祝志慧 ，何昱廷 ，李沃霖 ，蔡紫荊 ，王巧華 ，馬美湖

（1. 華中農(nóng)業(yè)大學(xué)工學(xué)院，武漢 430070；2. 農(nóng)業(yè)部長(zhǎng)江中下游農(nóng)業(yè)裝備重點(diǎn)實(shí)驗(yàn)室，武漢 430070；3. 華中農(nóng)業(yè)大學(xué)食品科學(xué)技術(shù)學(xué)院，武漢 430070）

0 引 言

中國是世界上最大的水禽生產(chǎn)與消費(fèi)國，其中，鴨的飼養(yǎng)量占中國水禽飼養(yǎng)量70%以上。2021 年中國蛋鴨存欄1.5 億只，鴨蛋產(chǎn)量277.6 萬t，總產(chǎn)值352.2 億元，較2020 年上漲37.1%[1-3]，然而，中國蛋鴨養(yǎng)殖總體呈“小規(guī)模、大群體”的特點(diǎn)[4]，巡檢和撿蛋均依賴人工，勞動(dòng)強(qiáng)度大、人工成本高、工作環(huán)境差。故迫切需要一種可以代替人工，在鴨場(chǎng)進(jìn)行鴨蛋拾取的機(jī)器人。開發(fā)鴨蛋拾取機(jī)器人的關(guān)鍵技術(shù)，是使其能夠在不同干擾、遮擋覆蓋等復(fù)雜環(huán)境下，對(duì)鴨蛋進(jìn)行快速、準(zhǔn)確檢測(cè)和定位。

研究表明，對(duì)于目標(biāo)重疊、遮擋等復(fù)雜環(huán)境導(dǎo)致的識(shí)別困難問題，深度學(xué)習(xí)因其較高的魯棒性、普適性，能夠很好地解決[5-9]。特別是YOLO（you only look once）模型，可根據(jù)待檢測(cè)目標(biāo)特征和應(yīng)用場(chǎng)景做出改進(jìn)，以提高模型性能[10-16]。

目前，尚未有對(duì)禽舍中鴨蛋自動(dòng)識(shí)別的報(bào)道，但是針對(duì)番茄花果、芒果、火龍果、蘋果、柑橘等類橢圓的農(nóng)產(chǎn)品，已有學(xué)者提出在遮擋重疊等復(fù)雜環(huán)境的檢測(cè)方法。呂志遠(yuǎn)等[17]采用組合增強(qiáng)的YOLOX-ViT 對(duì)番茄花果進(jìn)行識(shí)別，引入圖像組合增強(qiáng)與前端ViT 分類網(wǎng)絡(luò)，得到平均識(shí)別率均值為92.3%的模型。ROY 等[18]在檢測(cè)芒果時(shí)，將DenseNet 加入骨干網(wǎng)絡(luò)，優(yōu)化模型特征提取，使得檢測(cè)平均精度達(dá)96.2%。龔惟新等[19]為實(shí)現(xiàn)對(duì)獼猴桃花朵的快速準(zhǔn)確檢測(cè)，提出基于改進(jìn)YOLOv5s 的獼猴桃花朵檢測(cè)模型，改進(jìn)模型的檢測(cè)精確率為85.21%。王金鵬等[20]為檢測(cè)復(fù)雜自然環(huán)境下多種生長(zhǎng)姿態(tài)的火龍果，基于YOLOv7 模型提出一種多姿態(tài)火龍果檢測(cè)方法，其檢測(cè)準(zhǔn)確率達(dá)83.6%。周桂紅等[21]為解決蘋果果園密植栽培模式，果樹之間相互遮擋導(dǎo)致蘋果果實(shí)識(shí)別效果差的問題，提出一種基于改進(jìn)YOLOv4 和基于閾值的邊界框匹配合并算法的全景圖像蘋果識(shí)別方法，改進(jìn)后的YOLOv4 網(wǎng)絡(luò)模型識(shí)別精確率達(dá)到96.19%。劉潔等[22]提出一種便于遷移與部署的改進(jìn)YOLOv4 模型，實(shí)現(xiàn)對(duì)橙果的檢測(cè)，識(shí)別平均精度達(dá)97.24%，為橙果在復(fù)雜場(chǎng)景下采摘提供新的思路。楊堅(jiān)等[23]提出基于改進(jìn)YOLOv4-tiny 模型，將卷積注意力模塊集成到網(wǎng)絡(luò)中，以提高被遮擋番茄的識(shí)別準(zhǔn)確率，平均精度值達(dá)97.9%。XU 等[24]提出一種改進(jìn)的Mask R-CNN 模型，用于對(duì)番茄目標(biāo)的檢測(cè)，準(zhǔn)確率達(dá)93.76%。這些方法為鴨蛋識(shí)別與定位提供了參考。

鴨場(chǎng)環(huán)境復(fù)雜惡劣，常有泥土、秸稈等遮擋鴨蛋，同時(shí)亦有大量顏色相近的鴨羽覆蓋，易造成簇?fù)怼⒅丿B、遮擋等現(xiàn)象，目標(biāo)檢測(cè)難度大。因此在識(shí)別過程中需要考慮以下幾個(gè)方面的問題：1）鴨蛋形態(tài)的差異性，鴨蛋的形狀和大小變化較小，因此在目標(biāo)重疊和遮擋的情況下，較難通過目標(biāo)的外形信息來進(jìn)行區(qū)分；2）鴨蛋表面的異質(zhì)性，鴨蛋往往會(huì)因其表面紋理的差異，同時(shí)受到光照、陰影等因素的影響，導(dǎo)致圖像中的鴨蛋出現(xiàn)亮度和顏色變化，進(jìn)而影響識(shí)別結(jié)果；3）鴨蛋背景的復(fù)雜性，鴨蛋識(shí)別的背景往往比較復(fù)雜，存在秸稈和稻殼、分隔網(wǎng)柵、鴨子等干擾信息，使得背景中的紋理和顏色等信息與鴨蛋的信息混淆，干擾識(shí)別的準(zhǔn)確性。由于上述差異，現(xiàn)有的目標(biāo)識(shí)別策略難以直接應(yīng)用于鴨蛋識(shí)別領(lǐng)域。為解決這些問題，本文擬采用YOLOv7 模型作為目標(biāo)檢測(cè)方法并針對(duì)鴨蛋識(shí)別場(chǎng)景進(jìn)行專門研究和算法優(yōu)化。

針對(duì)鴨蛋形狀和大小變化較小，環(huán)境及背景復(fù)雜，存在較多干擾信息等問題，本文在主干網(wǎng)絡(luò)加入卷積注意力模塊（CBAM，convolutional block attention module），加強(qiáng)網(wǎng)絡(luò)信息傳遞，提高模型對(duì)特征的敏感程度，減少復(fù)雜環(huán)境對(duì)鴨蛋識(shí)別干擾。同時(shí)，在特征提取網(wǎng)絡(luò)之后引入優(yōu)化的空間金字塔池化結(jié)構(gòu)（SPP，spatial pyramid pooling），將原本分支并行的SPP 結(jié)構(gòu)調(diào)整為串聯(lián)傳遞，在實(shí)現(xiàn)鴨蛋目標(biāo)特征增強(qiáng)的同時(shí)，降低一定運(yùn)算成本。最后，為更好地將模型部署到機(jī)器人上構(gòu)建鴨蛋識(shí)別系統(tǒng)，利用深度可分離卷積(DSC，depthwise separable convolution)降低模型參數(shù)數(shù)量和運(yùn)算成本，以期實(shí)現(xiàn)在復(fù)雜環(huán)境下，鴨蛋的快速精準(zhǔn)識(shí)別定位，為復(fù)雜環(huán)境中鴨蛋拾取機(jī)器人的智能化精準(zhǔn)識(shí)別提供一定的技術(shù)指導(dǎo)。

1 材料與方法

1.1 數(shù)據(jù)材料

1.1.1 數(shù)據(jù)采集與預(yù)處理

試驗(yàn)材料為購自河南商丘的櫻桃谷白殼鴨蛋。為搭建鴨蛋圖像采集平臺(tái)，使用羽毛、秸稈、泥沙等材料，模擬鴨舍的復(fù)雜環(huán)境。同時(shí)，于武漢余家灣種鴨養(yǎng)殖廠采集實(shí)際場(chǎng)景鴨蛋圖像。模擬場(chǎng)景和實(shí)際場(chǎng)景的鴨蛋圖像采集均使用榮耀HLK-AL10 型相機(jī)。為保證檢測(cè)模型的魯棒性和精確性，所得數(shù)據(jù)中包括多角度、多位置、不同距離、不同遮擋形式的鴨蛋圖像，如圖1 所示。共采集分辨率為4 000× 3 000 像素的JPG 格式圖像2 600 張。

圖1 鴨蛋數(shù)據(jù)圖Fig.1 Duck-eggs data image

使用Make Sense 軟件，對(duì)鴨蛋圖像進(jìn)行標(biāo)注，得到包含鴨蛋中心點(diǎn)坐標(biāo)（x，y），標(biāo)注框?qū)挾?、高度（w，h）信息的txt 文件。本文在標(biāo)注過程中，只將圖像分為鴨蛋目標(biāo)和背景兩類。由于本文僅進(jìn)行鴨蛋目標(biāo)檢測(cè)，故僅需標(biāo)注鴨蛋，圖像其他部分由Make Sense 自動(dòng)標(biāo)注為背景。

對(duì)原始圖像采取數(shù)據(jù)增強(qiáng)的方法，增加模型訓(xùn)練的數(shù)據(jù)量，防止模型出現(xiàn)過擬合，泛化性差等問題[25-26]。常用數(shù)據(jù)增強(qiáng)方法包括：旋轉(zhuǎn)、翻轉(zhuǎn)、平移、裁剪、引入噪聲、調(diào)節(jié)亮度等[27]。本文選擇對(duì)原始圖像添加12%的高斯噪聲、2.5%的椒鹽噪聲，通過增加冗余信息，降低圖像平滑性，加入噪聲前后的對(duì)比圖像如圖2a、2b、2c 所示。同時(shí)，為模擬鴨場(chǎng)的昏暗環(huán)境，在RGB 通道利用轉(zhuǎn)換公式：

圖2 鴨蛋數(shù)據(jù)增強(qiáng)Fig.2 Duck-eggs data enhancement

式中g(shù)(i,j)為轉(zhuǎn)換后圖像像素灰度；f(i,j)為原始圖像像素灰度；a為圖像增益；b為圖像偏置。

分別設(shè)置a=0.5，b=10；a=0.3，b=10；使得原始圖像亮度降低，有利于提升檢測(cè)模型的魯棒性。轉(zhuǎn)換前后圖像對(duì)比分別如圖2 d、2e、2f 所示。并且，在訓(xùn)練過程中，使用Mosaic 方法[28]，將多張圖像隨機(jī)裁剪并拼接，豐富待檢測(cè)物體的背景，該方法能有效提升模型抗擾動(dòng)能力[29]，其拼接結(jié)果如圖2 g 所示。

1.1.2 數(shù)據(jù)集劃分

對(duì)采集的原始圖像數(shù)據(jù)（2 600 張）按照6：2：2 劃分為訓(xùn)練集（1 560 張）、驗(yàn)證集（520 張）、測(cè)試集（520 張）。為豐富現(xiàn)有訓(xùn)練集數(shù)據(jù)信息，防止模型出現(xiàn)過擬合等問題，對(duì)訓(xùn)練集樣本使用如下數(shù)據(jù)增強(qiáng)方法：1）添加12%的高斯噪聲。2）添加2.5%的椒鹽噪聲。3）設(shè)置圖像增益a=0.3 及a=0.5，改變圖像亮度。經(jīng)數(shù)據(jù)增強(qiáng)后，共得訓(xùn)練集數(shù)據(jù)7 800 張，同時(shí)為保證模型的準(zhǔn)確性和環(huán)境適應(yīng)性，訓(xùn)練集中包含各類影響識(shí)別的圖像，具體分類見表1。圖像中鴨蛋目標(biāo)數(shù)量為1～5 個(gè)時(shí)屬于稀疏分布，6～10 個(gè)時(shí)屬于中等密集分布，10 個(gè)以上時(shí)屬于簇?fù)矸植?。同時(shí)，表中每一類圖像，都分別經(jīng)過添加噪聲（12%高斯噪聲、2.5%椒鹽噪聲）、降低亮度處理（設(shè)置圖像增益a=0.3、a=0.5）。

表1 訓(xùn)練集分類Table 1 Classification of train set

經(jīng)過數(shù)據(jù)增強(qiáng)處理，結(jié)合所標(biāo)注的原始樣本數(shù)據(jù)，共得8 840 張圖像。其中訓(xùn)練集為7 800 張，驗(yàn)證集為520 張，測(cè)試集為520 張。

1.1.3 試驗(yàn)平臺(tái)

本文對(duì)鴨蛋檢測(cè)模型的訓(xùn)練和測(cè)試，均在同一環(huán)境下運(yùn)行。硬件配置及軟件環(huán)境如表2 所示。

表2 試驗(yàn)平臺(tái)環(huán)境Table 2 Experiment bed environment

1.2 檢測(cè)方法

1.2.1 YOLOv7 目標(biāo)檢測(cè)模型

YOLOv7 模型框架主要由輸入端、主干網(wǎng)絡(luò)、特征融合、預(yù)測(cè)頭4 個(gè)模塊組成，是WANG 等[30]為更好實(shí)現(xiàn)實(shí)時(shí)目標(biāo)檢測(cè)，研究更適配邊緣設(shè)備及云端的算法，在YOLOv4、YOLOv5 等的基礎(chǔ)上于2022 年提出。YOLOv7 模型作為單階段目標(biāo)檢測(cè)算法，可以通過直接回歸的方式一次處理并獲得對(duì)應(yīng)物體的目標(biāo)區(qū)域、位置及類別，相較于兩階段目標(biāo)檢測(cè)算法，有著檢測(cè)速度快的優(yōu)點(diǎn)，能較好地平衡速度和精度，為實(shí)現(xiàn)實(shí)時(shí)鴨場(chǎng)中復(fù)雜環(huán)境下鴨蛋識(shí)別定位奠定了基礎(chǔ)[31]。

1.2.2 模型改進(jìn)方法

為使模型學(xué)習(xí)到局部和全局信息，并在提高識(shí)別鴨蛋精度和速度的同時(shí)，減少漏檢和錯(cuò)檢，本文在YOLOv7模型的基礎(chǔ)上，提出一種融合CBAM、DSC 及優(yōu)化空間金字塔池化結(jié)構(gòu)的改進(jìn)YOLOv7 模型（YOLOv7_CDS），改進(jìn)的模型結(jié)構(gòu)如圖3 所示。

圖3 改進(jìn)模型整體結(jié)構(gòu)Fig.3 Structure of improved model

從以下3 個(gè)方面進(jìn)行改進(jìn)：

1）卷積注意力模塊

鴨場(chǎng)中，因?yàn)楣庹铡⒄趽跻约氨尘埃ń斩捄偷練?、鴨子）等因素，?dǎo)致圖片中干擾信息與鴨蛋特征信息混淆，影響識(shí)別的準(zhǔn)確性，出現(xiàn)漏檢和錯(cuò)檢，故為進(jìn)一步解決復(fù)雜環(huán)境中環(huán)境信息對(duì)于鴨蛋特征提取的干擾問題，本文在YOLOv7 主干網(wǎng)絡(luò)中引入CBAM 結(jié)構(gòu)，包含通道注意力、空間注意力2 個(gè)模塊[32]。在原網(wǎng)絡(luò)提取特征后，利用CBAM 進(jìn)行通道注意力和空間注意力模塊的串聯(lián)，對(duì)原有的鴨蛋特征圖進(jìn)行信息提煉，提升模型在主干網(wǎng)絡(luò)中對(duì)特征提取的準(zhǔn)確性[33-34]。

CBAM 的通道注意力模塊，對(duì)輸入的特征圖（Feature map），分別進(jìn)行全局平均池化和全局最大池化，得到新的特征圖，接著通過σ函數(shù)得到權(quán)重系數(shù)，權(quán)重系數(shù)與新的特征圖相乘，最終得到輸出特征圖，其計(jì)算方法如式（2）。

空間注意力模塊，將通道注意力模塊輸出的特征圖作為輸入，進(jìn)行最大池化和平均池化后在通道維度拼接，接著經(jīng)過卷積降為一個(gè)通道，并通過σ函數(shù)生成空間權(quán)重系數(shù)，將輸入特征圖與權(quán)重相乘，即得到輸出的特征圖，其計(jì)算方法如式（3）所示。

式中Mc為通道注意力圖，Ms為空間注意力圖；Fm為輸入特征圖；σ為Sigmoid 函數(shù)；f7×7為7×7 卷積；MLP為Multilayer Perceptron 神經(jīng)網(wǎng)絡(luò)。

CBAM 中兩個(gè)模塊的串聯(lián)較好地解決了SE（squeezeand-excitation）和ECA（efficient channel attention）僅關(guān)注通道信息的問題。如表3 為YOLOv7 模型分別引入CBAM、SE 和ECA 注意力機(jī)制后的檢測(cè)性能對(duì)比，由表知，YOLOv7+CBAM 的F1 分?jǐn)?shù)分別高出YOLOv7、YOLOv7+SE 和YOLOv7+ECA 模型5.1、3.3 和2.4 個(gè)百分點(diǎn)。CBAM 通過串聯(lián)通道和空間模塊給予鴨蛋特征更多的關(guān)注，使得模型提取的特征指向性更強(qiáng)，對(duì)鴨蛋識(shí)別任務(wù)更具優(yōu)越性。圖4 展示了模型引入CBAM 模塊的位置。

表3 模型引入不同注意力機(jī)制的檢測(cè)性能Table 3 Detection performance of models introducing different attention mechanisms%

圖4 CBAM 改進(jìn)位置Fig.4 CBAM improves position

2）深度可分離卷積網(wǎng)絡(luò)

實(shí)現(xiàn)鴨蛋的準(zhǔn)確識(shí)別定位是鴨蛋拾取機(jī)器人的關(guān)鍵技術(shù)，需要考慮嵌入式設(shè)備的內(nèi)存及算力限制。在保證良好檢測(cè)精度的前提下，對(duì)模型運(yùn)算量及大小進(jìn)行一定壓縮，提高其對(duì)嵌入式設(shè)備的適用性。本文在YOLOv7模型的ELAN 結(jié)構(gòu)中將3×3 的卷積層替換為深度可分離卷積（DSC，depthwise separable convolution），使得網(wǎng)絡(luò)在保證原有信息傳遞的情況下，減少一定的浮點(diǎn)運(yùn)算量及模型大小。圖5 和表4 為深度可分離卷積應(yīng)用的具體位置。

表4 主干網(wǎng)絡(luò)中深度可分離卷積位置Table 4 Depthwise separable convolution positions in backbone

圖5 深度可分離卷積改進(jìn)位置Fig.5 Depthwise separable convolution improves position

DSC 于2018 年由SANDLER 等[35]提出，其浮點(diǎn)預(yù)算量（FLOPs，floating point operations per second）計(jì)算如式（4）。對(duì)比標(biāo)準(zhǔn)卷積浮點(diǎn)運(yùn)算量[36]，計(jì)算如式（5）。

式中Ci、Co分別為輸入、輸出通道數(shù)，K為卷積核大小，Ho、Wo分別為輸出特征圖高度、寬度。二者浮點(diǎn)運(yùn)算量之比為：+，當(dāng)Co為4，K為3時(shí)，深度可分離卷積浮點(diǎn)運(yùn)算量減少約。

3）空間金字塔池化結(jié)構(gòu)

空間金字塔池化結(jié)構(gòu)（SPP，spatial pyramid pooling）由HE 等[37]提出。該結(jié)構(gòu)能夠提高全局感受野，減少對(duì)空間信息的依賴，幫助模型在復(fù)雜環(huán)境中分離出鴨蛋和背景，通過捕捉不同尺度的鴨蛋信息，較好地解決視場(chǎng)較大、遮擋較多時(shí)，鴨蛋遠(yuǎn)近不一、大小不一的問題，提升模型采集有效特征的能力，增強(qiáng)模型對(duì)小目標(biāo)的檢測(cè)能力。本文借鑒快速空間金字塔池化結(jié)構(gòu)（SPPF，spatial pyramid pooling - fast）思想[38]，在原YOLOv7 模型中引入改進(jìn)的空間金字塔池化結(jié)構(gòu)，改進(jìn)前后的結(jié)構(gòu)分別如圖6a、6b 所示。

原空間金字塔池化結(jié)構(gòu)采用分支并行的方式進(jìn)行不同尺度（5×5、9×9、13×13）的最大池化，并Concat 堆疊通道。本文改進(jìn)的結(jié)構(gòu)采用串聯(lián)3 個(gè)相同尺度（5×5）的最大池化的方法，將每一個(gè)最大池化的輸出進(jìn)行通道堆疊。若輸入特征尺寸為16×16，串聯(lián)的2 個(gè)5×5 的最大池化可以等效于1 個(gè)9×9 的最大池化，二者均輸出尺寸為8×8 的特征。同理，串聯(lián)的3 個(gè)5×5 的最大池化可以等效于1 個(gè)13×13 的最大池化。并且，池化尺度越大所需的計(jì)算成本越大[39]，故對(duì)其采用統(tǒng)一尺度串聯(lián)的方式，充分利用每個(gè)池化的輸出，使得模型能在保持原有優(yōu)點(diǎn)的基礎(chǔ)上，提升檢測(cè)效率。

1.2.3 模型評(píng)價(jià)指標(biāo)

為檢驗(yàn)訓(xùn)練好的模型，是否適用于復(fù)雜環(huán)境下鴨蛋的實(shí)時(shí)檢測(cè)，本文將從檢測(cè)精度和檢測(cè)速度兩方面的指標(biāo)進(jìn)行評(píng)價(jià)。

1）模型精度指標(biāo)：精確度（Precision），評(píng)估模型預(yù)測(cè)是否準(zhǔn)確，計(jì)算式如（6）所示；召回率（Recall），評(píng)估模型檢測(cè)出目標(biāo)數(shù)據(jù)的能力，計(jì)算式如（7）所示；F1 分?jǐn)?shù)（F1 score）是精確度與召回率的調(diào)和平均，是避免精確度或召回率出現(xiàn)單一極大值，用于綜合反映整體的指標(biāo)，計(jì)算式如（8）所示；平均精度均值（mAP，mean average precision）是衡量預(yù)測(cè)目標(biāo)位置及類別算法的指標(biāo)，對(duì)目標(biāo)檢測(cè)模型評(píng)估有著一定意義。

式中TP為鴨蛋被正確識(shí)別的數(shù)量；FP為將其他物體識(shí)別為鴨蛋的數(shù)量，即錯(cuò)檢；FN為沒有正確識(shí)別出鴨蛋的數(shù)量，即漏檢。

2）模型速度指標(biāo)：將模型檢測(cè)1 張圖片的平均用時(shí)，作為衡量模型速度指標(biāo)。同時(shí)，利用浮點(diǎn)運(yùn)算量（FLOPs，floating point operations per second）、模型占內(nèi)存空間大小兩個(gè)指標(biāo)，來衡量模型部署于嵌入式設(shè)備的能力。

本文需要在鴨場(chǎng)復(fù)雜環(huán)境中實(shí)現(xiàn)鴨蛋檢測(cè)，為區(qū)別于其他目標(biāo)檢測(cè)任務(wù)，本文將對(duì)模型在檢測(cè)中出現(xiàn)的結(jié)果進(jìn)行定義與說明。1）漏檢：鴨蛋存在，但模型將其識(shí)別為背景，未輸出檢測(cè)框。2）誤檢：①將背景識(shí)別為鴨蛋；②將n個(gè)粘連的鴨蛋識(shí)別為1 個(gè)鴨蛋，記為誤檢n個(gè)鴨蛋。另外，模型輸出大小正確的單個(gè)檢測(cè)框，且檢測(cè)框內(nèi)只存在被鴨羽覆蓋的單個(gè)鴨蛋，該情況對(duì)鴨蛋拾取機(jī)器人的拾取過程影響較小，故不將該情況記為漏檢或誤檢。

1.2.4 模型訓(xùn)練參數(shù)

輸入圖片尺寸640× 640 像素，迭代次數(shù)150 輪，訓(xùn)練批次（batch_size）設(shè)置為8。為使模型同時(shí)滿足“快”和“優(yōu)”，并且防止過擬合，設(shè)置初始學(xué)習(xí)率為0.01，學(xué)習(xí)退火參數(shù)為0.1，訓(xùn)練過程中，模型學(xué)習(xí)率從0.01呈余弦變化衰退至0.001。此外，模型訓(xùn)練過程中使用YOLOv7.pt 預(yù)訓(xùn)練權(quán)重文件。

2 結(jié)果與分析

2.1 消融試驗(yàn)結(jié)果

使用相同數(shù)據(jù)集進(jìn)行訓(xùn)練和測(cè)試，利用各改進(jìn)方法做消融試驗(yàn)，得到消融試驗(yàn)結(jié)果如表5 所示，其中使用CBAM 模塊進(jìn)行改進(jìn)的模型記為YOLOv7_C，使用DSC 模塊進(jìn)行改進(jìn)的模型記為YOLOv7_D，使用優(yōu)化后的空間金字塔池化結(jié)構(gòu)改進(jìn)的記為YOLOv7_S，組合改進(jìn)命名以此類推。從表5 可以看出，經(jīng)過CBAM 模塊對(duì)通道和空間兩個(gè)維度的優(yōu)化，模型提取待檢測(cè)目標(biāo)特征能力有所加強(qiáng)，如模型YOLOv7_C 相較YOLOv7 模型，F(xiàn)1分?jǐn)?shù)提高5.1 個(gè)百分點(diǎn)；同時(shí)，在mAP 上，相較于YOLOv7模型，YOLOv7_C 提升了5.7 個(gè)百分點(diǎn)，YOLOv7_CD提升了6.2 個(gè)百分點(diǎn)，YOLOv7_CS 提升了7.3 個(gè)百分點(diǎn)，YOLOv7_CDS 提升了8.1 個(gè)百分點(diǎn)。由表5 可以看出，相比于YOLOv7 原始模型，單獨(dú)采用深度可分離卷積、單獨(dú)采用空間金字塔池化進(jìn)行改進(jìn)的方法，在F1 分?jǐn)?shù)上提升分別為1.2 個(gè)百分點(diǎn)和2.5 個(gè)百分點(diǎn)，在mAP 上提升分別為1.8 個(gè)百分點(diǎn)和4 個(gè)百分點(diǎn)，說明單獨(dú)應(yīng)用一種優(yōu)化方法對(duì)鴨蛋數(shù)據(jù)檢測(cè)性能提升有限。

表5 消融試驗(yàn)結(jié)果Table 5 Ablation experiment results

圖7 為改進(jìn)模型的訓(xùn)練損失和驗(yàn)證損失曲線，由圖7 可得，經(jīng)過CBAM 模塊的優(yōu)化，模型的損失振蕩減弱，并快速趨于穩(wěn)定。當(dāng)單獨(dú)使用深度可分離卷積、空間金字塔池化進(jìn)行優(yōu)化時(shí)，僅較輕減弱損失振蕩。當(dāng)與CBAM 進(jìn)行結(jié)合使用后，模型的各指標(biāo)均得到較大提升。由其損失曲線能直觀地反映出，YOLOv7_C、YOLOv7_CD、YOLOv7_CS、YOLOv7_CDS 在訓(xùn)練至50 輪后趨于穩(wěn)定，且損失降低至一個(gè)較低值。說明CBAM 模塊、深度可分離卷積和空間金字塔池化結(jié)構(gòu)的結(jié)合對(duì)鴨蛋的識(shí)別定位具有較高效益。

圖7 改進(jìn)模型損失曲線Fig.7 Improved model loss curve

此外，通過調(diào)整深度可分離卷積網(wǎng)絡(luò)、空間金字塔池化結(jié)構(gòu)，YOLOv7_CDS 相較于YOLOv7，模型浮點(diǎn)運(yùn)算量（FLOPs）減少7.9 G，模型占內(nèi)存空間大小減少6.1 M。記錄各個(gè)模型在驗(yàn)證集上的檢測(cè)時(shí)間，將每張圖像平均耗時(shí)作為模型檢測(cè)速度，試驗(yàn)結(jié)果如表5 所示。對(duì)于單張圖像，YOLOv7_CDS 模型檢測(cè)平均耗時(shí)0.022 s。試驗(yàn)表明YOLOv7_CDS 模型占空間內(nèi)存較少，在精度和速度方面具有一定優(yōu)越性，可部署于鴨蛋拾取機(jī)器人的嵌入式設(shè)備。

2.2 改進(jìn)模型檢測(cè)對(duì)比

利用處于不同情況的鴨蛋進(jìn)一步對(duì)比改進(jìn)模型的實(shí)際檢測(cè)效果。圖8 展示了YOLOv7 改進(jìn)后實(shí)際檢測(cè)效果對(duì)比。對(duì)于在蛋窩中的堆疊鴨蛋，各模型均無漏檢錯(cuò)檢，改進(jìn)的YOLOv7_CDS 模型其平均置信度達(dá)95.0%，符合預(yù)期。同時(shí)，由圖8 知，在視場(chǎng)較大、背景干擾較多、情況較復(fù)雜時(shí)，YOLOv7_CDS 模型檢測(cè)效果較優(yōu)。如圖中鴨場(chǎng)無遮擋場(chǎng)景所示，YOLOv7_CDS 無錯(cuò)檢漏檢，平均置信度達(dá)83.3%。而YOLOv7 原始模型錯(cuò)將羽毛識(shí)別為1 個(gè)鴨蛋，并漏檢1 個(gè)。如圖中鴨場(chǎng)復(fù)雜環(huán)境所示，YOLOv7_CDS 漏檢5 個(gè)，無錯(cuò)檢。YOLOv7 原始模型僅檢測(cè)出3 個(gè)鴨蛋。其余模型實(shí)際檢測(cè)效果均差于YOLOv7_CDS 模型，如YOLOv7_CS 漏檢11 個(gè)，無錯(cuò)檢。試驗(yàn)結(jié)果表明，CBAM 較好地抑制干擾，優(yōu)化模型性能，同時(shí)結(jié)合深度可分離卷積、空間金字塔池化的優(yōu)化方法，可以更好地提升模型對(duì)鴨蛋的檢測(cè)性能。

圖8 YOLOv7 改進(jìn)后檢測(cè)效果對(duì)比Fig.8 Comparison of detection effects after improvement of YOLOv7

2.3 不同模型性能對(duì)比

將改進(jìn)的YOLOv7 模型，與目前常用的目標(biāo)檢測(cè)模型：SSD、YOLOv4、YOLOv5 進(jìn)行對(duì)比，結(jié)果如表6 所示。由表6 可知，YOLOv5_L、YOLOv7_CDS 具有一定優(yōu)越性，F(xiàn)1 分?jǐn)?shù)都達(dá)到95%以上。在F1 分?jǐn)?shù)上，YOLOv7_CDS 高出SSD 模型8.3 個(gè)百分點(diǎn)、高出YOLOv4 模型10.1 個(gè)百分點(diǎn)、高出YOLOv5_M 模型8.7 個(gè)百分點(diǎn)、高出YOLOv7 模型7.6 個(gè)百分點(diǎn)，但是低于YOLOv5_L 模型0.4 個(gè)百分點(diǎn)。這是由于YOLOv5_L 模型的網(wǎng)絡(luò)深度和寬度，分別在C3 模塊和卷積核數(shù)量的影響下，不斷加深、擴(kuò)大，致使其犧牲速度而獲得更高精度。由表6 可知，YOLOv5_L 模型平均精度均值（mAP）高出YOLOv7_CDS 模型1.1 個(gè)百分點(diǎn)，但YOLOv7_CDS 占空間大小比YOLOv5_L 減少24.1 M。同時(shí)，相較于YOLOv5_L，YOLOv7_CDS 單張圖像檢測(cè)平均用時(shí)減少0.011 s，在速度上具有一定優(yōu)越性，更適于部署在鴨蛋拾取機(jī)器人的嵌入式設(shè)備上。

表6 不同模型的檢測(cè)性能Table 6 Detection performance of different models

2.4 模型檢測(cè)結(jié)果

2.4.1 遮擋目標(biāo)檢測(cè)對(duì)比

為進(jìn)一步驗(yàn)證YOLOv7_CDS 模型對(duì)解決鴨蛋遮擋問題的能力，將無遮擋、相互遮擋、泥土遮擋、羽毛遮擋4 類圖像輸入模型。圖9 展示了各模型對(duì)4 類情況的檢測(cè)結(jié)果。由圖9 知，在無遮擋的情況下，各模型均準(zhǔn)確檢測(cè)出6 個(gè)目標(biāo)，并且平均置信度均達(dá)到90%及以上。當(dāng)鴨蛋相互遮擋時(shí)，YOLOv4 出現(xiàn)了誤檢的情況，將背景錯(cuò)誤識(shí)別為鴨蛋，而其他模型均準(zhǔn)確無誤地檢測(cè)出目標(biāo)。鴨蛋被泥土和糞便遮擋是鴨場(chǎng)中經(jīng)常出現(xiàn)的情況，對(duì)于只有10%～20%可見面積的鴨蛋，由圖9 可得，5個(gè)模型都準(zhǔn)確地檢測(cè)出被泥土遮擋的鴨蛋，并且平均置信度都達(dá)90%以上，較好地解決鴨蛋被遮擋覆蓋的檢測(cè)問題。

圖9 不同遮擋情況下各模型檢測(cè)對(duì)比Fig.9 Comparison of different model detection for each obscure situation

鴨子在鴨場(chǎng)中活動(dòng)時(shí)會(huì)散落大量鴨羽，鴨羽覆蓋在鴨蛋上時(shí)，因其顏色相近，造成目標(biāo)檢測(cè)困難。圖9 展示了各模型在鴨蛋被鴨羽遮擋時(shí)的檢測(cè)能力（為了更清晰地觀察檢測(cè)結(jié)果，隱藏圖中的鴨蛋標(biāo)簽及置信度）。由圖9 可知，SSD 模型漏檢5 個(gè)鴨蛋，錯(cuò)檢2 個(gè)；YOLOv4 模型漏檢5 個(gè)鴨蛋，錯(cuò)檢4 個(gè)；YOLOv5_M 模型漏檢2 個(gè)鴨蛋，錯(cuò)檢8 個(gè)；YOLOv7_CDS 無漏檢、錯(cuò)檢，以較高的準(zhǔn)確率檢測(cè)出被羽毛遮擋的鴨蛋。表7 為各模型在解決羽毛遮擋問題時(shí)，檢測(cè)性能對(duì)比。由表7 可知，改進(jìn)的模型在無漏檢、錯(cuò)檢的情況下，有著較高的平均置信度以及較小的空間大小，表明其可以很好地解決羽毛遮擋時(shí)鴨蛋檢測(cè)問題。

表7 羽毛遮擋情況不同模型檢測(cè)對(duì)比Table 7 Comparison of different models for feather obscuring detection

2.4.2 密集目標(biāo)檢測(cè)對(duì)比

為檢驗(yàn)?zāi)Ｐ褪欠窨梢越鉀Q鴨場(chǎng)中鴨蛋密集程度不同導(dǎo)致檢測(cè)困難的問題，將稀疏、中等密集、簇?fù)? 類圖像輸入模型，檢測(cè)結(jié)果如圖10 所示。各模型在稀疏和中等密集情況下，對(duì)鴨蛋的檢測(cè)具有很好的適用性。在簇?fù)砬闆r下，YOLOv5_M、YOLOv4 以及SSD 模型均有較多漏檢和誤檢，無法解決密集目標(biāo)檢測(cè)問題。YOLOv5_L與YOLOv7_CDS 檢測(cè)性能的對(duì)比結(jié)果見表8。由表8 可知，2 個(gè)模型對(duì)于簇?fù)砬闆r的鴨蛋，均無漏檢、誤檢，有較好的適用性。YOLOv7_CDS 平均置信度較YOLOv5_L提高了2.4 個(gè)百分點(diǎn)，綜合考慮2 個(gè)模型的模型大小、檢測(cè)平均用時(shí)和平均置信度，本文提出的YOLOv7_CDS模型更適合部署在鴨蛋拾取機(jī)器人上，并為鴨蛋拾取機(jī)器人在鴨場(chǎng)中拾取密集分布的鴨蛋提供技術(shù)支持。

表8 簇?fù)砬闆r不同模型檢測(cè)對(duì)比Table 8 Comparison of different models for clustered detection

圖10 不同密集程度下各模型檢測(cè)對(duì)比Fig.10 Comparison of the detection of each model at different densities

2.4.3 鴨場(chǎng)實(shí)例檢測(cè)結(jié)果

將從鴨場(chǎng)實(shí)地采集的未經(jīng)訓(xùn)練圖像輸入改進(jìn)模型，觀察其在實(shí)際情況下對(duì)鴨蛋的檢測(cè)能力。圖11 為改進(jìn)模型檢測(cè)結(jié)果，對(duì)比左邊原始圖像可以看出，YOLOv7_CDS模型在實(shí)際場(chǎng)景下檢測(cè)性能良好，對(duì)于昏暗、多目標(biāo)、遮擋、大視場(chǎng)等場(chǎng)景，均無錯(cuò)檢，可實(shí)現(xiàn)復(fù)雜環(huán)境中鴨蛋的準(zhǔn)確檢出。

圖11 實(shí)例檢測(cè)Fig.11 Instance detection

3 結(jié) 論

為實(shí)現(xiàn)在不同角度、不同干擾等復(fù)雜環(huán)境下，對(duì)鴨蛋的快速準(zhǔn)確檢測(cè)，本研究采集模擬環(huán)境和實(shí)際環(huán)境的鴨蛋圖像，以YOLOv7 為基礎(chǔ)算法，引入CBAM 機(jī)制加強(qiáng)模型對(duì)鴨蛋的關(guān)注度，改進(jìn)空間金字塔池化結(jié)構(gòu)，并添加DSC 結(jié)構(gòu)提高模型效率。將改進(jìn)的YOLOv7 模型與原模型，以及其他常用算法模型的檢測(cè)結(jié)果進(jìn)行對(duì)比，得出以下結(jié)論：

1）在本文采集的模擬和實(shí)際環(huán)境的鴨蛋數(shù)據(jù)集上，改進(jìn)并訓(xùn)練YOLOv7 模型，得到較優(yōu)檢測(cè)模型YOLOv7_CDS，其F1 分?jǐn)?shù)為95.5%，平均精度均值為85.2%。與原始模型YOLOv7 相比，精確率提高了6.3 個(gè)百分點(diǎn)，召回率提高了8.8 個(gè)百分點(diǎn)，F(xiàn)1 分?jǐn)?shù)提高了7.6 個(gè)百分點(diǎn)，平均精度均值提高了8.1 個(gè)百分點(diǎn)。同時(shí)在實(shí)例檢測(cè)中，無論是堆疊遮擋、還是多干擾等復(fù)雜情況，YOLOv7_CDS 模型均具有一定優(yōu)勢(shì)。

2）與常用目標(biāo)檢測(cè)模型SSD、YOLOv4 以及YOLOv5_M 相比，改進(jìn)后模型YOLOv7_CDS 的F1 分?jǐn)?shù)分別提高了8.3、10.1 和8.7 個(gè)百分點(diǎn)；平均精度均值分別提高了15.4、10.7 以及16.4 個(gè)百分點(diǎn)。結(jié)果表明在復(fù)雜環(huán)境中，YOLOv7_CDS 模型進(jìn)行鴨蛋檢測(cè)具有可行性。針對(duì)鴨蛋簇?fù)?、光照昏暗、覆蓋遮擋等復(fù)雜情況時(shí)YOLOv7_CDS 模型具有較高魯棒性，都能達(dá)到較優(yōu)的檢測(cè)效果。

3）YOLOv7_CDS 模型檢測(cè)速度快，對(duì)單張圖片檢測(cè)，平均耗時(shí)僅為0.022 s，相比SSD、YOLOv4 以及YOLOv5_L，耗時(shí)分別減少0.073、0.072 以及0.011 s。同時(shí)，改進(jìn)的YOLOv7 模型占內(nèi)存空間小，在部署于鴨蛋拾取機(jī)器人的嵌入式設(shè)備具有一定優(yōu)越性，為鴨蛋拾取機(jī)器人在鴨場(chǎng)中拾取鴨蛋提供技術(shù)支持。