基于改進(jìn)YOLOv7 的小目標(biāo)和低對(duì)比度紙病分類算法研究

摘要： 隨著紙機(jī)車速提升和幅寬加大，紙病出現(xiàn)頻率隨之上升。為根治紙病，需對(duì)其有效分類以溯源。但因部分紙病目標(biāo)小、對(duì)比度低，分類效果欠佳。本課題提出了一種基于改進(jìn)YOLOv7的分類方法，核心思想是在頸部網(wǎng)絡(luò)改良快速跨階段特征金字塔池化（SPPFCSPC） 模塊，在感受野不變前提下提升分類速度；使用空間深度卷積替換原有的“卷積+池化層”，增強(qiáng)對(duì)紙病的特征提取能力；通過(guò)注意力模塊（SimAM），使更多的資源集中于紙病細(xì)節(jié)，進(jìn)一步提高低對(duì)比度和小目標(biāo)紙病的識(shí)別效率。結(jié)果表明，本課題算法的平均精度達(dá)0. 97，實(shí)時(shí)檢測(cè)速度26. 5幀/s。相比于原YOLOv7網(wǎng)絡(luò)，本算法在小目標(biāo)和低對(duì)比度紙病的平均精度和檢測(cè)速度方面均有明顯提升。

關(guān)鍵詞：紙病分類；小目標(biāo)；YOLOv7；SPPFCSPC；SimAM

中圖分類號(hào)：TS736+. 2 文獻(xiàn)標(biāo)識(shí)碼：A DOI：10. 11980/j. issn. 0254-508X. 2025. 03. 018

在紙張抄造過(guò)程中，受制造工藝或生產(chǎn)環(huán)境影響，紙張表面可能會(huì)出現(xiàn)不同種類的瑕疵，如孔洞、黑點(diǎn)、劃痕和起皺等，行業(yè)內(nèi)統(tǒng)稱為紙病。紙病的出現(xiàn)會(huì)對(duì)紙張的加工性能和企業(yè)經(jīng)濟(jì)效益產(chǎn)生一定程度的負(fù)面影響，需盡可能地克服或消除[1]。為從根源解決紙病問(wèn)題，需要對(duì)紙病進(jìn)行分類，為紙病溯源提供技術(shù)支持。然而，在紙病分類過(guò)程中，存在紙病與紙張圖像的尺寸比例lt;0.1 的小目標(biāo)紙病[2-3]，以及對(duì)比度低于10∶1 的低對(duì)比度紙病，導(dǎo)致分類效果欠佳。因此，如何設(shè)計(jì)一種能兼顧小目標(biāo)和低對(duì)比度紙病的紙病分類方法是一個(gè)亟待解決的痛點(diǎn)問(wèn)題。

隨著深度學(xué)習(xí)的發(fā)展，基于機(jī)器視覺(jué)的分類方法在紙病圖像分類領(lǐng)域備受青睞。為了解決紙病圖像分類問(wèn)題，張學(xué)蘭等[4]提出了一種基于圖像變換和BP神經(jīng)網(wǎng)絡(luò)的分類方法，利用動(dòng)態(tài)雙閾值法對(duì)孔洞和臟點(diǎn)圖像進(jìn)行預(yù)處理，通過(guò)Prewitt算子和形態(tài)學(xué)閉運(yùn)算對(duì)折痕圖像進(jìn)行預(yù)處理，再利用BP神經(jīng)網(wǎng)絡(luò)對(duì)紙病圖像進(jìn)行分類， 最終識(shí)別結(jié)果的平均準(zhǔn)確率達(dá)93.8%，具有算法簡(jiǎn)單易實(shí)現(xiàn)的優(yōu)點(diǎn)；但該研究?jī)H討論了3種紙病的分類問(wèn)題，具有一定的局限性，泛化能力弱，且測(cè)試樣本僅涉及80余個(gè)紙病缺陷，樣本量較少，導(dǎo)致算法不具有普適性。高樂(lè)樂(lè)等[5]提出了一項(xiàng)采用卷積神經(jīng)網(wǎng)絡(luò)（CNN） 的紙病識(shí)別方法，通過(guò)圖像增強(qiáng)和圖像分割的技術(shù)對(duì)待檢測(cè)紙病圖像進(jìn)行預(yù)處理，隨后利用CNN網(wǎng)絡(luò)提取紙病特征，并通過(guò)Softmax層進(jìn)行紙病分類，最終識(shí)別結(jié)果的辨識(shí)率為99.6%，具有分類準(zhǔn)確率高、識(shí)別速度快的優(yōu)點(diǎn)；但僅通過(guò)正確率對(duì)結(jié)果進(jìn)行評(píng)價(jià)，評(píng)價(jià)指標(biāo)單一，說(shuō)服力較弱。張開(kāi)生等[6]提出了一種基于改進(jìn)YOLOv5的紙病分類方法，在批量歸一化模塊中引入中心化和縮放校準(zhǔn)，在骨干網(wǎng)絡(luò)結(jié)構(gòu)中融入坐標(biāo)注意力機(jī)制，并使用CIoU_loss作為邊框回歸的損失函數(shù)，所得結(jié)果平均精度為99.0%，具有分類精度高的優(yōu)點(diǎn)；但實(shí)驗(yàn)均未采用小目標(biāo)樣本，算法實(shí)用性較差。

綜上所述，上述方法在分類準(zhǔn)確率、評(píng)價(jià)指標(biāo)選擇、樣本選擇、泛化性方面均存在一定的不足。本課題受戚玲瓏等[7]使用改進(jìn)YOLOv7模型對(duì)公開(kāi)數(shù)據(jù)集FloWImg小目標(biāo)子數(shù)據(jù)集檢測(cè)的啟發(fā)，以實(shí)現(xiàn)小目標(biāo)、低對(duì)比度紙病分類研究為出發(fā)點(diǎn)，提出一種基于改進(jìn)YOLOv7的小目標(biāo)和低對(duì)比度紙病分類方法；同時(shí)，通過(guò)使用Pytorch平臺(tái)進(jìn)行驗(yàn)證，驗(yàn)證本課題所提方法的有效性。

1 基于改進(jìn)YOLOv7 網(wǎng)絡(luò)的紙病圖像分類算法

1. 1 傳統(tǒng)YOLOv7網(wǎng)絡(luò)

YOLOv7算法旨在改善目標(biāo)檢測(cè)算法在速度上表現(xiàn)出色但精確率較低的問(wèn)題，結(jié)構(gòu)模型如圖1所示。輸入端使用了Mosaic數(shù)據(jù)增強(qiáng)技術(shù)、自適應(yīng)錨框計(jì)算和圖片尺寸處理進(jìn)行預(yù)處理；骨干網(wǎng)絡(luò)是特征提取網(wǎng)絡(luò)，包括3種主要模塊，分別為卷積模塊（CBS）、最大池化與卷積結(jié)合模塊（MP） 及擴(kuò)展高效聚合模塊（ELAN）；頸部網(wǎng)絡(luò)則采用了路徑融合網(wǎng)絡(luò)（PANet）的方式[8]，將骨干網(wǎng)絡(luò)提取的特征層進(jìn)行拼接。最終通過(guò)3組重參數(shù)化卷積（RepConv） 模塊，并結(jié)合引導(dǎo)式標(biāo)簽分配策略，高效匹配了圖像與標(biāo)簽[9]；在輸出端以CIoU_loss為損失函數(shù)，優(yōu)化目標(biāo)邊界框，并利用非極大值抑制（NMS） 技術(shù)，以增強(qiáng)對(duì)多個(gè)目標(biāo)框重疊情況的檢測(cè)能力，輸出結(jié)果包括預(yù)測(cè)圖像中缺陷位置和分類信息向量[10]。但傳統(tǒng)YOLOv7模型沒(méi)有針對(duì)小尺寸圖像的檢測(cè)層，也沒(méi)有采用針對(duì)低對(duì)比度紙病的注意力機(jī)制，存在對(duì)小目標(biāo)、低對(duì)比度紙病檢測(cè)效果比較差的缺點(diǎn)，在實(shí)時(shí)性方面，雖然已經(jīng)能夠滿足大部分生產(chǎn)場(chǎng)合，但是對(duì)于實(shí)時(shí)性要求較高的紙病分類任務(wù)還有待提高。

為解決上述問(wèn)題，本課題基于YOLOv7網(wǎng)絡(luò)提出一種針對(duì)小目標(biāo)、低對(duì)比度紙病的網(wǎng)絡(luò)模型，該模型首先借鑒了YOLOv5[11]中空間金字塔池化（spatial pyr?amid pooling-fast，SPPF） 的思想，對(duì)跨階段特征金字塔池化（spatial pyramid pooling with cross stage partialconnections，SPPCSPC） 模塊進(jìn)行優(yōu)化，得到快速跨階段特征金字塔池化（spatial pyramid pooling with fastcross stage partial connections，SPPFCSPC） 模塊，在保持感受野不變的情況下提升分類速度；其次使用空間深度卷積[12] （space-to-depth non-strided convolution，SPD-Conv） 替換原網(wǎng)絡(luò)中的“卷積+池化層”，提高小目標(biāo)紙病的特征提取能力；最后通過(guò)添加基于相似度的注意力模塊（similarity-based attention module，SimAM），使更多注意資源側(cè)重于紙病細(xì)節(jié)，進(jìn)一步提高小目標(biāo)、低對(duì)比度紙病識(shí)別效率。

1. 2 傳統(tǒng)YOLOv7算法中SPPCSPC模塊的改進(jìn)

圖2表示YOLOv5中的SPPF結(jié)構(gòu)，其將3個(gè)5×5的最大池化層進(jìn)行串聯(lián)，并將每一層的輸出進(jìn)行融合。受此啟發(fā)，本課題將YOLOv7中的SPPCSPC模塊（圖3） 改進(jìn)為SPPFCSPC 模塊（圖4），將SPPCSPC模塊中5×5、9×9、13×13 3個(gè)不同大小的最大池化并行關(guān)系更改為3個(gè)5×5的串行關(guān)系，只指定1個(gè)卷積核，每次池化后的輸出作為下一個(gè)池化的輸入，計(jì)算量從原來(lái)的（（5×5）+（9×9）×（13×13））·W優(yōu)化至3×（5×5）·W，其中W 代表權(quán)重，具有計(jì)算量小的優(yōu)點(diǎn)，可以提升紙病分類速度。

1. 3 SimAM注意力機(jī)制的引入

在紙病分類過(guò)程中，相機(jī)采集到的劃痕、邊裂等紙病屬于低對(duì)比度圖像，圖像特征易受背景干擾，YOLOv7在深層卷積過(guò)程中容易丟失部分特征，造成分類結(jié)果出現(xiàn)漏檢或誤檢等情況，故本算法在骨干特征提取網(wǎng)絡(luò)中引入了SimAM模塊，不同于現(xiàn)有的通道（圖5（a）） 或空間注意力（圖5（b）） 模塊，僅單獨(dú)地將特征轉(zhuǎn)化為1D和2D權(quán)重；也不同于CBAM注意力[13] （圖5（c）），需要將1D和2D權(quán)重組合為3D權(quán)重，浪費(fèi)時(shí)間，SimAM模塊可以在不需要額外參數(shù)的情況下推導(dǎo)出3D注意力權(quán)重，將其加入YOLOv7網(wǎng)絡(luò)中不僅不會(huì)增加網(wǎng)絡(luò)的復(fù)雜度，還可以提高網(wǎng)絡(luò)對(duì)低對(duì)比度紙病的提取能力， SimAM 結(jié)構(gòu)圖如圖5（d）所示。