一種基于深度學(xué)習(xí)的產(chǎn)品分類統(tǒng)計(jì)方法的研究

王占云，閆志華

（鄭州大學(xué)機(jī)械工程學(xué)院，河南 鄭州 450001）

1 引言

目前流水生產(chǎn)線上產(chǎn)品在線自動(dòng)計(jì)數(shù)裝置一般采用光電傳感技術(shù)，這類裝置通常只能用于種類單一、擺放有序的生產(chǎn)線的在線自動(dòng)計(jì)數(shù)。而對(duì)于多品種混線生產(chǎn)，產(chǎn)品擺放隨意的生產(chǎn)線的產(chǎn)品計(jì)數(shù)，目前多采用人工完成，產(chǎn)量較大時(shí)，人工統(tǒng)計(jì)難免出現(xiàn)差錯(cuò)，從而造成浪費(fèi)。針對(duì)這一問題，以某搪瓷企業(yè)燒成生產(chǎn)線為研究對(duì)象，研究了一種基于深度學(xué)習(xí)的機(jī)器智能分類統(tǒng)計(jì)方法，實(shí)現(xiàn)了對(duì)多類產(chǎn)品混線生產(chǎn)情況下的自動(dòng)分類統(tǒng)計(jì)。近年來，深度學(xué)習(xí)是圖像識(shí)別中應(yīng)用最廣泛的一個(gè)領(lǐng)域，基于深度學(xué)習(xí)的各種模型層出不窮，其中深度神經(jīng)網(wǎng)絡(luò)（DNN）是當(dāng)前最主流的模型。該模型大多數(shù)使用顯卡廠商N(yùn)Vidia推出的通用并行計(jì)算架構(gòu)CUDA進(jìn)行GPU加速運(yùn)算，在保證識(shí)別準(zhǔn)確率的同時(shí)縮減了運(yùn)行時(shí)間，極大的提高了運(yùn)行效率。在深度卷積網(wǎng)絡(luò)模型的算法中，對(duì)多目標(biāo)圖像的識(shí)別效果最好的是fasterR-CNN算法，它能在較短的時(shí)間內(nèi)完成對(duì)多目標(biāo)圖像的快速定位。研究方法以fasterRCNN為基礎(chǔ)，首先從工業(yè)攝像頭獲取圖像，然后利用fasterR-CNN對(duì)圖像中的產(chǎn)品進(jìn)行定位，提取其位置信息，再用含有ROI池化層的深度卷積網(wǎng)絡(luò)對(duì)工業(yè)圖像進(jìn)行分類識(shí)別和統(tǒng)計(jì)[1-5]。

2 分類統(tǒng)計(jì)方法原理

分類統(tǒng)計(jì)方法首先用faster R-CNN算法提取圖像中目標(biāo)位置，之后用改進(jìn)的深度卷積網(wǎng)絡(luò)對(duì)目標(biāo)進(jìn)行分類識(shí)別，共包含圖像獲取、目標(biāo)定位、目標(biāo)分類三部分，其過程，如圖1所示。

圖1 分類檢測(cè)結(jié)構(gòu)圖Fig.1 Structure Chart of Classified Detection

2.1 圖像獲取

首先利用工業(yè)攝像頭獲得生產(chǎn)線上在制品圖像。在研究中，利用光電傳感裝置，當(dāng)懸掛在輸送機(jī)上的吊籃通過時(shí)，觸發(fā)攝像頭，獲得吊籃上的在制品圖像，并傳送回計(jì)算機(jī)進(jìn)行處理。

2.2 產(chǎn)品定位—faster R-CNN

產(chǎn)品定位采用faster R-CNN算法實(shí)現(xiàn)，該算法對(duì)產(chǎn)品的候選區(qū)域進(jìn)行提取和類型識(shí)別，把不需要的候選區(qū)域作背景處理，保留需要的產(chǎn)品區(qū)域信息。Faster R-CNN引用區(qū)域生成網(wǎng)絡(luò)RPN對(duì)產(chǎn)品候選區(qū)進(jìn)行選擇和定位，在輸出端輸出產(chǎn)品區(qū)域位置信息和目標(biāo)所屬類型，其過程，如圖2所示。

在區(qū)域生成網(wǎng)絡(luò)RPN中，輸入與輸出的對(duì)應(yīng)關(guān)系為：

式中：輸入圖像為 x，輸出為 XPart1∈Ru×v@r，表示輸出 r為 u×v個(gè)尺寸的特征圖，θPart1—待學(xué)習(xí)參數(shù)。

之后結(jié)合RPN的輸出，得到faster R-CNN網(wǎng)絡(luò)的輸入與輸出關(guān)系如下：

圖2 Faster R-CNN網(wǎng)絡(luò)Fig.2 Faster R-CNN Network

2.3 產(chǎn)品分類—改進(jìn)的深度卷積網(wǎng)絡(luò)

深度卷積網(wǎng)絡(luò)的輸入要求圖像尺寸相同，而輸入深度卷積網(wǎng)絡(luò)的圖像包括faster R-CNN提取的不同尺寸的產(chǎn)品區(qū)域圖像和生產(chǎn)線上的攝像頭以及工廠用數(shù)碼相機(jī)拍攝的不同尺寸的樣本照。對(duì)于尺寸不同的圖像，傳統(tǒng)的方法是將圖像縮放到大小相同的尺寸，但這樣容易造成圖像信息的丟失[6]。改進(jìn)的深度卷積網(wǎng)絡(luò)是在深度卷積網(wǎng)絡(luò)中添加一個(gè)RoI池化層，歸一化輸入全連接層的輸入特征尺寸。該網(wǎng)絡(luò)的輸入為樣本圖像和樣本圖像的產(chǎn)品位置信息，其中樣本圖像輸入卷積網(wǎng)絡(luò)進(jìn)行特征提取，產(chǎn)品位置信息通過卷積網(wǎng)絡(luò)的映射機(jī)制映射到最后一層公共卷積層上，之后用ROI池化層對(duì)特征圖上目標(biāo)區(qū)域的特征進(jìn)行尺度歸一化處理[7]，使其轉(zhuǎn)化為固定長度的特征向量，然后將特征向量輸入softmax分類器進(jìn)行分類識(shí)別[8]。ZF5模型，如圖3所示。（圖中的RoI-pooling層的13×13為固定尺寸，不隨輸入尺寸的改變而改變），輸入的產(chǎn)品位置信息為［x，y，w，h，n］，最后一層公共卷積層中產(chǎn)品區(qū)域位置信息為［x′，y′，w′，h′，n］，n1、n2為 Pool1 和 Pool2 的滑窗尺寸，則兩者的映射關(guān)系為：

深度卷積網(wǎng)絡(luò)中輸入與輸出之間的關(guān)系如下：

式中：part—映射后的產(chǎn)品區(qū)域位置信息。

圖3 改進(jìn)的深度卷積神經(jīng)網(wǎng)絡(luò)ZF5模型Fig.3 The Model of Improved Depth Convolution Neural

分類器的參數(shù)表達(dá)如下：

式中：K—產(chǎn)品的種類數(shù)；y—圖像中產(chǎn)品的種類標(biāo)簽。

3 數(shù)據(jù)集

本分類統(tǒng)計(jì)方法主要用于工業(yè)生產(chǎn)中多類混線產(chǎn)品的分類記數(shù)，選擇成套搪瓷品為實(shí)驗(yàn)對(duì)象，它在生產(chǎn)線上有多種類和混線生產(chǎn)的特點(diǎn)。圖像的來源分為三類：工業(yè)攝像頭拍攝的搪瓷品套件，數(shù)碼相機(jī)在不同環(huán)境下拍攝的搪瓷品以及數(shù)碼相機(jī)拍攝的樣本照。采用VOC 2007數(shù)據(jù)集的格式以及評(píng)價(jià)算法工具，將原始圖像樣本制作為VOC 2007數(shù)據(jù)集格式并添加自定義標(biāo)簽，作為fasterR-CNN網(wǎng)絡(luò)和改進(jìn)深度卷積網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)集，圖像為jpg格式。搪瓷品圖片共收集到755幅，包括生產(chǎn)線上的搪瓷品112幅、其他環(huán)境下的搪瓷品613幅以及樣本照30幅，為了擴(kuò)充數(shù)據(jù)集，將一些圖像向右鏡像和向下鏡像處理，并添加相應(yīng)標(biāo)簽信息，最終得到數(shù)據(jù)集2154幅，標(biāo)簽共6792個(gè)。部分搪瓷品圖像樣本，如圖4所示。

圖4 原始輸入圖像樣本Fig.4 Original Input Image Sample

4 預(yù)訓(xùn)練

4.1 運(yùn)行環(huán)境配置

硬件配置：處理器Inteli5-4210M@2.60GHz，GPU顯卡Nvidia GeForce GTX 960（2G），內(nèi)存 8G（DRR3L 1600MHz）

軟件配置：Win10 64位操作系統(tǒng)，編程軟件Matlab2014a和VS2013，CUDA7.5數(shù)據(jù)庫。

4.2 faster R-CNN網(wǎng)絡(luò)預(yù)訓(xùn)練

該分類統(tǒng)計(jì)方法需要對(duì)faster R-CNN的網(wǎng)絡(luò)和改進(jìn)的深度卷積網(wǎng)絡(luò)進(jìn)行預(yù)訓(xùn)練調(diào)參，使該方法能夠?qū)μ麓善返奶卣鬟M(jìn)行提取和識(shí)別分類。首先對(duì)fasterR-CNN的網(wǎng)絡(luò)進(jìn)行預(yù)訓(xùn)練，這里fasterR-CNN的網(wǎng)絡(luò)選用ZF5和VGG16兩種模型，把模型中的多分類改為二分類模式（即搪瓷品和其他），提高訓(xùn)練的精度和識(shí)別率。其中ZF5模型設(shè)置，如圖3所示。VGG16模型參數(shù)設(shè)置如下：該網(wǎng)絡(luò)包括13層卷積層、5層池化層和3層全連接層，在卷積層所有卷積核均為3*3大小，步長為1，池化層的滑動(dòng)窗口為2*2大小，步長為2。兩個(gè)模型的學(xué)習(xí)率均設(shè)置為0.01，迭代次數(shù)設(shè)置為20000次。在訓(xùn)練中訓(xùn)練樣本占80%，測(cè)試樣本占20%。預(yù)訓(xùn)練采用交替訓(xùn)練的方法，首先用在ImgNet預(yù)訓(xùn)練的模型進(jìn)行參數(shù)初始化，訓(xùn)練RPN網(wǎng)絡(luò)；然后用RPN上提取的候選框訓(xùn)練FastR-CNN網(wǎng)絡(luò)參數(shù)；之后固定共享卷積層，用訓(xùn)練好的fastR-CNN重新訓(xùn)練RPN網(wǎng)絡(luò)，訓(xùn)練完成后再用RPN網(wǎng)絡(luò)的候選框微調(diào)fastR-CNN，如此交替優(yōu)化來訓(xùn)練faster R-CNN的網(wǎng)絡(luò)參數(shù)，直至收斂為止[9]。Faster R-CNN預(yù)訓(xùn)練完成后，VGG16模型的搪瓷品位置信息提取效果，如圖5所示。生產(chǎn)線上搪瓷品識(shí)別過程，如圖6所示。

圖5 faster R-CNN區(qū)域定位結(jié)果Fig.5 The Results of Faster R-CNN Regional Positioning

圖6 生產(chǎn)線上搪瓷品識(shí)別過程Fig.6 Enamel Identification of Production Line

4.3 改進(jìn)的深度卷積網(wǎng)絡(luò)預(yù)訓(xùn)練

改進(jìn)的深度卷積網(wǎng)絡(luò)訓(xùn)練時(shí)，需要輸入單件搪瓷品的圖像，因此訓(xùn)練集選用數(shù)碼相機(jī)拍攝的簡單背景下的單件搪瓷品圖像和搪瓷品樣本照。待識(shí)別的搪瓷品分為4類，共有4種標(biāo)簽：大搪瓷盆、大搪瓷蓋、小搪瓷盆、小搪瓷蓋。深度卷積網(wǎng)絡(luò)選用ZF5和VGG16兩種模型，網(wǎng)絡(luò)模型參數(shù)設(shè)置同faster R-CNN一樣，學(xué)習(xí)率設(shè)置為0.01，迭代次數(shù)設(shè)為6000次。選用已經(jīng)訓(xùn)練好的faster R-CNN共享卷積層的參數(shù)進(jìn)行初始化，用反向傳播算法對(duì)softmax分類器和卷積網(wǎng)絡(luò)進(jìn)行微調(diào)。在訓(xùn)練過程中發(fā)現(xiàn)，VGG16模型比ZF5模型的損失率低，而且VGG16訓(xùn)練時(shí)的收斂速度更快。

5 實(shí)驗(yàn)結(jié)果分析

在faster R-CNN搪瓷品區(qū)域位置信息提取階段，用不同模型和訓(xùn)練樣本進(jìn)行實(shí)驗(yàn)，來驗(yàn)證卷積網(wǎng)絡(luò)深度和樣本集大小對(duì)識(shí)別精度的影響，實(shí)驗(yàn)結(jié)果，如表1所示。準(zhǔn)確率為四次試驗(yàn)的平均值。

表1 Faster R-CNN在不同網(wǎng)絡(luò)模型和不同樣本下的識(shí)別準(zhǔn)確率Tab.1 Accuracy of Faster R-CNN Recognition Under Different Network Models and Different Number of Samples

在改進(jìn)的深度卷積網(wǎng)絡(luò)訓(xùn)練中，用傳統(tǒng)的縮放輸入圖像尺寸后輸入卷積網(wǎng)絡(luò)的方法，與本方法進(jìn)行對(duì)比，采用不同的模型進(jìn)行識(shí)別對(duì)比，實(shí)驗(yàn)結(jié)果，如表2所示。準(zhǔn)確率為四次試驗(yàn)平均值。

表2 不同深度卷積網(wǎng)絡(luò)在ZF5和VGG16模型下的識(shí)別準(zhǔn)確率Tab.2 Identification Accuracy of Convolutional Networks with Different Depths in ZF5 and VGG16 Models

預(yù)訓(xùn)練完成后，用不同的faster R-CNN和深度卷積網(wǎng)絡(luò)模型進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果，如表3所示。

表3 不同模型組合網(wǎng)絡(luò)的分類準(zhǔn)確率和運(yùn)行時(shí)間Tab.3 Classification Accuracy and Running Time of Different Model Combinations

實(shí)驗(yàn)結(jié)果表明，在產(chǎn)品定位階段，適當(dāng)增加樣本量和增加網(wǎng)絡(luò)卷積層的深度，可以提高faster R-CNN提取搪瓷品位置區(qū)域的準(zhǔn)確率；在產(chǎn)品分類階段，深度卷積網(wǎng)絡(luò)中加入RoI池化層，可以提高卷積網(wǎng)絡(luò)的分類準(zhǔn)確率；整個(gè)分類統(tǒng)計(jì)方法中使用VGG16模型，識(shí)別率到達(dá)83.7%，每秒鐘可以處理3張圖像，滿足實(shí)時(shí)性分類統(tǒng)計(jì)的要求。

6 結(jié)論

（1）提出了一種基于faster R-CNN和改進(jìn)的深度卷積網(wǎng)絡(luò)結(jié)合的圖像識(shí)別方法，用于搪瓷制品混線生產(chǎn)情況下的產(chǎn)品在線自動(dòng)分類統(tǒng)計(jì)；

（2）用RoI池化層歸一化最后共享卷積層的特征，比直接通過縮放圖像來統(tǒng)一輸入圖像尺寸的方法識(shí)別率更高；

（3）實(shí)驗(yàn)結(jié)果表明，采用VGG16作為分類統(tǒng)計(jì)方法中faster R-CNN和改進(jìn)深度卷積網(wǎng)絡(luò)的模型，分類統(tǒng)計(jì)效果更好。