基于YOLOv5網(wǎng)絡的輪胎面缺陷檢測分析

王鵬輝，王旭飛，劉怡帆，周 鵬，惠繼強

（陜西理工大學 機械工程學院，陜西 漢中 723000）

1 背景介紹

在汽車保有量越來越大的今天，交通事故頻頻發(fā)生，促使汽車安全性越來越受到社會廣泛關注。目前，汽車輪胎面缺陷檢測仍然依賴于人工肉眼判斷，在及時判斷輪胎面缺陷狀況所導致的安全隱患方面存在不足。

將神經(jīng)網(wǎng)絡應用于汽車輪胎檢測是通過視頻監(jiān)控采集汽車輪胎狀況信息排除安全隱患的一種方式，對于智能化檢測車輛輪胎信息具有重要意義。隨著基于神經(jīng)網(wǎng)絡的深度學習方法日益成熟，其廣泛地被應用于目標檢測與識別領域。李明達等采用Faster-RCNN對輪胎面缺陷進行檢測，在中大型輪胎面缺陷方面檢測效果較好，但在檢測輪胎實物的應用中存在缺陷。王嘉璐等提出了一種將YOLOv4（You Only Look Once）應用于識別車輛車標的識別系統(tǒng)，具有較高的精度與較快的速度，且在不同環(huán)境中仍能保持精度。宋歡歡提出一種Center Net車輛目標檢測模型，在實際交通環(huán)境中實現(xiàn)較高的平均識別準確率。張素智等提出一種基于AlexNet卷積神經(jīng)網(wǎng)絡與嶺回歸分析的汽車輪胎圖像識別算法，通過在原損失函數(shù)中引入一個新的正則項來降低特征信息的擬合曲線抖動問題。LV等通過利用不規(guī)則扭曲像素裂痕映射檢測方式降低圖像中噪點和孤立點對測量準確率的影響，提出一種輪胎表面缺陷識別算法。李珊將YOLOv5算法應用于道路病害的檢測和分類，改善了原檢測模型對目標車輛檢測性能較低，實時性較低的問題。綜上，汽車輪胎面缺陷檢測領域仍存在檢測成功率較低、檢測速度較低、檢測結果受環(huán)境影響大和難以識別小型目標等問題。本文以汽車輪胎為研究對象，自制輪胎面缺陷數(shù)據(jù)集，采用YOLOv5網(wǎng)絡作為深度卷積神經(jīng)網(wǎng)絡進行訓練，得到最好的訓練權重，最后對測試的圖像進行預測與分析。實驗結果表明，YOLOv5網(wǎng)絡相較于其他網(wǎng)絡模型能夠適用于不同缺陷特征的輪胎面缺陷智能檢測，并且該網(wǎng)絡在檢測精準度和速度上優(yōu)于YOLOv4網(wǎng)絡與Faster-RCNN網(wǎng)絡。

2 YOLOv5網(wǎng)絡簡介

YOLO網(wǎng)絡是一種基于深度學習的卷積神經(jīng)網(wǎng)絡。此網(wǎng)絡發(fā)布以來，依靠其快速的檢測速度，適應各類復雜場景的特點被廣泛應用于目標檢測領域。YOLO網(wǎng)絡的設計理念遵循端到端訓練和實時檢測，特點是將輸入圖像劃分為×個網(wǎng)格，如果一個物體的中心落在某網(wǎng)格（cell）內，則相應網(wǎng)格負責檢測該物體。相比區(qū)域卷積神經(jīng)網(wǎng)絡（Region-CNN, R-CNN）此類傳統(tǒng)目標檢測算法，YOLO網(wǎng)絡是一種可以一次性預測多個Box位置和類別的卷積神經(jīng)網(wǎng)絡能夠實現(xiàn)端到端的目標檢測和識別，在兼具精度較高的前提下，也具有速度快這一大特點。

YOLOv5網(wǎng)絡使用YOLO家族的整體布局，由輸入端（Input）、主干特征提取網(wǎng)絡（Backbone）、Neck和輸出層（Prediction）四部分組成。采用的數(shù)據(jù)增強方法包括Mosaic數(shù)據(jù)增強、自適應錨框計算、自適應圖片縮放三部分，對于微小目標的檢測效果有明顯提升。在常用目標檢測模型中，數(shù)據(jù)集中照片的長寬存在差異，在將其送入卷積神經(jīng)網(wǎng)絡訓練之前，將全部照片縮放到一個標準尺寸，例如常見的608×608。主干特征網(wǎng)絡由通信順序進程（Communicating Sequential Process, CSP）模型和Focus結構組成，CSP模型基于Dense Net，Dense Net旨在連接卷積神經(jīng)網(wǎng)絡中的層，增強卷積神經(jīng)網(wǎng)絡的學習能力，并且在保證訓練運行準確性的同時使卷積神經(jīng)網(wǎng)絡（Convolutional Neural Networks, CNN）更小，極大減小計算瓶頸產(chǎn)生的不良影響。Focus結構是在圖片進入Backbone之前，對圖片進行切片操作。例如，原始的608×608×3的圖像輸入到Focus結構，經(jīng)過切片操作先變成320×320×12的特征圖，經(jīng)過一次卷積操作最終得到320×320×32的特征圖，如圖1所示。Neck層是YOLOv5在延續(xù)了YOLOv4優(yōu)點的同時，在Neck結構中采用借鑒CSP net設計的CSP2結構，有效增強了網(wǎng)絡特征融合能力。Neck層采用路徑聚合網(wǎng)絡（Path Aggregation Network,PAN）+特征金字塔網(wǎng)絡（Feature Pyramid Networks,FPN）的結構。YOLOv5輸出層的錨框機制與YOLOv4相同。Prediction由Bounding box損失函數(shù)和非極大值抑制（Non Maximum Suppression,NMS）組成，在YOLOv5中采用GIoU_Loss作為損失函數(shù)。NMS函數(shù)可以在預測結果處理階段消除多余的框，找到最優(yōu)的物體特征檢測位置。

3 數(shù)據(jù)集構建

輪胎面缺陷的特征包括胎面裂縫（crack）、胎面劃傷（scratches）、輪胎穿孔（punctured）和輪胎鼓包（bulge）共4類，如圖2所示。數(shù)據(jù)集由手動拍照采集和鏡像處理獲得的1 487張圖像組成。采用Labelimg標注工具對所有圖像的輪胎面缺陷特征進行標注，然后對數(shù)據(jù)集按照訓練集和測試集為8:2的比例進行隨機劃分，分別得到訓練集1 183張圖像、測試集304張圖像。4類特征的圖像數(shù)量分別為501張、412張、300張和274張。

4 YOLOv5網(wǎng)絡訓練

4.1 實驗環(huán)境

深度學習框架采用PyTorch搭建，實驗所采用的計算機配置為Inter (R) Core (TM) i9-10900X CPU @ 2.30GHz的CPU和NVIDIA GeForcePTX 3080,10 GB的圖型處理器（Graphics Processing Unit,GPU），內存容量為64 GB，加速環(huán)境為CUDA11.3。

4.2 網(wǎng)絡訓練

在考慮訓練速度及訓練精度的情況下，輸入圖像尺寸大小img_size=(640,640)，批處理大小batch_size=8，迭代次數(shù)epochs=100，學習率lr=0.01，動量因子momentum=0.98。經(jīng)過100次epochs迭代后，網(wǎng)絡模型在IoU＜0.5時的平均精度值（mAP）、精確率（Precision）、召回率（recall）及損失函數(shù)值（GIoU_Loss）變化曲線如圖3所示。

圖3(a)所示YOLOv5網(wǎng)絡模型訓練在前30次epochs時mAP曲線持續(xù)上升，在訓練到30至100次epochs階段趨于穩(wěn)定，最終mAP值為時65.4%。如圖3(d)所示YOLOv5訓練開始時損失函數(shù)值小，在訓練的前20輪損失值下降速度較快，訓練至80～100次epochs曲線趨于穩(wěn)定，訓練結束前損失函數(shù)值收斂到0.02附近，未出現(xiàn)過擬合現(xiàn)象。

4.3 評價指標

參考目標檢測領域常用的評價指標，使用召回率（Recall）、精確率（Precision）、平均精度值（mAP）、損失函數(shù)值（loss）和幀率（FPS）作為實驗結果的評價指標，其中前四個為衡量網(wǎng)絡模型檢測精度的指標，F(xiàn)PS是衡量網(wǎng)絡模型每秒可以檢測的圖像數(shù)量。

召回率又稱查全率，表示樣本中有正類被預測正確的數(shù)量。分為兩種情況，一種是把原來的正類預測為正類（TP），一種是把原來的正類預測為負類（FN），召回率的計算式（1）為

式中，為召回率。

精確率被稱為查準類，表示預測為正類的樣本中正類樣本的數(shù)量。分為兩種情況，一種是把正類預測為正類（TP），一種是負類預測為負類（FP），精確率的計算式（2）為

式中，為精確率。

平均精度均值是預測目標位置以及類別的這類算法的性能度量標準，也可理解為不同類別的AP值的均值，相對于、是能反映整體性能的指標。平均精度均值的計算式（3）為

式中，表示類別數(shù)；為第類的平均精確率。

YOLOv5中的損失函數(shù)采用GIoU_loss，GIoU是源自IoU的一種邊框預測的損失計算方法，在目標檢測等領域，需要對預測邊框（pre BBox）與實際標注邊框（ground truth BBox）進行對比與計算損失。損失函數(shù)值的計算式（4）為

式中，IoU代表原損失計算方法；A假設為Ground Turth；B假設為預測框；C則是A、B兩區(qū)域的閉包。

5 實驗與分析

5.1 YOLOv5網(wǎng)絡性能分析

為檢驗YOLOv5網(wǎng)絡模型的性能，在使用同樣數(shù)據(jù)集的情況下對YOLOv5網(wǎng)絡模型、YOLOv4網(wǎng)絡模型和Faster-RCNN網(wǎng)絡模型的性能進行比較，3種算法在同一個數(shù)據(jù)集中的檢測性能比較結果如表1所示。

如表1所示，F(xiàn)aster-RCNN的各項評價指標均遠低于YOLOv4與YOLOv5，故在實驗與分析中僅對YOLOv4與YOLOv5網(wǎng)絡模型做實驗對比。由于mAP是反映網(wǎng)絡模型整體性能的主要指標，因此，針對mAP，YOLOv5的mAP值相比YOLOv4提高4.1%，相比Faster-RCNN提高31.6%。FPS（Frame Per Second）表示幀率，是衡量網(wǎng)絡模型檢測速度的指標，在工程應用中一般達到30FPS為合格，YOLOv5網(wǎng)絡模型的識別速度達到38FPS。

5.2 實驗與分析

本次實驗將分為兩階段對圖像進行檢測，一是從數(shù)據(jù)集中隨機抽取一張?zhí)ッ媪芽p圖像，二是將4張在不同角度和光照條件下取得的含4類特征的圖像拼接為一張圖像，以此檢驗YOLOv5和YOLOv4兩種網(wǎng)絡模型對輪胎面缺陷目標的檢測情況。

對比試驗是在使用相同圖像和硬件配置情況下，采用YOLOv5和YOLOv4網(wǎng)絡模型對單張?zhí)ッ媪芽p圖像進行檢測，目標框上的數(shù)字表示置信度，如圖4所示。

由圖4可知，圖4(a)中YOLOv5共檢測出4處胎面裂縫與輪胎劃傷特征；圖4(b)中YOLOv4漏檢較多，僅檢測出1處。結果表明，在檢測同一圖像時YOLOv5的檢出率明顯高于YOLOv4，兩者差異主要體現(xiàn)在對胎面裂縫這類目標的檢測成功率上，YOLOv5明顯更具優(yōu)勢。

為進一步探究兩種網(wǎng)絡模型檢測不同特征存在的差異，將測試集中拍攝角度不同、環(huán)境亮度不同及包含特征不同的四張圖像拼接為一張圖像輸入檢測，如圖5所示。

由圖5可知，圖5(a)中YOLOv5成功檢測到4類輪胎面缺陷特征，其中輪胎穿孔置信度最高為0.74；圖5(b)中YOLOv4出現(xiàn)漏檢現(xiàn)象，僅檢測出輪胎穿孔特征、輪胎鼓包特征2類特征，其中輪胎穿孔置信度為0.74。結果表明，雖然YOLOv4在個別輪胎面缺陷特征檢測中置信度更高，但YOLOv5不僅對于胎面裂縫與胎面破損目標特征的檢測成功率較高，且整體檢測精度優(yōu)秀，對環(huán)境的適應性更強，應用場景也更廣泛。

6 總結

本文使用YOLOv5網(wǎng)絡作為輪胎面缺陷檢測的基礎網(wǎng)絡進行輪胎面各類缺陷特征的智能檢測。通過對比研究，該網(wǎng)絡模型在測試集上的精確率（）、召回率（）、平均精度（mAP）和幀率（FPS）分別為74.3%、66.1%、65.4%和38，相較于YOLOv4的各項數(shù)值分別提高了近12.3%、10.1%、4.1%和12；相較Faster-RCNN的各項數(shù)值和FPS分別提高了近18.5%、32.8%、26.6%和15。綜上，基于YOLOv5網(wǎng)絡模型的汽車輪胎面缺陷檢測在不同光照、角度等條件下，檢測成功率高、魯棒性和實時性高，在一定程度上可降低汽車輪胎安全隱患，實現(xiàn)了對汽車輪胎表面安全隱患的智能檢測，提高了汽車行駛的安全性，為進一步更有效地研究輪胎面缺陷智能檢測方法提供了參考。