(wù)中性能表現(xiàn)尤為突出。

YOLOv3的特征提取網(wǎng)絡(luò)主要由1×1和3×3的卷積層組成，由于引入殘差結(jié)構(gòu)[22]、錨點(diǎn)機(jī)制(anchor)和特征金字塔模塊，使得YOLOv3算法有更強(qiáng)的特征提取能力、更高的檢測(cè)精度以及更好的小目標(biāo)檢測(cè)效果。在對(duì)416像素×416像素圖像進(jìn)行特征提取過程中，借鑒特征金字塔網(wǎng)絡(luò)思想，分別在13×13、26×26和52×52 3個(gè)特征尺度分配3個(gè)不同大小的預(yù)選框進(jìn)行預(yù)測(cè)，從而實(shí)現(xiàn)端到端的目標(biāo)檢測(cè)。YOLOv3算法的損失函數(shù)由位置誤差損失(中心坐標(biāo)、長(zhǎng)寬損失)、置信度損失、類別損失[23]共3個(gè)部分組成。

2.2 先驗(yàn)框選擇

YOLOv3算法的先驗(yàn)框是通過COCO數(shù)據(jù)集采用K-means聚類算法得到，YOLOv3算法中的3個(gè)預(yù)測(cè)尺度分別對(duì)應(yīng)3組先驗(yàn)框，如(10，13)、(16，30)、(33，23)、(30，61)、(62，45)、(59，119)、(116，90)、(156，198)、(373，326)分別對(duì)應(yīng)52×52、26×26、13×13 3種尺度的特征圖。由于COCO數(shù)據(jù)集包含20個(gè)類別并且目標(biāo)尺寸差異較大，并不適用于輸電桿塔檢測(cè)，因此采用K-means聚類算法對(duì)輸電桿塔數(shù)據(jù)集進(jìn)行多次聚類求得平均聚類，結(jié)果為：(69，89)、(82，79)、(81，85)、(86，91)、(85，105)、(96，93)、(105，103)、(116，119)、(116，130)。

2.3 YOLOv3損失函數(shù)改進(jìn)

YOLOv3的損失函數(shù)采用均方差作為目標(biāo)框位置回歸損失，對(duì)目標(biāo)尺度敏感。研究表明，IoU不僅能反映預(yù)測(cè)框與真實(shí)框的重疊程度，同時(shí)還具有尺度不變性。但是當(dāng)預(yù)測(cè)框真實(shí)框沒有交集時(shí)，梯度消失不能夠進(jìn)行損失優(yōu)化。當(dāng)預(yù)測(cè)框與真實(shí)框重疊率相同時(shí)，IoU相同不能夠反映出重疊效果，如圖4所示，其中綠色框?yàn)檎鎸?shí)框，黑色為預(yù)測(cè)框。

基于IoU存在的問題，Rezatofighi等[24]提出GIoU損失函數(shù)。雖然GIoU可以緩解非重疊情況下的梯度消失的問題，但是出現(xiàn)如圖5所示的情況時(shí)，3種情況下GIoU相同并且等于IoU，GIoU退化為IoU導(dǎo)致失效。

為此，Zheng等[25]提出DIoU損失函數(shù)，使用距離優(yōu)化方式來解決GIoU的失效問題。為了加快模型訓(xùn)練，本文采用CIoU進(jìn)行損失優(yōu)化，CIoU考慮了目標(biāo)框回歸的3個(gè)重要因素，即重疊面積、距離、長(zhǎng)寬比。CIoU是在IoU的基礎(chǔ)上引入了最小外接矩形、歐氏距離、最小外接矩形的對(duì)角線、界框橫縱比。

2.4 非極大值抑制改進(jìn)

在原始的非極大值抑制中使用IoU作為判斷條件來抑制多余的目標(biāo)框，但由于IoU僅僅考慮重疊區(qū)域，經(jīng)常會(huì)造成錯(cuò)誤的抑制，特別是在預(yù)測(cè)框互相包含的情況下。因此將YOLOv3中的非極大值抑制算法中的判斷條件替換DIoU。DIoU同時(shí)考慮了重疊區(qū)域和兩個(gè)中心點(diǎn)距離，能夠改善目標(biāo)重疊情況下的漏檢問題，從而提高目標(biāo)的檢測(cè)精度，DIoU-NMS的公式參見文獻(xiàn)[25]。

3 實(shí)驗(yàn)與結(jié)果分析

3.1 實(shí)驗(yàn)設(shè)置

本實(shí)驗(yàn)基于Pytorch1.2深度學(xué)習(xí)框架，編程語言Python3.6。

數(shù)據(jù)集劃分為訓(xùn)練集、驗(yàn)證集，比例為0.9、0.1，分別在輸電桿塔數(shù)據(jù)集中的訓(xùn)練集和驗(yàn)證集上進(jìn)行訓(xùn)練和驗(yàn)證，數(shù)據(jù)集均為隨機(jī)分配。為了保證實(shí)驗(yàn)的準(zhǔn)確性，從與數(shù)據(jù)集無關(guān)的影像上重新制作測(cè)試數(shù)據(jù)集，數(shù)據(jù)集參數(shù)如表2所示。訓(xùn)練參數(shù)設(shè)置：最大迭代世代100，選用Adam優(yōu)化器，前50世代批次大小設(shè)為8張影像(根據(jù)計(jì)算機(jī)性能來設(shè))，初始學(xué)習(xí)率為1E-4，后50世代批次大小設(shè)為4，學(xué)習(xí)率為1E-5。在調(diào)整為合適的參數(shù)之后，損失平穩(wěn)收斂。本文使用表2數(shù)據(jù)集參數(shù)進(jìn)行訓(xùn)練、驗(yàn)證以及測(cè)試，改進(jìn)后算法的Loss曲線和P-R曲線如圖6、圖7所示。

表2 數(shù)據(jù)集參數(shù) 張

圖6 Loss曲線的橫軸為epoch，縱軸為損失值。由圖6可知，改進(jìn)后算法的損失值下降快速且平穩(wěn)收斂。圖7 P-R曲線的橫軸為召回率，縱軸為精確率。由圖7可知，改進(jìn)后的算法在本文輸電桿塔測(cè)試集上的精確率和召回率均接近1，說明改進(jìn)后算法的誤檢率和漏檢率都很低。本文將原始YOLOv3算法與SSD、Faster R-CNN算法進(jìn)行了對(duì)比實(shí)驗(yàn)，并且將改進(jìn)后的算法在本文遙感影像輸電桿塔驗(yàn)證集進(jìn)行算法評(píng)估，其中驗(yàn)證集的輸電桿塔數(shù)量為458個(gè)，各算法結(jié)果如表3所示。

表3 各算法結(jié)果表

3.2 實(shí)驗(yàn)與結(jié)果分析

由表3可知，YOLOv3算法與SSD、Faster R-CNN相比，在檢測(cè)時(shí)間相近的情況下，YOLOv3算法在各方面表現(xiàn)均優(yōu)于其他兩種算法。其中模型A是在原始YOLOv3算法上重新設(shè)置先驗(yàn)框，相比原始算法，其精確度和召回率略有提升。模型B為本文改進(jìn)后的算法，其精確度和召回率有小幅度提升。改進(jìn)之后的算法在對(duì)輸電桿塔的檢測(cè)中提供更加精確的最小外接矩形框，對(duì)桿塔的定位提供了更準(zhǔn)確的數(shù)據(jù)，部分實(shí)驗(yàn)結(jié)果如圖8所示。

由圖8(a)可知，改進(jìn)的YOLOv3算法改善了輸電桿塔的誤檢。由圖8(c)可知，改進(jìn)后的算法為輸電桿塔的目標(biāo)檢測(cè)提供了更為精準(zhǔn)的目標(biāo)框。由圖8(b)與圖8(d)可知，改進(jìn)后的算法提高了對(duì)于輸電桿塔密集目標(biāo)的檢測(cè)準(zhǔn)確度。改進(jìn)后的算法對(duì)復(fù)雜背景、密集目標(biāo)的高分辨率遙感影像中的輸電桿塔檢測(cè)效果有一定的提升。

4 結(jié)束語

本文提出了高分辨率遙感影像輸電桿塔智能檢測(cè)方法，在YOLOv3目標(biāo)檢測(cè)算法基礎(chǔ)上進(jìn)行改進(jìn)。首先，使用平移、旋轉(zhuǎn)、顏色變化等方式進(jìn)行數(shù)據(jù)擴(kuò)充操作；然后，基于COCO數(shù)據(jù)集的遷移學(xué)習(xí)對(duì)YOLOv3的網(wǎng)絡(luò)進(jìn)行參數(shù)調(diào)整；最后，通過對(duì)輸電桿塔數(shù)據(jù)集特點(diǎn)的分析，對(duì)先驗(yàn)框進(jìn)行重新聚類，對(duì)YOLOv3算法的損失函數(shù)進(jìn)行了改進(jìn)，并使用DIoU改進(jìn)的非極大值抑制算法，在檢測(cè)過程中有效降低了目標(biāo)誤檢、漏檢問題以及為輸電桿塔提供更精準(zhǔn)的矩形框。改進(jìn)后的算法在本文數(shù)據(jù)集上進(jìn)行了實(shí)驗(yàn)驗(yàn)證。相比原始算法，改進(jìn)的YOLOv3算法分別在檢測(cè)精確度和召回率上提高了0.48%、1.53%，對(duì)于變電站附近的密集輸電桿塔目標(biāo)，山地、耕地的稀疏輸電桿塔目標(biāo)的檢測(cè)有一定的改善，改進(jìn)后的YOLOv3算法能夠更好地適應(yīng)高分辨率遙感影像的輸電桿塔檢測(cè)。

總之，高分辨率遙感影像的輸電桿塔目標(biāo)檢測(cè)取得了98%以上準(zhǔn)確率的良好效果，表明深度學(xué)習(xí)算法在高分辨率遙感影像輸電桿塔檢測(cè)中的可行性，并且本文數(shù)據(jù)集的制作對(duì)后續(xù)遙感影像輸電桿塔檢測(cè)的深入研究具有一定的借鑒意義。