基于YOLOv5的行李運輸系統(tǒng)輪對裂紋檢測算法

摘"要：為了檢測機場行李運輸系統(tǒng)中輪對存在的裂紋，提出了一種基于YOLOv5的機場行李運輸系統(tǒng)輪對裂紋檢測方法。該方法針對裂紋細小、密集等特點采取了以下措施：在YOLOv5網(wǎng)絡的"Head"部分使用SIoU替換了原有的CIoU;在Backbone部分加入了SE注意力機制；在Neck部分引入了SwinTransformer模塊;在整個YOLOv5"網(wǎng)絡中使用SPDConv替代了傳統(tǒng)的Conv卷積模塊;在圖像的預處理方面，使用了圖像分割與子圖反向拼接技術。通過這些改進，有效地改善了YOLOv5對于細小、密集裂紋的特征提取能力，相較于傳統(tǒng)的"YOLOv5"算法，裂紋檢測的能力得到了有效提升。

關鍵詞：裂紋檢測；YOLOv5；SPDConv（spacetodepthConv）；SIoU；注意力機制；圖像預處理

中圖分類號：TP391.4""""""""文獻標識碼：A

Wheelset"Crack"Detection"Algorithm"of"Baggage

Transportation"System"Based"on"YOLOv5

FANG"Haonan，"LI"Dengpeng

（School"of"Electronic"Information"and"Automation，Civil"Aviation"University"of"China，Tianjin"300300，China）

Abstract：In"order"to"detect"the"cracks"existing"in"the"wheelset"of"airport"baggage"transportation"system，"a"new"wheelset"crack"detection"method"based"on"YOLOv5"was"proposed."In"view"of"the"characteristics"of"small"and"dense"cracks，"the"following"measures"were"taken."The"original"CIoU"is"replaced"by"SIoU"in"the"Head"part"of"YOLOv5"network."Then"the"SE"attention"mechanism"is"added"to"the"Backbone"part"and"the"SwinTransformer"module"is"introduced"in"the"Neck"part."In"addition，"The"traditional"Conv"convolution"module"is"replaced"by"spacetodepthConv"in"the"entire"YOLOv5"network."In"terms"of"image"preprocessing，"image"segmentation"and"subgraph"reverse"stitching"technology"are"used."Through"these"improvements，"the"feature"extraction"ability"of"YOLOv5"for"fine"and"dense"cracks"is"effectively"improved，"and"compared"with"the"traditional"YOLOv5"algorithm，"the"ability"of"crack"detection"has"been"effectively"improved.

Key"words：crack"detection；YOLOv5；SPDConv（spacetodepthConv）；SIoU；attention"mechanism；image"preprocessing

調(diào)研顯示，我國機場早期建設的行李運輸線，如廣州白云機場"1"號航站樓內(nèi)的輸送線，其行李分揀輸送系統(tǒng)均為滑輪結(jié)構，當運送行李的傳送帶承載行李高速（≥1.7""m/s）運動時，關鍵輪位就會由于同鋼軌摩擦發(fā)生劣化，產(chǎn)生裂紋。關鍵輪位上的裂紋會導致整個傳送系統(tǒng)運動失衡，從而使整條輸送線停機，給機場造成重大損失。該風險通常被機場判定為行李延誤系統(tǒng)性風險，為重點關注防范的重大故障類別?；诖耍岢龅幕赮OLOv5的裂紋識別算法具有較重大的實際意義。

目標識別方向上的主流算法大致分為兩類，其一是以RCNN[1]（region"with"CNN"features）、Fast"RCNN[2]（fast"regionbased"convolutional"network）為代表的二階段（Twostage）目標識別，另一類是以YOLO[3]"（you"only"look"once）為代表的一階段（Onestage）目標檢測。一階段檢測不需要生成候選區(qū)域（region"proposals），而是直接生成檢測類別的概率與位置坐標，往往有更快的檢測速度，其中YOLOv5憑借其又快又準的檢測效果，應用于許多場所，考慮到實時檢測對于速度的要求，因此選擇了以YOLOv5為基礎的檢測方式來實現(xiàn)對機場輪對裂紋的檢測。

1"YOLOv5算法介紹

YOLOv5[4]是一種較好的一階段目標檢測算法，其具有一個典型的深度學習網(wǎng)絡結(jié)構，具體包括主干（Backbone）、頸部（Neck）和輸出（Head）三部分。此外，YOLOv5還使用了許多先進的訓練策略來提高其精度，如數(shù)據(jù)增強（data"augmentation）、多尺度訓練（multiscale"training）等。優(yōu)秀的網(wǎng)絡結(jié)構和訓練策略保證了YOLOv5的準確性和實時性，使得YOLOv5算法可以較好地完成常見的檢測任務。

2"裂紋檢測算法優(yōu)化

本文對傳統(tǒng)YOLOv5算法的優(yōu)化改良大體可分為：圖像分割預處理與子圖反向拼接，以及主干網(wǎng)絡的改良。其中主干網(wǎng)絡的改良包括：在網(wǎng)絡的Backbone部分加入了通道注意力機制，使用C3SE模塊代替了原來的C3模塊；在網(wǎng)絡的Neck部分以C3STR的形式增加了SwinTransformer模塊，使用SPDConv代替了原模型的傳統(tǒng)卷積模塊Conv;"在Head部分中將原來的CIoU_Loss改進為SIoU_Loss。改進后的網(wǎng)絡結(jié)構如圖1所示。

2．1"圖像分割預處理與子圖反向拼接

圖像預處理采用了一種圖像分割的處理方法，通過分割訓練集以及訓練集標簽的形式，將一張大像素圖片分割為多張等大子圖。雖然在一定程度上增加了訓練與檢測的計算量，但大大降低了對于硬件設備的要求，同時提高了網(wǎng)絡對于一些細小裂紋的識別能力。

在圖像分割的設計中，采用了滑動窗口切圖[5]的方式。利用大小確定的滑窗對高分辨率的圖片進行滑動切分，為了避免切口處存在裂紋，在設置滑窗大小的同時還規(guī)定了相鄰子圖之間的重疊率。分割預處理后的結(jié)果對比圖如圖2所示。

（a）"切割前原圖（像素為1400×1200）

（b）"切割后子圖（每張像素為640×640）

圖2"分割預處理前后對比圖

檢測過程中采用相同的處理思路，先對原圖進行預處理分割，然后對分割后的子圖進行裂紋識別，檢測完成后再利用得到的裂紋坐標與子圖重新反向拼接，完成一次裂紋的檢測。

2.2"SPDConv卷積模塊

卷積神經(jīng)網(wǎng)絡（CNN）[6]在計算機視覺領域取得了巨大成就。但由于CNN體系結(jié)構中跨卷積和池化層的使用，使傳統(tǒng)的神經(jīng)網(wǎng)絡對于細粒度信息的獲取能力較差，無法很好地作用于小目標檢測任務，因此采用了一種SPDConv[7]的卷積方式代替?zhèn)鹘y(tǒng)的卷積模塊。SPDConv具體由一個空間到深度（SPD）層和一個無卷積步長（Conv）層組成，它在設計上完全消除了步長和池化操作，使得應用了該模塊后的網(wǎng)絡對于細小的數(shù)據(jù)集往往有更好的檢測效果。

2.3"改進的通道域注意力機制（SEnet）模塊

SE[8]注意力機制是一種通道注意力增強機制，其主要由壓縮（squeeze），激活（excitation）以及重加權（reweight）三部分組成。通過對原特征圖進行全局平均池化、ReLU函數(shù)激活、逐通道重加權的方式提升模型對不同通道特征的敏感性，進而改善其捕捉密集目標的能力。網(wǎng)絡中C3SE的結(jié)構即在原網(wǎng)絡的C3模塊中加入SE注意力機制。

2.4"SwinTransformer注意力機制的增加

SwinTransformer[9]是一種注意力機制，可以幫助模型在進行預測時將注意力集中在圖像的最重要特征上。該機制采用逐層次化設計，共包含四個stage，每個stage都會縮小輸入特征圖的分辨率，并逐層擴大感受野。對比于傳統(tǒng)的Transformer，SwinTransformer將注意力的計算限制在每個窗口內(nèi)，進而減少了計算量。通過在原網(wǎng)絡Neck部分的C3模塊中增加SwinTransformer機制（即C3STR），提高Neck部分對于裂紋特征的提取能力，從而直接影響Head部分的檢測效果。

2.5"SIoU損失函數(shù)

SIoU[10]（scaleaware"intersection"over"union）是一種用于提高目標檢測精度的新度量，具體由角度損失函數(shù)、距離損失函數(shù)、形狀損失函數(shù)和IoU損失函數(shù)組成。由于該損失函數(shù)重新定義了懲罰度量，考慮了期望與回歸之間的向量夾角，使之可以有效提高模型對小目標的檢測性能，有助于穩(wěn)定訓練過程，對于裂紋等小目標具有較好的檢測效果。

3"實驗結(jié)果及分析

3.1"實驗配置

所有模型的訓練和測試均在Linux系統(tǒng)下完成，選用PyTorch1.7.1框架。具體的實驗環(huán)境配置如表1所示。

3.2"模型評價指標

為了對改進后的模型進行性能評估對比，我們以準確率（Precision，P）、召回率（Recall，R）和平均精度均值（mAP）作為模型檢測效果的評估指標。通常來說，P和R是相互制約的關系，而mAP值往往能體現(xiàn)模型的綜合檢測能力，因此在模型的檢測效果評價中以mAP為主要參考依據(jù)。模型的復雜程度則與計算量（GFLOPs）和參數(shù)量（parameter，p）相關，通常GFLOPs與parameters越大，模型越復雜。

3.3"訓練結(jié)果和分析

實驗訓練操作中首先對訓練的圖片進行分割處理以及Mosaic數(shù)據(jù)增強操作，然后再按照訓練集∶測試集∶驗證集="6∶2∶2的比例對分割后的數(shù)據(jù)集進行劃分，最后以輸入圖像分辨率640×640，訓練總輪數(shù)為"400"輪的參數(shù)進行訓練。

3.3.1"使用SIoU后的實驗分析

為了驗證SIoU對于模型綜合性能的影響，實驗一對比了YOLOv5s模型在不同目標框損失函數(shù)下的表現(xiàn)，對比結(jié)果如表2所示。通過表2可知，在使用SIoU_Loss替換CIoU_Loss后，模型的召回率、準確率與綜合檢測能力均得到了提高。

3.3.2"修改網(wǎng)絡結(jié)構后的實驗分析

在YOLOv5s算法的基礎上對網(wǎng)絡結(jié)構進行修改，修改后的網(wǎng)絡結(jié)構如圖1（記作模型A）。為了探究模型A的檢測能力，在實驗一的基礎上進行實驗二，具體操作為在SIoU_Loss的基礎上運行修改后的模型A，并在完成訓練后對模型的訓練結(jié)果進行可視化處理，其中mAPIoU=0.50以及mAPIoU=0.5∶0.95的具體結(jié)果如圖3所示。

從圖3可知，隨著訓練輪數(shù)的增加，mAP@0.5與mAP@0.5∶0.95大體上均呈上升趨勢，在到達300輪后模型基本收斂，此時的mAP@0.5穩(wěn)定在92.5%左右，訓練過程中模型的最高mAP@0.5值為93.51%；mAP@0.5∶0.95最終保持在65%附近。相比于傳統(tǒng)的YOLOv5s網(wǎng)絡，mAP值的增大說明了修改后的模型A對密集、細小的裂紋數(shù)據(jù)集有著更好的識別能力。

模型A與YOLOv5s、YOLOv5m的結(jié)果對比如表3所示。通過表3可以發(fā)現(xiàn)模型A的參數(shù)量與計算量相較于YOLOv5s有所上升，但復雜度卻遠小于YOLOv5m，且模型A的檢測效果無論是對比輕量的YOLOv5s還是復雜的YOLOv5m，都有著一定的提升。

3.4"分割拼接處理的實驗結(jié)果與分析

為了驗證分割拼接處理對于檢測效果的影響，設計了一組對照試驗，在相同的檢測權重和圖片集條件下，一組按照先分割，再檢測，最后反向拼接還原的方式進行檢測操作；另一組則是直接進行檢測操作。兩組實驗的檢測結(jié)果對比如圖4。

通過圖4發(fā)現(xiàn)，經(jīng)過分割拼接方法處理后的實驗組可以檢測出一些難以發(fā)現(xiàn)的細小的、不明顯的裂紋，但由于存在拼接過程，不可避免地造成了檢測框重疊的現(xiàn)象。

4"結(jié)"論

為了實現(xiàn)機場行李運輸系統(tǒng)輪對裂紋的實時檢測，探索了一種基于YOLOv5的裂紋檢測算法，改進的主要方向為：修改了原網(wǎng)絡的損失函數(shù)，在網(wǎng)絡中增加了SE注意力機制和SwinTransformer模塊；使用SPDConv替代了傳統(tǒng)的Conv模塊；增加了圖片分割與子圖反向拼接的預處理。通過實驗可知，修改后的模型與YOLOv5s相比，mAP@0.5提升了2.44%，召回率P提升了5.08%。在檢測實驗中，利用圖像分割與拼接處理，即使在相同的數(shù)據(jù)集與檢測權重下，也能更好地識別出細小裂紋。

綜上所述，修改后的模型基本能滿足機場對于行李運輸系統(tǒng)輪對裂紋的實時檢測要求。

參考文獻

［１］"GIRSHICK"R，"DONAHUE"J，"DARRELL"T，"et"al."Rich"feature"hierarchies"for"accurate"object"detection"and"semantic"segmentation[C]//Proceedings"of"the"IEEE"Conference"on"Computer"Vision"and"Pattern"Recognition，2014："580-587.

［2］"GIRSHICK"R."Fast"rcnn[C]//Proceedings"of"the"IEEE"International"Conference"on"Computer"Vision，"2015："1440-1448.

［3］"REDMON"J，"DIVVALA"S，"GIRSHICK"R，"et"al."You"only"look"once："unified，"realtime"object"detection[C]//Proceedings"of"the"IEEE"Conference"on"Computer"Vision"and"Pattern"Recognition，"2016："779-788.

［4］"邵延華，張鐸，楚紅雨，"等.基于深度學習的YOLO目標檢測綜述[J].電子與信息學報，2022，44（10）：3697-3708.

［5］"CHEN"Xinlei，"GIRSHICK"R，"HE"K，"et"al."Tensormask："a"foundation"for"dense"object"segmentation[C]//Proceedings"of"the"IEEE/CVF"International"Conference"on"Computer"Vision，"2019："2061-2069.

［6］"KRIZHEVSKY"A，"SUTSKEVER"I，"HINTON"G."Imagenet"classification"with"deep"convolutional"neural"networks[J]."Communications"of"the"ACM，nbsp;2017，"60（6）："84-90.

［7］"SUNKARA"R，"LUO"T."No"more"strided"convolutions"or"pooling："a"new"CNN"building"block"for"lowresolution"images"and"small"objects[C]//Joint"European"Conference"on"Machine"Learning"and"Knowledge"Discovery"in"Databases."Cham："Springer"Nature"Switzerland，"2022："443-459.

［8］"HU"Jie，"LI"Shen，"SUN"Guang."Squeezeandexcitation"networks[C]//Proceedings"of"the"IEEE"Conference"on"Computer"Vision"and"Pattern"Recognition，2018："7132-7141.

［9］"LIU"Ze，"LIN"Yutong，"CAO"Yue，"et"al."Swin"transformer："hierarchical"vision"transformer"using"shifted"windows[C]//Proceedings"of"the"IEEE/CVF"International"Conference"on"Computer"Vision，2021："10012-10022.

［10］GEVORGYAN"Z."SIoU"loss："more"powerful"learning"for"bounding"box"regression[J]."arXiv"preprint"arXiv：2205.12740，"2022.