張建華，趙 維，趙 巖，王 唱，李克祥

(河北工業(yè)大學(xué)機(jī)械工程學(xué)院，天津 300401)

0 引言

隨著工業(yè)智能化快速發(fā)展，利用視覺技術(shù)迅速準(zhǔn)確地完成對工業(yè)零部件的自動識別，已經(jīng)成為智能裝配領(lǐng)域研究的熱點[1-3]。

傳統(tǒng)目標(biāo)檢測算法需手動提取目標(biāo)特征，然后通過分類器進(jìn)行訓(xùn)練分類。馮長建等[4]提出核心主成分分析(KPCA)與支持向量機(jī)(SVM)混合的機(jī)械零部件形狀識別方法，通過傅立葉描繪子獲取零部件輪廓信息，利用KPCA進(jìn)行特征矢量降維，最后用SVM進(jìn)行分類。實驗表明，該方法對位置分散且形狀完整的機(jī)械零部件有很高的識別率。王紅濤等[5]提出基于邊緣匹配的工件識別算法，在利用Canny算法提取圖像特征之后，將改進(jìn)的Hausdorff距離作為特征匹配的相似性度量方法，最后采用自適應(yīng)代溝替代策略的遺傳算法獲得距離最優(yōu)解。實驗結(jié)果表明，該算法不僅可以加速特征匹配過程，而且提高其抗噪性，可有效解決平移、旋轉(zhuǎn)、部分遮擋等情況下圖像匹配識別問題。傳統(tǒng)基于特征的工件檢測方法存在效率低、手工設(shè)計的特征魯棒性差等問題[6]，難以滿足現(xiàn)代工業(yè)檢測需求。

近年來，隨著深度學(xué)習(xí)技術(shù)快速發(fā)展，上述問題得到一定程度的解決。LIU等[7]將二維工件檢測網(wǎng)絡(luò)PolishNet-2d和三維工件識別網(wǎng)絡(luò)PolishNet-3d串聯(lián)使用，完成制造業(yè)中拋光工件的識別任務(wù)。TANG等[8]利用神經(jīng)網(wǎng)絡(luò)檢測目標(biāo)工件角點信息，根據(jù)檢測概率和角點間幾何關(guān)系總結(jié)規(guī)律建立決策樹來識別工件類型。KHALID等[9]提出一種全卷積網(wǎng)絡(luò)結(jié)構(gòu)，根據(jù)圖像點云信息劃分出工件區(qū)域和非工件區(qū)域，進(jìn)而檢測出工件數(shù)量及其位姿信息。YOLOv4[10]結(jié)合了大量前人研究技術(shù)，加以組合并進(jìn)行適當(dāng)創(chuàng)新，實現(xiàn)了速度和精度的完美平衡，是目前性能最優(yōu)越的目標(biāo)檢測算法之一。但是針對工件的識別問題，因其網(wǎng)絡(luò)參數(shù)規(guī)模較大，對于實際工況網(wǎng)絡(luò)計算速度較慢。

針對上述問題，本文提出一種輕量化目標(biāo)檢測算法改進(jìn)YOLOv4算法，可以快速、準(zhǔn)確地完成工件識別任務(wù)。

1 YOLOv4算法原理

與R-CNN[11]和R-FCN[12]等基于候選區(qū)域的目標(biāo)檢測算法不同，YOLOv4作為單階段目標(biāo)檢測算法，將檢測視作回歸問題，不再生成區(qū)域候選框，極大提高了檢測速度，可滿足生產(chǎn)過程工件實時檢測需求。YOLOv4網(wǎng)絡(luò)結(jié)構(gòu)由輸入端、Backbone特征提取網(wǎng)絡(luò)、Neck中間層和Head輸出層4部分組成。

其中，Backbone特征提取網(wǎng)絡(luò)是CSPDarknet53，由Darknet53和CSPNet[13]結(jié)合而成。借鑒CSPNet在降低計算量的同時保持準(zhǔn)確性的經(jīng)驗，YOLOv4在各殘差塊上添加跨階段局部網(wǎng)絡(luò)(CSP)，將基礎(chǔ)層特征映射分為主干和支路兩個部分，主干繼續(xù)堆積原殘差塊，支路相當(dāng)于一個殘差邊，進(jìn)一步通過跨階段層級將兩部分融合。

Neck中間層包括空間金字塔池化網(wǎng)絡(luò)(SPP)和路徑聚合網(wǎng)絡(luò)(PAN)結(jié)構(gòu)兩個部分。SPP分別利用4個不同尺度的最大池化對上層輸出的特征圖進(jìn)行處理，顯著增加了感受野，分離最重要的上下文特征并且?guī)缀醪粫档蚘OLOv4的運行速度。高層特征含有語義信息，而低層特征包含更具體的細(xì)節(jié)信息。借鑒PANet進(jìn)行參數(shù)聚合經(jīng)驗，YOLOv4中PAN層先是利用一條自頂而下信息傳輸路徑捕捉強(qiáng)語義特征，再利用一條自底向上信息傳輸路徑傳遞細(xì)節(jié)信息，通過兩條路徑組合，可很好完成目標(biāo)檢測。

Head輸出層用來完成目標(biāo)檢測結(jié)果輸出。此階段將輸入圖像分成網(wǎng)格單元，目標(biāo)由目標(biāo)中心點落入的網(wǎng)格單元負(fù)責(zé)檢測，每個單元輸出結(jié)果為B×(5+C)。其中，B代表一個單元能夠預(yù)測的邊界框數(shù)量；C表示預(yù)測目標(biāo)類別數(shù)量；5代表四個邊界框參數(shù)和一個邊界框中目標(biāo)置信度。根據(jù)單個網(wǎng)格的輸出結(jié)果，最終網(wǎng)絡(luò)輸出為S×S×B×(5+C)，其中S代表圖像中每行或每列的網(wǎng)格數(shù)量。

2 改進(jìn)YOLOv4輕量化高精度工件識別算法

2.1 特征提取網(wǎng)絡(luò)輕量化

YOLOv4特征提取網(wǎng)絡(luò)CSPDarknet53在分類準(zhǔn)確性上表現(xiàn)優(yōu)異，但是其缺點是參數(shù)量和計算量過大。因此，本文引入輕量化網(wǎng)絡(luò)Moblienetv3[14]代替CSPDarknet53作為特征提取網(wǎng)絡(luò)。Moblienetv3網(wǎng)絡(luò)結(jié)構(gòu)如表1所示。

表1 Moblienetv3網(wǎng)絡(luò)結(jié)構(gòu)

表中Input為每層輸入特征圖大?。籓perate為每層處理特征圖所用方法；bneck為瓶頸結(jié)構(gòu)，由一個卷積核大小為1×1的卷積層和深度可分離卷積層組成；Pool為平均池化操作；NBN代表沒有使用批歸一化操作；exp size為模塊中增加后的通道數(shù)；#out為輸出通道數(shù)；SE表示是否在該bneck模塊中使用SE模塊；NL為激活函數(shù)類型；RE代表ReLU；HS為hard-swish；s為步長。

Moblienetv3網(wǎng)絡(luò)結(jié)構(gòu)分為3部分。第1層為起始部分，通過1個卷積核大小為3×3的卷積層提取特征；第2到16層為中間部分，由多個bneck結(jié)構(gòu)組成；第17到20層為最后部分，用于輸出類別。除去最后部分，剩下的16層作為Moblienetv3的主體結(jié)構(gòu)。在保證各層網(wǎng)絡(luò)輸出特征圖尺度不變且訓(xùn)練環(huán)境相同的情況下，根據(jù)主體結(jié)構(gòu)不同網(wǎng)絡(luò)層對平均精度均值(mAP)的影響大小，對mAP影響較小的網(wǎng)絡(luò)層進(jìn)行剪枝。最后將Moblienetv3的寬度因子設(shè)為0.875，進(jìn)一步減少網(wǎng)絡(luò)參數(shù)量。Moblienetv3主體結(jié)構(gòu)不同網(wǎng)絡(luò)層對mAP的影響如表2所示。

表2 Moblienetv3主體結(jié)構(gòu)不同網(wǎng)絡(luò)層對mAP的影響 (%)

由表2可看出，Moblienetv3的第16層對mAP影響最小，其次是第11層，因此本文對這2層網(wǎng)絡(luò)進(jìn)行剪枝。

簡化后的Moblienetv3網(wǎng)絡(luò)主體結(jié)構(gòu)如表3所示。

表3 簡化后的Moblienetv3主體結(jié)構(gòu)

將CSPDarknet53、Moblienetv3與本文簡化后的Moblienetv3網(wǎng)絡(luò)參數(shù)量進(jìn)行對比，如表4所示。

表4 特征提取網(wǎng)絡(luò)參數(shù)量對比

由表可知，簡化后的Moblienetv3網(wǎng)絡(luò)可達(dá)到減少模型更新開銷、降低內(nèi)存占用和計算量的目的。

2.2 改變深層網(wǎng)絡(luò)卷積方式降低網(wǎng)絡(luò)計算量

為進(jìn)一步降低計算量，用深度可分離卷積層替換深層網(wǎng)絡(luò)的標(biāo)準(zhǔn)卷積層。圖1a為標(biāo)準(zhǔn)卷積過程，其輸入特征圖大小為DF×DF×M，輸出特征圖大小為DF×DF×N時，總計算量如式(1)所示：

Fs=DF×DF×Dk×Dk×M×N

(1)

與標(biāo)準(zhǔn)卷積相比，深度可分離卷積將通道和區(qū)域分開考慮，將卷積過程分為深度卷積與點卷積。深度卷積過程如圖1b所示，其計算量如式(2)所示：

Fd=DF×DF×Dk×Dk×M

(2)

由于深度卷積是將卷積核按通道分解，并且僅在通道之間進(jìn)行卷積，所以輸入和輸出的特征圖通道數(shù)量相同且無法改變。因此需續(xù)接一個點卷積，用以改變通道數(shù)量。圖1c表示點卷積過程，此過程計算量如式(3)所示：

F1=DF×DF×M×N

(3)

將深度可分離卷積與標(biāo)準(zhǔn)卷積的計算量進(jìn)行比較，如式(4)所示：

(4)

(a) 標(biāo)準(zhǔn)卷積計算過程

(b) 深度卷積計算過程

(c) 點卷積計算過程

可以看出，雖然深度可分離卷積將卷積過程分為兩步，但憑借輕量的卷積方式，可極大降低卷積過程計算量。

2.3 增加特征圖數(shù)量提高檢測精度

YOLOv4通過PAN結(jié)構(gòu)輸出13×13、26×26、52×52這3種不同尺度的特征圖。深層特征圖尺寸小、感受野大，有利于檢測大尺寸物體。淺層與之相反，更有利于檢測小尺寸物體。在實際檢測過程中，對于小尺寸物體依然存在漏檢情況。因此，為增加淺層細(xì)節(jié)信息，在YOLOv4結(jié)構(gòu)基礎(chǔ)上，增加104×104特征層，并與其他三個特征層進(jìn)行特征融合，從而提高網(wǎng)絡(luò)檢測精度。

2.4 基于K-means++的Anchor Box重聚類

原始YOLOv4算法的Anchor Box是由K-means算法在COCO和VOC數(shù)據(jù)集上聚類得出。由于本文采用自制數(shù)據(jù)集，與COCO和VOC數(shù)據(jù)集差異較大，原始聚類結(jié)果不能代表本文數(shù)據(jù)，因此需重新對數(shù)據(jù)集進(jìn)行聚類，以選出具有代表性的Anchor Box。由于K-means算法存在對初始點選取較敏感、隨機(jī)選取的初始點對聚類結(jié)果影響較大、易陷入局部最優(yōu)等問題，本文采用K-means++[15]算法對數(shù)據(jù)集進(jìn)行重聚類。K-means++算法步驟如下：

步驟1：從數(shù)據(jù)集X中隨機(jī)選取一個樣本作為初始聚類中心。

步驟2：計算每個樣本xi與當(dāng)前已有聚類中心Ci的距離D(xi)。

D(xi)=1-IOU(xi,Ci)

(5)

步驟3：計算每個樣本被選為下一個聚類中心的概率P。

(6)

步驟4：按照輪盤法選出下一個聚類中心。

步驟5：重復(fù)步驟2～4，直至選出K個聚類中心。

兩種聚類分析算法的精度計算方法如下：計算最后得到K個Anchor Box與bounding box的重疊度(IOU)，對于每個bounding box選取其對應(yīng)最大的IOU值代表其精度，聚類分析算法的精度值為所有IOU值的平均值。兩種聚類分析算法的精度對比如表5所示，表明K-means++算法聚類精度更高，獲得的Anchor Box更能代表本文數(shù)據(jù)集?；贙-means++算法獲得的Anchor Box值如表6所示。

表5 兩種聚類分析算法精度

表6 Anchor Box在特征圖上分布

至此，針對工件類型識別任務(wù)，完成了本文對YOLOv4網(wǎng)絡(luò)的改進(jìn)，搭建了輕量化的改進(jìn)YOLOv4模型，其結(jié)構(gòu)如圖2所示。

圖2 所提出的改進(jìn)YOLOv4網(wǎng)絡(luò)結(jié)構(gòu)

3 實驗與結(jié)果分析

3.1 樣本集構(gòu)建

為驗證所提出的改進(jìn)YOLOv4目標(biāo)檢測算法的有效性，通過圖像采集和圖像標(biāo)注創(chuàng)建具有3類工件圖像樣本(六角螺栓、六角螺母、軸)的數(shù)據(jù)集。

首先，搭建圖3a所示圖像采集平臺，利用工業(yè)相機(jī)(海康威視MV-CA060-10GC，最大分辨率為3270×2048)采集圖像4100張，采集的部分圖像如圖3b所示，用Labelimg軟件對圖像進(jìn)行手工標(biāo)注。然后，進(jìn)行數(shù)據(jù)增廣，對圖像進(jìn)行翻轉(zhuǎn)、鏡像、亮度和對比度變換，將圖像擴(kuò)充至24 000張。并將數(shù)據(jù)集分為3組，其中訓(xùn)練集18 000張，驗證集2000張，測試集4000張。

(a) 圖像采集平臺 (b) 數(shù)據(jù)集部分圖像

3.2 網(wǎng)絡(luò)訓(xùn)練及評價指標(biāo)

3.2.1 網(wǎng)絡(luò)訓(xùn)練

網(wǎng)絡(luò)模型采用分階段訓(xùn)練策略：第一階段為凍結(jié)訓(xùn)練，因神經(jīng)網(wǎng)絡(luò)主干特征提取部分所提取的特征具有通用性，故凍結(jié)特征提取網(wǎng)絡(luò)，以提高訓(xùn)練效率，同時可以防止權(quán)值被破壞。第二階段為解凍后訓(xùn)練。兩個階段的超參數(shù)如表7所示。

表7 模型訓(xùn)練參數(shù)

圖4 訓(xùn)練過程損失變化曲線

表中，Momentum表示動量參數(shù)，可在梯度下降算法中加速模型收斂；Weight-decay表示權(quán)重衰減系數(shù)，可有效限制參數(shù)變化幅度，起到一定正則作用；Base learning rate表示基礎(chǔ)學(xué)習(xí)率，決定權(quán)值的更新速度；Batch size表示每批次訓(xùn)練樣本量大?。籈poch表示全部訓(xùn)練樣本訓(xùn)練次數(shù)?？傆?xùn)練次數(shù)為100個Epoch，損失值變化曲線如圖4所示。

3.2.2 評價指標(biāo)

選擇每秒傳輸幀數(shù)(fps)度量模型檢測速度，模型參數(shù)量(Params size)作為模型規(guī)模大小參數(shù)，平均精度均值(mAP)衡量檢測精度。

AP值是P-R曲線的包圍面積，mAP為所有類別AP值的均值。P代表精確率，R代表召回率。P、R的計算方法如式(7)、式(8)所示：

P=TP/(TP+FP)

(7)

R=TP/(TP+FN)

(8)

式中，TP代表實際為正類且預(yù)測為正類的樣本數(shù)量；FP代表實際為負(fù)類但預(yù)測為正類的樣本數(shù)量；FN代表實際為正類但預(yù)測為負(fù)類的樣本數(shù)量。

3.3 實驗結(jié)果分析

改進(jìn)YOLOv4算法工件識別結(jié)果如圖5所示。

圖5 工件識別結(jié)果

將改進(jìn)YOLOv4算法與原始YOLOv4算法進(jìn)行對比，在測試集上進(jìn)行測試，對比結(jié)果如表8所示。

表8 改進(jìn)YOLOv4與原始YOLOv4對比結(jié)果

結(jié)果表明，在模型參數(shù)規(guī)模方面，YOLOv4算法的模型參數(shù)量為244.29 MB，改進(jìn)YOLOv4算法模型參數(shù)量為31.52 MB，降低了87.10%；在檢測速度方面，YOLOv4的檢測速度為30.51 fps，改進(jìn)YOLOv4達(dá)到42.67 fps，提升了39.86%，可達(dá)到實時檢測需求。雖然與YOLOv4相比，改進(jìn)YOLOv4檢測精度略有降低，但依然達(dá)到98.00%，可滿足實用需求。

4 結(jié)束語

針對工業(yè)機(jī)器人生產(chǎn)過程中自動工件識別需求，提出一種輕量化目標(biāo)檢測網(wǎng)絡(luò)改進(jìn)YOLOv4算法，實現(xiàn)工件自動識別。與YOLOv4算法相比，所提出的算法引入簡化的Moblienetv3作為主干特征提取網(wǎng)絡(luò)，采用深度可分離卷積層代替深層網(wǎng)絡(luò)中標(biāo)準(zhǔn)卷積層，降低網(wǎng)絡(luò)參數(shù)量，并使用K-means++算法對數(shù)據(jù)集進(jìn)行重聚類獲取更有代表性的Anchor Box，同時在特征融合結(jié)構(gòu)中增加104×104特征檢測尺度并與另外三個尺度融合，提高工件識別精度。結(jié)果表明，改進(jìn)YOLOv4算法網(wǎng)絡(luò)參數(shù)規(guī)模減小87.1%，檢測速度提高39.86%，初步滿足機(jī)器人生產(chǎn)過程中工件自動檢測需求。在未來研究中，將進(jìn)一步針對零件相互堆疊遮擋導(dǎo)致漏檢問題，借鑒MAO[16]等解決行人遮擋問題的方法，引入額外特征，如分割信息和邊緣信息等，減少工件部分信息缺失對識別影響，提高檢測精度。