基于卷積神經(jīng)網(wǎng)絡的齒輪表面缺陷檢測方法

Abdou Yahouza Maman Rabiou，閆 娟，楊慧斌，劉向前

（201620 上海市 上海工程技術大學 機械與汽車工程學院）

0 引言

隨著制造業(yè)的飛速發(fā)展，在高效、高精度的制造條件下對機械零件進行質(zhì)量檢查的需求持續(xù)增長。齒輪是機械工業(yè)中廣泛使用的傳動部件，齒輪質(zhì)量在生產(chǎn)中尤其重要，表面缺陷是直接影響齒輪質(zhì)量和批量生產(chǎn)的主要因素之一。齒輪表面缺陷的檢測主要依靠手動的目視檢查方法[1-2]，這些方法耗時、效率低下、不準確并且會導致視覺疲勞。人眼的識別能力有限，其結(jié)果取決于人的主觀檢查[3]，容易造成誤檢測，導致工件的質(zhì)量不能滿足齒輪的高質(zhì)量要求。

深度學習[4-5]（DL）是機器學習（ML）的一種形式，它基于具有多個隱藏層的深度神經(jīng)網(wǎng)絡，是最相關的識別技術之一。卷積神經(jīng)網(wǎng)絡（CNN）是深度學習的基本方法，它通過編寫大量數(shù)據(jù)以使用ML 模型提取特征和多個隱藏層來提高準確性。KRIZHEVSKY[6]實施了一個深層CNN，使用ImageNet 識別120 萬張圖像，并在圖像識別競賽中首次實現(xiàn)了top-1 和top-15 錯誤率，在該領域引起了關注。當前，基于機器視覺和卷積神經(jīng)網(wǎng)絡（CNN）的檢查是全球研究方向上最需要的檢查之一，該技術使用Python 編程語言來處理和提取齒輪圖像信息[7]，并用于訓練兩個卷積神經(jīng)網(wǎng)絡（AlexNet 和ResNet 模型），具有數(shù)據(jù)增強和不同參數(shù)，以達到最佳精度要求，取代了手動和舊機器視覺檢查，并通過齒輪表面質(zhì)量（有缺陷或無缺陷）實現(xiàn)了自動齒輪分類。桑宏強[8]等使用AlexNet 模型對工件表面進行檢測，實驗結(jié)果無論是檢測效率還是檢測精度都比較低，有待進一步提高。

本文結(jié)合ResNet 模型對AlexNet 模型進行了改進，無論是檢測效率還是檢測精度都得到提高。

1 材料與方法

1.1 灰度轉(zhuǎn)換

收集的齒輪圖像是彩色的，也稱RGB，包含3個通道R（紅色），G（綠色）和B（藍色），每個通道的值在0～255 之間。要將RGB 圖像轉(zhuǎn)換為灰度圖像，需要確定顏色的強度或亮度?？焖儆嬎銖姸菼 的方法是對紅色、綠色和藍色分量使用不同的權重，即計算強度值時，每個顏色分量乘以一個權重值，最具代表性的公式為

輸入齒輪圖像轉(zhuǎn)換為灰色，如圖1 所示。

圖1 齒輪圖像轉(zhuǎn)換為灰色Fig.1 Gear image converted to gray

1.2 數(shù)據(jù)集

數(shù)據(jù)集按格式（高度×寬度×通道數(shù)）調(diào)整大小，對于AlexNet、ResNet 模型，大小變?yōu)椋?27×227×3）和（224×224×3），然后將數(shù)據(jù)增強應用于調(diào)整后的圖像。盡管CNN 的功能非常強大，但可能會變得過擬合，并且由于使用的圖像數(shù)量不夠而無法達到目標結(jié)果，因此會使用保留標簽的變換來人為放大數(shù)據(jù)集。數(shù)據(jù)擴充涉及通過操縱原始數(shù)據(jù)來創(chuàng)建新數(shù)據(jù)點的過程，此過程無需增加新照片就可以增加DL 中訓練圖像的數(shù)量，操作步驟：（1）在左右方向上的隨機反射；（2）應用于輸入圖像的水平平移寬度，像素比例轉(zhuǎn)換距離[35，-35]；（3）垂直平移范圍添加到輸入圖像，平移距離以像素范圍內(nèi)的像素計算[35，-35]。

2 卷積神經(jīng)網(wǎng)絡架構

2.1 CNN 結(jié)構

CNN 是深度學習架構之一，在解決圖像分類問題中最為常見，是最有效、最強大的深度學習技術。CNN 是傳統(tǒng)人工建模網(wǎng)絡（ANN）的發(fā)展，側(cè)重于在建模空間的各個區(qū)域（尤其是圖像）具有重復模式的應用程序。其主要特征在于，與使用分層方法的傳統(tǒng)前饋神經(jīng)網(wǎng)絡相比，極大減少了所需結(jié)構元素的數(shù)量（人工神經(jīng)元數(shù)量）。圖2 為CNN 主要結(jié)構，包含5 層：輸入層、具有激活功能的卷積層、池化層、完全連接層、SoftMax 層。

圖2 CNN 的主要結(jié)構Fig.2 Main structure of CNN

一個在輸入圖和一組濾波器之間執(zhí)行2D 濾波的卷積層，每個濾波器通過該濾波器生成一個二維激活圖，所有與相同輸出圖有關的所有濾波器結(jié)果都被累加，以形成輸出特征圖。通常，考慮到ith層的jth節(jié)點，可有式（2）：

每個卷積層后都有一個池化層，該池化層旨在對輸入特征進行下采樣而不影響通道數(shù)，僅影響尺寸。池化層沒有要學習的參數(shù)，有式（3）：

完全連接的層位于合并層之后，它包含有限數(shù)量的神經(jīng)元，這些神經(jīng)元接受輸入一個向量并返回另一個向量。

2.2 CNN 表面缺陷分類模型

2.2.1 AlexNet

Alex Krizhevsky 是AlexNet 平臺的創(chuàng)建者。AlexNet 平臺是一種經(jīng)過最先進預訓練的CNN，它已在幾個實驗中經(jīng)過眾多比較，是一個深CNN，由25 個層組成，包括輸入層，5 個卷積層，7 個ReLU 層，2 個跨通道歸一化層，1 個SoftMax 層以及最后一個輸出層。

改進的模型由3 個池化層和 11 個卷積層組成了分割模塊，每一層的分辨率減少到原來的1/2，通過特征歸一化和非線性ReLU 層（ReLU 激活函數(shù)），有利于提高學習過程的收斂速度。特征歸一化將每個通道歸一化為具有單位方差的零均值分布。

前5 個卷積層的內(nèi)核大小為5×5，后面4 個卷積層的內(nèi)核大小為 7×7，最后2 層的內(nèi)核大小為 15×15 和1×1。為不同的層分配了不同數(shù)量的通道。通過應用 1×1 卷積層減少輸出通道的數(shù)量，得到最終的二進值圖像并且輸入圖像的分辨率將減少到原來的1/8。這種方法沒有使用 Drop-out，因為卷積層中的權值共享提供了足夠的正則化。

作為非線性激活函數(shù)的整流線性單位（ReLU）當輸入值小于零時，將其設置為零。圖3 為 ReLU激活函數(shù)圖像，數(shù)學表達式如式（4）。

圖3 ReLU 激活函數(shù)圖像Fig.3 ReLU activation function image

2.2.2 ResNet

ResNet 是一個深層的CNN，具有專門構建的殘差結(jié)構，可以支持非常深的網(wǎng)絡。經(jīng)典的深度卷積神經(jīng)網(wǎng)絡不能很大，即使復雜度增加準確性也會下降。ResNet 是由Microsoft Research 團隊在2015 年開發(fā)的，是一種具有跳過連接的新穎殘差模塊架構，該網(wǎng)絡還具有針對隱藏層的大量批處理規(guī)范化功能。該技術使團隊可以訓練具有50，101和152 權重層的非常深的神經(jīng)網(wǎng)絡，同時仍比諸如VGGNet（19 層）的較小網(wǎng)絡具有更低的復雜度。在2015 年ILSVRC[9]競賽中，ResNet 的前5 名錯誤率達到3.57%，超過了所有以前的ConvNets。表1為用于表面缺陷檢測的ResNet 50 模型改進結(jié)構。

表1 用于表面缺陷檢測的改進ResNet 模型結(jié)構Tab.1 Improved ResNet model structure for surface defect detection

3 CNN 訓練和實驗結(jié)果

本文中輸入的200 張圖像分為訓練圖像、驗證圖像和測試圖像。首先是圖像，然后通過兩個CNN 模型之一進行大小調(diào)整和訓練，以對齒輪的表面缺陷類型進行分類。圖4 為通過數(shù)據(jù)增強進行圖像分類的流程圖。

圖4 使用CNN 進行數(shù)據(jù)增強的圖像分類流程圖Fig.4 Flowchart of image classification using CNN for data augmentation

表2 和表3 列出了在不增加數(shù)據(jù)的情況下2 種模型的驗證和測試的準確性。與ResNet 模型相比，AlexNet 模型在較短的經(jīng)過時間提供了最佳的測試準確性。

表2 帶有數(shù)據(jù)擴充的每個模型的驗證和測試準確性Tab.2 Verification and test accuracy for each model with data augmentation

表3 沒有數(shù)據(jù)擴充的每種模型的驗證和測試準確性Tab.3 Verification and test accuracy for each model without data augmentation

表2 和表3 的實驗表明，使用數(shù)據(jù)增強功能時，AlexNet 模型的最高精度為97.94%，ResNet 模型的效率為95.83%，不使用數(shù)據(jù)增強功能時，AlexNet模型的精度為95.82%，而ResNet 為93.73%。

在齒輪制造中，存在齒缺失、齒折和劃痕3 種常見的表面缺陷。圖5 顯示了由CNN 分類的4 個齒輪圖像。

圖5 齒輪圖像分類Fig.5 Gear images classification

4 結(jié)論

卷積神經(jīng)網(wǎng)絡被認為是一種特征提取器，它具有強大的特征表達能力和對傳統(tǒng)圖像特征的魯棒性能。本文提出了基于卷積神經(jīng)網(wǎng)絡的齒輪表面缺陷檢測方法，改進了細分網(wǎng)絡模型，通過優(yōu)化原始分割網(wǎng)絡模型的分割模塊的內(nèi)核和卷積層，優(yōu)化全連接層改進網(wǎng)絡模型的分類器模塊，以獲得更多的齒輪特征。改善了捕獲齒輪微小缺陷的能力。2 個CNN 模型AlexNet 和ResNet 使用了一組由健康齒輪類型和不同缺陷齒輪類型組成的圖像（牙齒缺失、劃痕、斷齒）。訓練結(jié)果表明，AlexNet 模型是ResNet 模型的最簡單結(jié)構，訓練時間為14 min10 s，這確實減少了檢測時間，大大提高了檢測精度。實驗表明，這2 種改進的模型可用于齒輪表面缺陷檢測，與僅基于機器視覺的傳統(tǒng)手動方法相比，其精度大大提高。