基于改進(jìn)Yolov5的花色布匹瑕疵檢測方法

時造雄，茅正沖

(江南大學(xué) 物聯(lián)網(wǎng)工程學(xué)院，江蘇 無錫 214000)

0 引言

中國是世界上最大的布匹生產(chǎn)國，布匹瑕疵的識別與檢測在生產(chǎn)過程中是十分重要的一個環(huán)節(jié)，傳統(tǒng)的布匹瑕疵檢測與識別是通過人工的方式進(jìn)行的，存在受主觀影響較大、檢測效率低下等問題。近年來，隨著計算機算力的突破，深度學(xué)習(xí)技術(shù)發(fā)展迅猛，在工業(yè)生產(chǎn)的瑕疵檢測領(lǐng)域已經(jīng)產(chǎn)生了越來越多的應(yīng)用。

目前主流的目標(biāo)檢測算法分為單階段和雙階段兩種類型，單階段算法以SSD(single shot multibox detector)和YOLO(you only look once)為典型，而雙階段則以Faster R-CNN(faster region-CNN)網(wǎng)絡(luò)為主[1]。

在針對花色布匹的瑕疵檢測上，文獻(xiàn)[2]在Faster R-CNN網(wǎng)絡(luò)模型的基礎(chǔ)上進(jìn)行改進(jìn)，提升了對較小目標(biāo)瑕疵的檢出能力及復(fù)雜背景下的瑕疵檢出能力，但仍存在速度不足的缺陷[2]；文獻(xiàn)[3]提出了雙路高分辨轉(zhuǎn)換網(wǎng)絡(luò)的花色布匹瑕疵檢測方法，消除復(fù)雜花色背景的影響并且解決了少數(shù)類瑕疵樣本準(zhǔn)確率不高的問題，該模型存在對小目標(biāo)瑕疵的檢測優(yōu)化不足的明顯短板，整體精度較低[3]；文獻(xiàn)[4]提出基于級聯(lián)卷積神經(jīng)網(wǎng)絡(luò)的復(fù)雜花色布匹瑕疵檢測算法，該算法一定程度上改善了對瑕疵檢測的速度和精度要求[4]；文獻(xiàn)[5]提出基于深度卷積神經(jīng)網(wǎng)絡(luò)的分類不平衡紋理布匹瑕疵檢測方法，能有效減輕瑕疵種類分布不均對模型的影響，且降低了模型對部分瑕疵較少的不敏感性，但該模型的精度表現(xiàn)一般，仍有待改善[5]。綜上所述之前國內(nèi)外得研究并不能滿足精度和速度的雙重要求。

在以上研究的基礎(chǔ)上，本文主要在YOLOv5網(wǎng)絡(luò)基礎(chǔ)上進(jìn)行改進(jìn)，提出了DD-YOLOv5(defect detection YOLOv5)瑕疵檢測模型，首先將CoTNet與YOLOv5模型相結(jié)合，用于指導(dǎo)動態(tài)注意力矩陣的學(xué)習(xí)，增強視覺表示能力；其次引入CBAM(convolutional block attention module)注意力機制，讓網(wǎng)絡(luò)學(xué)會關(guān)注重點信息；接著使用α-IoU損失函數(shù)代替原網(wǎng)絡(luò)中G-IoU損失函數(shù)，提高邊界框的回歸精度；最后增加檢測頭，提升網(wǎng)絡(luò)對小目標(biāo)的檢測能力。經(jīng)實驗證明，改進(jìn)后的網(wǎng)絡(luò)能同時解決上述文章中提出的花色布匹瑕疵檢測的如瑕疵目標(biāo)小、種類分布不均、長寬比較為極端以及易與背景混淆等檢測難點，且在速度上優(yōu)于其它算法，表明該方法在花色布匹瑕疵檢測任務(wù)中具有良好的檢測性能。

1 系統(tǒng)結(jié)構(gòu)及原理

1.1 原生YOLOv5模型

YOLOv5系列網(wǎng)絡(luò)整體沿用系列網(wǎng)絡(luò)整體布局，主要由Backbone(主干)、Neck(頸部)、Head(頭部)3個部分組成，其結(jié)構(gòu)如圖1所示。

圖1 YOLOv5網(wǎng)絡(luò)結(jié)構(gòu)圖

1.2 原生算法系統(tǒng)結(jié)構(gòu)分析

YOLOv5目標(biāo)檢測網(wǎng)絡(luò)的主干部分主要用于提取圖像淺層和深層的各項特征并整合。

主干部分中CSP1模塊主要借鑒了殘差網(wǎng)絡(luò)的思想，由殘差映射替換了以往的基礎(chǔ)映射，使得深層次的網(wǎng)絡(luò)模型達(dá)到更好的訓(xùn)練效果，在殘差網(wǎng)絡(luò)出現(xiàn)之前，學(xué)術(shù)界往往認(rèn)為網(wǎng)絡(luò)層數(shù)越深則獲取信息越多，模型泛化效果越好。然而后續(xù)的研究表明當(dāng)網(wǎng)絡(luò)的層數(shù)加深時，模型的準(zhǔn)確率反而有所降低。這是由于反向傳播過程中的梯度爆炸和梯度消失所造成。也就是說，網(wǎng)絡(luò)越深，模型越難優(yōu)化。為了能讓深層次的網(wǎng)絡(luò)模型達(dá)到更好的訓(xùn)練效果，殘差網(wǎng)絡(luò)中提出由殘差映射替換了以往的基礎(chǔ)映射。

SPPF模塊主要作用是對高層特征進(jìn)行提取并融合，在融合的過程中多次運用最大池化，盡可能多地去提取高層次的語義特征。

頸部網(wǎng)絡(luò)的主要作用是將主干網(wǎng)絡(luò)提取的淺層和深層信息加強并融合。該部分采用的是特征金字塔網(wǎng)絡(luò)(FPN，feature pyramid network)結(jié)合路徑聚合網(wǎng)絡(luò)(PAN，path aggregation network)的設(shè)計[6-7]。金字塔結(jié)構(gòu)是一種自頂向下的側(cè)邊連接，在所有尺度上構(gòu)建出高級語義特征圖的結(jié)構(gòu)，該結(jié)構(gòu)經(jīng)過多層的網(wǎng)絡(luò)后，底層的目標(biāo)信息已經(jīng)非常模糊了，因此網(wǎng)絡(luò)在頸部又結(jié)合了路徑聚合網(wǎng)絡(luò)，加入了自底向上的路線，彌補并加強了定位信息[8]。

檢測頭部分主要包括不同的損失函數(shù)。其主要目標(biāo)是通過降低預(yù)測框和真實框的損失函數(shù)來獲得最佳的目標(biāo)檢測框[9]。

2 改進(jìn)措施

2.1 改進(jìn)后系統(tǒng)原理圖

本文提出的DD-YOLOv5模型結(jié)構(gòu)如圖2所示。

圖2 DD-YOLOv5網(wǎng)絡(luò)結(jié)構(gòu)圖

通過圖2可知，與原生網(wǎng)絡(luò)相比，本文網(wǎng)絡(luò)主要改進(jìn)點為：首先用CoT3模塊代替原有CSP1模塊，主要考慮CoT模塊能夠充分利用輸入信息上下文的特點，以克服布匹瑕疵檢測中大部分瑕疵為較小目標(biāo)的難點[10]；其次在頸部網(wǎng)絡(luò)中引入CBAM注意力機制，在骨干網(wǎng)絡(luò)后進(jìn)一步加強針對特征的信息篩選；最后在網(wǎng)絡(luò)的檢測層處，算法增加了一個檢測頭，使檢測頭覆蓋更大的檢測范圍，網(wǎng)絡(luò)能夠更加全面的關(guān)注到想要的信息。

2.2 CoTNet

Transformer的出現(xiàn)極大地促進(jìn)了自然語言處理領(lǐng)域的發(fā)展，該風(fēng)格的網(wǎng)絡(luò)架構(gòu)近期在計算機視覺領(lǐng)域也掀起了一波浪潮并取得了極具競爭力的結(jié)果[11]。盡管如此，現(xiàn)有的架構(gòu)直接在二維特征圖上執(zhí)行自注意力并得到注意力矩陣，但是關(guān)于近鄰豐富的上下文信息卻并未得到充分探索。

CoT模塊是一種能夠充分利用二維特征圖上下文信息的注意力機構(gòu)，其結(jié)構(gòu)如圖3所示。

圖3 CoT模塊

本文中所提到的CoTNet結(jié)構(gòu)由CoT模塊代替主干網(wǎng)絡(luò)中的CSP1模塊而組成。

由圖3可知假設(shè)輸入二維特征X∈RH×W×C，而鍵向量K， 輸入特征Q以及值向量V分別定義為：

K=X，Q=X，V=XWv

(1)

其中：Wv是指將X進(jìn)行了特征的映射得到新的V。CoT模塊首先采用k×k卷積提取上下文信息，所得K1∈RH×W×C自然地可以反應(yīng)近鄰間的上下文信息，我們將其視作輸入X的靜態(tài)上下文表達(dá)。將前述所得K1與Q進(jìn)行拼接并通過兩個連續(xù)1×1卷積Wθ和Wδ來計算并得到注意力矩陣A：

A=[K1，Q]WθWδ

(2)

接下來，基于上述所得注意力矩陣A和值向量V，我們生成增強特征K2：

K2=V*A

(3)

上述所得增強特征K2可以捕獲關(guān)于輸入的動態(tài)特征交互，我們將其稱之為輸入X的動態(tài)上下文表達(dá)。最后將上述兩種上下文表達(dá)通過注意力機制融合即可得到CoT模塊的輸出。

CoT模塊能將上下文信息挖掘與自注意力學(xué)習(xí)集成到統(tǒng)一架構(gòu)中，充分探索近鄰間的上下文信息以一種高效方式提升自注意力學(xué)習(xí)，進(jìn)而提升輸出特征的表達(dá)能力，提升了視覺表達(dá)能力。本文在DD-YOLOv5 模型的主干網(wǎng)絡(luò)中多次應(yīng)用該模塊，有利于模型對圖像深淺特征的全局提取，重點信息可以被加強，從而使花色布匹瑕疵中占比較多的瑕疵的全局特征能夠得到加強。

2.3 CBAM注意力機制

在花色布匹瑕疵檢測的過程中，部分瑕疵目標(biāo)僅占幾個像素點，部分瑕疵與背景極為相似，這些瑕疵的特征信息極易在深層網(wǎng)絡(luò)中丟失，很容易出現(xiàn)漏檢、錯檢。而CBAM注意力機制可有效增大小目標(biāo)在整張?zhí)卣鲌D中的權(quán)重，使得各種瑕疵信息更容易在網(wǎng)絡(luò)中學(xué)習(xí)到[12]。其結(jié)構(gòu)如圖4所示。

由圖可知，CBAM模塊包括通道注意力模塊和空間注意力模塊兩個子模塊。

首先利用通道注意力模塊來生成通道注意圖，特征圖的每個通道都被認(rèn)為是一個特征檢測器，因此通道的注意力能夠集中在給定輸入圖像中有意義的部分；在該模塊中，為了有效地計算通道注意力，采用壓縮輸入特征映射的空間維度的方法，即同時使用平均池化和最大池化的方法，這種做法比單獨使用一種池化方法更具有表征力。

此時將通道注意力模塊的輸出作為空間注意力模塊的輸入，然后利用空間注意力模塊去生成空間注意圖；與通道注意模塊不同的是，空間注意模塊更加關(guān)注的是信息的位置去作為通道注意模塊的補充；為了計算空間注意力，需要在通道中使用平均池化和最大池化操作，將它們連接起來以生成一個有效的特征描述符，然后使用兩個池化操作聚合一個特征圖的通道信息，生成兩個二維的特征圖，這兩個特征圖分別表示了通道的平均池化特性和最大池化特性，然后利用一個標(biāo)準(zhǔn)的卷積層進(jìn)行連接和卷積操作，得到最終需要的二維空間注意力圖。

這樣一來CBAM模塊可同時關(guān)注空間和通道信息，使得提取到的高層特征更全面更豐富[13-14]。

2.4 α-IoU損失函數(shù)

邊界框(Bbox，bounding box)是目標(biāo)檢測中用于框選出待檢測目標(biāo)的一個方框，一個目標(biāo)檢測器通常由邊界框回歸和一個分類回歸組成[15]。

早期的目標(biāo)檢測工作使用n范數(shù)損失函數(shù)進(jìn)行邊界框回歸，這種方法對邊界框的大小極為敏感，交并比 (IoU，intersection over union)損失函數(shù)的出現(xiàn)彌補了這一缺陷。與n范數(shù)損失函數(shù)相比，IoU損失函數(shù)對邊界框的尺度是不變的。然而，當(dāng)預(yù)測框與邊界框的真實值不重疊時，IoU損失會出現(xiàn)梯度消失問題，導(dǎo)致收斂速度減慢，進(jìn)而導(dǎo)致檢測器不準(zhǔn)確。這激發(fā)了幾種改進(jìn)的基于IoU的損失函數(shù)設(shè)計，包括GIoU (generalized IoU)、DIoU (distance IoU)和CIoU (complete IoU)。YOLOv5原本采用的損失函數(shù)為Loss_GIoU，當(dāng)預(yù)測的邊界框在真實的邊界框內(nèi)部時，GIoU無法判斷出正確的最小邊界框[16]。

在花色布匹瑕疵檢測中有部分瑕疵長寬比較為極端，處理不當(dāng)極容易出現(xiàn)漏檢情況，采用更有效的邊界框損失函數(shù)此時顯得尤為重要。為解決該問題，本文引入α-IoU予以改進(jìn)，在原有的基礎(chǔ)上更加關(guān)注高IoU目標(biāo)，能夠優(yōu)化所有層次的目標(biāo)，實現(xiàn)不同水平的檢測框回歸精度[16]。Lossα-IoU的公式如下所示：

(4)

通過對Lossα-IoU中的參數(shù)α進(jìn)行調(diào)制，可以推導(dǎo)出現(xiàn)有的大多數(shù)IoU。本文中采用目前常用效果最好的LossCIoU改進(jìn)為Lossα-IoU，其定義如下所示：

(5)

其中：c代表的是能夠同時包含預(yù)測框和真實框的最小閉包區(qū)域的對角線距離，而v衡量長寬比的一致性，其定義如公式(6)；β是一個正的權(quán)衡參數(shù)，其數(shù)值如式(7)，ρ2α(b，bgt)分別代表了預(yù)測框和真實框的中心點的歐式距離。

(6)

(7)

2.5 多尺度檢測頭

本文改進(jìn)的算法在檢測頭部分增加了一個低維且高分辨率的檢測頭，該檢測頭主要是用來處理難以檢測的小目標(biāo)部分[18]。

增加的檢測頭由低層高分辨率的特征圖生成，當(dāng)網(wǎng)絡(luò)的輸入圖像尺寸為960*960時，原算法中的3個檢測頭對應(yīng)的特征圖大小分別為120*120，60*60，30*30，而增加的檢測頭特征圖大小為240*240，該檢測頭能充分利用到淺層特征信息，明顯降低卷積帶來的小目標(biāo)區(qū)域特征信息丟失的影響，雖然在計算量上有所增加，但能明顯改善小目標(biāo)的檢測精度[19-20]。

3 實驗結(jié)果與分析

3.1 數(shù)據(jù)集及瑕疵介紹

本文選用的數(shù)據(jù)采集自佛山南海紡織車間，共計2 739張含有瑕疵的圖片，其中2 122張作為訓(xùn)練集，617張作為測試集。圖片中包括沾污、錯花、水印、花毛、縫頭、縫頭印、蟲粘、破洞、褶子、織疵、漏印、蠟斑、色差、網(wǎng)折共計14種瑕疵類型，圖5為瑕疵數(shù)量圖，沾污這種瑕疵的占比超過80%，種類分布極其不均衡。

圖5 瑕疵數(shù)量

圖6分別為小目標(biāo)瑕疵、長寬比極端瑕疵、與背景及其相似的瑕疵展示。

本文主要針對圖6中3種瑕疵檢測中的難點問題搭建檢測平臺，并使用改進(jìn)后的算法進(jìn)行檢測。

3.2 實驗環(huán)境搭建

本文硬件配置環(huán)境如表1所示。

表1 實驗環(huán)境

3.3 實驗結(jié)果展示

圖7為多種瑕疵實際檢測效果圖的典型瑕疵檢測細(xì)節(jié)圖的展示。

圖7 部分瑕疵檢測實際效果

通過以上實際檢測效果圖可以發(fā)現(xiàn)，在本文的算法下，對布匹瑕疵的檢測效果已經(jīng)可以達(dá)到工業(yè)現(xiàn)場級別的要求，且大部分的瑕疵檢測識別率更是在0.9以上。可以充分說明本文算法在針對花色布匹的瑕疵檢測上效果卓然。

3.4 評估標(biāo)準(zhǔn)

本文中引入以下評估標(biāo)準(zhǔn)評估模型性能：

精確率(P，precision)又稱查準(zhǔn)率，指正確預(yù)測為正占全部預(yù)測為正的比例，如式(8)所示：

(8)

召回率(R，recall)又稱查全率，指正確預(yù)測為正占全部實際為正的比例，如式(9)所示：

(9)

平均精度(AP，average precision，)由精確率和召回率計算得出，根據(jù)召回率值繪出精確率的折線圖，計算出該折線下的面積，如式(10)所示：

(10)

平均精度均值(mAP，mean average precision)是指C個不同缺陷的平均精度AP的平均值，如式(11)所示：

(11)

3.5 消融實驗

為驗證本研究提出的關(guān)于 YOLOv5 的4種改進(jìn)策略，在數(shù)據(jù)集上展開消融試驗，以判斷每個改進(jìn)點的有效性，依次在原有模型基礎(chǔ)上加上改進(jìn)措施，使用改進(jìn)用“√”表示，未使用改進(jìn)則表格為空。訓(xùn)練過程使用相同的參數(shù)配置，結(jié)果如表 2 所示。

表2 消融實驗結(jié)果

消融實驗以原生YOLOv5網(wǎng)絡(luò)模型為基準(zhǔn)，輸入圖像分辨率均為960*960。

通過表2中第1組和第2組的實驗對比，可以發(fā)現(xiàn)當(dāng)檢測層由三層增加到四層，mAP由71.1%升到了75.6%，結(jié)果表明增加的針對小目標(biāo)的提取淺層信息的檢測頭起到了顯著效果，很明顯的降低了漏檢率。

通過第2組和第3組對比，當(dāng)網(wǎng)絡(luò)中增加了CoT模塊形成CoTNet后，mAP由75.6%提升到77.4%，主要原因是因為CoT模塊能多挖掘網(wǎng)絡(luò)中的上下文信息，進(jìn)而對圖像深淺特征進(jìn)行全局提取，這一舉動雖然損失了較小的檢測速率，但能顯著提高對目標(biāo)的檢測準(zhǔn)確率。

通過第3組與第4組實驗對比顯示，在頸部網(wǎng)絡(luò)增加了CBAM模塊的網(wǎng)絡(luò)mAP值從77.4%提升到79.3%，表明CBAM模塊能夠更多地關(guān)注有用的信息，提高對重點瑕疵如沾污的識別率。

通過第4組與第5組的實驗數(shù)據(jù)對比，瑕疵識別的mAP值由79.3%提升到了80.0%，說明在引入了新的邊界框損失函數(shù)后，檢測器能更好地進(jìn)行邊界框的回歸，從而使得長寬比極端的瑕疵的漏檢率下降。

綜合上述可知，在結(jié)合了多種針對YOLOv5算法的改進(jìn)措施后，本文的算法能夠在布匹瑕疵的專項檢測中取得較好的效果，充分說明上述改進(jìn)措施在實際檢測中是有實際成效的。

3.6 損失函數(shù)收斂曲線

圖8和圖9為原生算法和改進(jìn)后算法的損失函數(shù)收斂情況。

圖8 原生網(wǎng)絡(luò)損失函數(shù)收斂曲線

圖9 改進(jìn)后網(wǎng)絡(luò)損失函數(shù)收斂曲線

其中實線為定位損失box_loss，指預(yù)測框與標(biāo)定框之間的誤差，點劃線為置信度損失obj_loss，用于計算網(wǎng)絡(luò)的置信度，虛線為分類損失cls_loss，用于計算錨框與對應(yīng)的標(biāo)定分類是否正確。

通過兩圖對比可發(fā)現(xiàn)定位損失由明顯下降，這是由于算法中使用α-IoU代替原網(wǎng)絡(luò)中的G-IoU交并比計算方法，進(jìn)而使得另外兩種損失也跟著有所下降，網(wǎng)絡(luò)整體收斂更快，效果更好。

3.7 對比實驗

為了證明DD-YOLOv5網(wǎng)絡(luò)模型在花色布匹表面瑕疵檢測方面的優(yōu)勢，我們將其與目前幾種主流的目標(biāo)檢測算法進(jìn)行了對比，其對比結(jié)果如表3所示。

表3 對比實驗結(jié)果

從表3中可以得知，F(xiàn)aster-RCNN網(wǎng)絡(luò)在精確率方面不高，但召回率卻是最高，這是因為雙階段網(wǎng)絡(luò)結(jié)構(gòu)采用候選框機制遍歷特征圖，故能將圖中的目標(biāo)較齊全的檢測到，但這也同樣會使得二階段網(wǎng)絡(luò)計算量較大故而速度較慢，僅能達(dá)到22.4幀的速度。而同樣作為單階段目標(biāo)檢測的SSD網(wǎng)絡(luò)雖然在檢測速率上與YOLO系列沒有過大的差距，但是在檢測精度上，無論是精確率還是召回率，比起YOLO系列都差距較大，原因在于SSD的主干網(wǎng)絡(luò)為VGG系列網(wǎng)絡(luò)，網(wǎng)絡(luò)層數(shù)較低，深層特征提取不全，針對花色布匹瑕疵的檢測效果較差。

同為YOLO系列的YOLOv4算法，比起YOLOv5系列算法在檢測精度上看來差距不大，僅小幅度落后于YOLOv5系列算法，但YOLOv4算法在檢測速度上比起YOLOv5系列網(wǎng)絡(luò)存在一定差距。

改進(jìn)后的DD-YOLOv5由于增加了針對小目標(biāo)檢測的檢測頭以及其他的改進(jìn)措施，使得整個網(wǎng)絡(luò)的復(fù)雜程度有所提高，相應(yīng)的在速度上有所損失，檢測速率為73.6 Hz，比原生YOLOv5算法的75.2 Hz降低了2%，但在精度綜合評估標(biāo)準(zhǔn)的mAP值上，本文算法比原生YOLOv5算法有著12.5%的檢測精度提升，故綜合精度和速度兩方面，本文算法在眾多算法中取得了較大的優(yōu)勢。

總之，本文提出的DD-YOLOv5算法在速度和精度的綜合考慮下獲得了最佳效果，比起經(jīng)典算法性能更好，相比同系列YOLO其他算法表現(xiàn)也最為優(yōu)異。

4 結(jié)束語

為了解決花色布匹瑕疵檢測問題，進(jìn)一步提高花色布匹表面瑕疵檢測的準(zhǔn)確率和識別速度，本文提出了一種基于YOLOv5的DD-YOLOv5模型，使用COT模塊替代CSP1模塊形成CoTNet并作為主干網(wǎng)絡(luò)，利用輸入的上下文信息來指導(dǎo)自注意力機制的學(xué)習(xí)，能夠?qū)D像深淺特征進(jìn)行全局提取，提升目標(biāo)檢測的準(zhǔn)確率，同時在頸部網(wǎng)絡(luò)中引入CBAM注意力機制，能同時關(guān)注空間和通道信息，促使專注于有用的目標(biāo)對象，在檢測頭部分還增加了一個關(guān)注于小目標(biāo)的檢測頭，明顯改善了網(wǎng)絡(luò)的精度，降低了漏檢率，最后用α-IoU替代原G-IoU交并比計算方法，使得網(wǎng)絡(luò)整體收斂更快，檢測效果更好。

通過實驗結(jié)果證明，DD-YOLOv5網(wǎng)絡(luò)模型在花色布匹瑕疵的數(shù)據(jù)集上mAP達(dá)到了80.0%，檢測速度也達(dá)到73.6fps，同時滿足了檢測精度和檢測效率的要求，對花色布匹瑕疵檢測具有重要的現(xiàn)實意義。今后將進(jìn)一步嘗試不損失精度的前提下繼續(xù)減小網(wǎng)絡(luò)模型的參數(shù)量，使模型得到進(jìn)一步的輕量化。