密集堆疊下的高相似度木塊橫截面檢測

魏文戈，譚曉陽

（1. 南京航空航天大學 計算機科學與技術學院，江蘇 南京 211106； 2. 軟件新技術與產業化協同創新中心，江蘇南京 211106）

木材是林業主產物，對于人類生活起著重要的支持作用。實際生產過程中，工人們經常將木材制成橫截面各異的矩形木塊。木塊橫截面信息主要體現為木塊橫截面尺寸信息以及木塊橫截面數量信息。在木塊交易時，往往通過木塊橫截面的數量信息直接決定總體售價；或根據木塊橫截面的尺寸信息來決定木塊用途，進而間接影響售價。因此，木塊的橫截面信息尤為重要。然而由于木塊往往被批量地密集堆疊，使得木塊橫截面之間的分布高度密集且縫隙極小；外觀較相似、邊界不明顯，易導致漏檢和誤檢；且拍攝時光照、亮度變化范圍較大，進一步加大了檢測難度，給有效檢測木塊橫截面信息帶來了較大的挑戰。現有的目標檢測算法[1-8]均不能很好地解決該問題。本文為此提出了Wood R-CNN模型，在模型損失函數和非極大值抑制算法上進行了改進以提升檢測精度，同時簡化網絡結構并改進特征金字塔網絡以保證檢測速度。實驗結果表明：該模型保證了較快的檢測速度，且對密集程度、亮度、光照、紋理的變化具有良好的魯棒性。

1 木塊檢測相關工作

目標檢測作為計算機視覺領域的一個重要分支，一直是專家們研究的熱點之一。然而，鑒于傳統目標檢測算法依賴人為設計特征的局限性，檢測效果較差、算法較為復雜、且檢測速度也較慢。因此傳統目標檢測算法并沒有被廣泛運用。

之后，基于深度學習的目標檢測算法的出現在檢測精度、檢測速度和實現成本上均優于傳統的目標檢測算法。目標檢測算法因此逐漸轉向以深度學習為主流。其中最具有代表性的是RCNN系列[1-4]目標檢測算法，此外還有SPP-Net[5]、SSD[6]、YOLO[7]以及 YOLO2[8]等經典算法。

1.1 R-CNN系列目標檢測算法

R-CNN[1]網絡是一種基于區域候選的卷積神經網絡算法，是CNN在檢測問題上的首次嘗試。其通過提取一系列的區域候選框送入卷積神經網絡，將檢測問題轉化為分類問題。R-CNN首先通過選擇性搜索[9]算法，使用不同大小的滑動窗口來感受輸入圖像并生成候選區域。每張圖像大概會生成近2k個候選區域。這些候選區域經過扭曲變換，統一縮放成相同尺寸的方形區域，并輸入卷積神經網絡，進行進一步的特征抽取。最后對各候選區域進行標簽分類以達到目標檢測的效果。

Fast R-CNN：為了省去R-CNN[1]算法中重疊區域被反復特征提取，Fast R-CNN[2]首先記錄下選擇性搜索所得的區間，并對整張輸入圖片進行卷積操作得到特征圖，然后將先前記錄的區間映射到特征圖以生成各塊候選區域。Fast R-CNN提出了RoIPooling[2]層結構以保證映射后的候選區域尺寸一致，并輸入全連接層提取更高級的特征。最后將結果數據送入分類器和邊界框回歸器，前者用于識別候選區域的類別標簽，后者用于微調邊界框的坐標位置。

Faster R-CNN：為了改進Fast R-CNN[2]較為耗時的候選區域生成過程，Faster R-CNN[3]算法提出區域候選網絡(RPN)[3]，將區域候選功能塊也交由CNN實現，提高了檢測速度。通過該設計，區域候選網絡可與Fast R-CNN共享前半部分的卷積提取結果。

Mask R-CNN：該算法在Faster R-CNN基礎上并行添加了一個目標掩膜分支，用于對每一個候選區域預測目標掩膜。3個任務分支并行設計不僅簡化了網絡結構，也提升了靈活性便于做進一步修改。Mask R-CNN能夠對圖像中的目標精準地檢測，并精細分割出每個實例。

1.2 木塊檢測領域

目前業界針對木塊檢測的研究主要集中于木塊缺陷檢測[10-16]、木塊含水率檢測[17]、木塊年輪檢測[18]、木塊性質檢測[19-22]、木塊密度檢測[23]及木塊腐朽檢測[24]等領域。

文獻[10]通過超聲波實現木塊缺陷檢測；文獻[11]總結了木塊缺陷的理論方法，指明接下來的發展方向；文獻[12]將基于RGB彩色空間的木塊圖像作為一個整體，由四元數矩陣奇異值分解完成檢測分析；文獻[13]側重研究木塊無損檢測；文獻[14-16]將人工神經網絡技術引入木塊缺陷檢測并取得較大影響；文獻[17]首次在木材含水率檢測中使用深度學習技術；文獻[18-19]將圖像處理技術應用于木塊檢測；文獻[20]對模態分析技術進行研究，為木塊檢測提供新思路；文獻[21-22]通過應力波技術及應力波傳播模型實現木塊檢測；文獻[23]研究了計算機斷層掃描技術在木塊密度檢測上的可行性；文獻[24]側重對木材腐朽情況進行檢測，該研究對后續的防治工作起到了輔助作用。

但目前業內并沒有針對木材橫截面檢測這一特定任務的先行研究。本文創新性地設計并提出了Wood R-CNN網絡模型，將深度學習成功運用到木塊橫截面檢測中，在該復雜場景下通過卷積神經網絡學得網絡模型，實現了對木塊橫截面的有效檢測。

2 Wood R-CNN模型設計

2.1 Wood R-CNN網絡結構

如圖1，Wood R-CNN分為以下3部分：

前半部分以ResNet-50[25]組合FPN[26]作為卷積神經網絡結構的主體，對輸入的圖像進行了特征提取。

圖 1 Wood R-CNN網絡結構Fig. 1 Structure of Wood R-CNN

中間部分負責生成候選區域。由區域候選網絡(RPN)[26]對得到的多層不同尺度的特征圖進行候選區域提取，生成不同尺寸和形狀的候選框(anchor)[3]，同步進行類別評分和邊界框回歸。再根據結果通過剔除越界候選框和非極大值抑制算法(NMS)[27]來降低候選框數量。并將候選框映射回原圖像得到對應區域，通過RoIAlign[4]結構將所有區域映射為相同尺寸。

后半部分負責分類和邊框回歸。主要為全連接層及互相平行的分類器和邊框回歸器，最終輸出檢測結果。

2.2 檢測精度的提升

由于木塊密集堆疊、木塊橫截面相似度高且邊界不明顯，因此對檢測的精度和準度要求極高。然而現有的檢測算法并不能很好地應對該挑戰。目前主流的檢測算法所設置的損失函數簡單地將分類任務和檢測任務按相同的權重進行分配，往往不夠靈活；區域伸縮功能一般交由RoIPooling來實現，該結構基于最近鄰插值，通過四舍五入來選取距離目標最近鄰點進行填充，容易丟失較多的位置對稱信息；非極大值抑制算法往往被設定較大的算法閾值以減少重疊，但并不適用于低重疊度的木塊橫截面檢測問題。

若直接使用這些現有的檢測算法，會不可避免地存在檢測精度低和誤檢的情況。對此通過修改模型損失函數和改用RoIAlign進行RoI池化來提升檢測準確率，并通過改進非極大值抑制算法來降低誤檢率。

2.2.1 損失函數的改進

在訓練過程中，Faster R-CNN[3]針對感興趣區域(RoI)和區域候選網絡(RPN)設計的訓練損失函數為

其中：

可以看出，該算法中分類損失和回歸損失只是簡單地按相同權重進行處理，這樣的設計不利于邊框準確率要求較高的檢測任務。

Mask R-CNN[4]算法中3個任務平行，且同樣為相同的權重分配。該算法設計的訓練損失函數為

其中：

通過仔細分析問題需求并對比文獻[3-4]的損失函數設計，考慮到具體的算法運用場景下的分類任務較簡單但回歸任務較難且精度要求較高，因此Wood R-CNN算法模型的重點在于其中的回歸任務。重新設計了更具靈活性的損失函數計算式為

其中：

在實驗中，發現該改進操作明顯提升了模型算法的檢測精度。

2.2.2 非極大值抑制算法的改進

非極大值抑制[27]算法用來選取鄰域邊界框中分數最高的邊界框，并抑制那些分數較低的邊界框，能有效去除邊界框重疊現象，從而提升目標檢測精度。該算法在Faster R-CNN和Mask R-CNN等目標檢測算法中均有著廣泛的運用。非極大值抑制的算法閾值在文獻[3]中被設定為0.7，在文獻[4]中被設定為0.5，并在常規數據集上取得了很好的去重效果。通過仔細觀察木塊橫截面檢測這一特定任務的檢測對象圖像樣本特征，發現樣本中的木塊橫截面實例重疊度較低，但是對漏檢率較敏感。因此在Wood R-CNN中，新設定非極大值抑制的算法閾值為0.3。經過實驗表明，這種改進在一定程度上減少了誤檢率，從而明顯改善了最終的檢測效果。

2.2.3 RoI池化的改進

RoIPooling結構在2015年于Fast R-CNN[3]論文中提出，其作用旨在替換掉R-CNN網絡中的區域伸縮結構，使之滿足在一次性特征抽取的情況下實現多目標檢測。但RoIPooling結構使用的是最近鄰插值算法，在調整特征圖尺寸時存在缺陷，當出現縮放后坐標無法剛好為整數的特殊情況時，簡單地通過四舍五入來處理，相當于直接選取距離目標位置最近的像素點而沒有考慮空間對稱性。文獻[4]中發現了這種算法可能在一定范圍內損失空間上的對稱性，因此提出了RoIAlign[4]，具體表現在將最近鄰插值替換為了更合理的雙線性插值。

考慮到具體的問題需求，通過仔細分析本文任務的數據集樣本特性發現，由于木塊密集堆疊、木塊橫截面相似度高且邊界不明顯，因此木塊橫截面檢測得到的邊界框必須具有很高的位置精確度。因此，Wood R-CNN受文獻[4]啟發，改用RoIAlign[4]結構以替代傳統的RoIPooling[3]結構，保證了在池化感興趣區域(RoI)的過程中不丟失位置對稱信息，從而提高了模型算法的檢測精度。

2.3 檢測速度的提升

直接使用現有的目標檢測算法，由于結構的復雜性，會不可避免地存在檢測速度慢的問題。如何有效提升檢測速度，是保證模型算法性能所需要克服的挑戰。在Wood R-CNN中，通過簡化網絡結構和改進特征金字塔網絡，成功地提升了模型算法的檢測速度。

2.3.1 網絡結構的簡化

考慮到本任務針對木塊橫截面進行檢測，主要提取的特征為木塊橫截面的自然紋理、輪廓等，屬于比較低級的特征，因而并不需要太深的網絡結構去提取過于高級的目標特征。但同時太淺的網絡結構又無法滿足該任務的高精度要求。基于這些考量，選擇了ResNet-50[25]作為Wood RCNN前半部分的卷積神經網絡主體，主要任務是進行圖像的特征提取。相比ResNeXt-101[28]這種更深的網絡結構，ResNet-50[25]可以在保證檢測精度的同時，減少計算量和內存要求，并加快模型在訓練時的收斂速度。

2.3.2 特征金字塔網絡的改進

目標檢測算法中，往往只在卷積結構提取的最后一層特征圖上生成候選區域，該設計易造成小尺度目標的漏檢。而特征金字塔網絡(FPN)[26]則在多層不同尺度的特征圖上進行生成候選區域的操作，充分降低了對小目標的漏檢率。考慮到本任務圖像樣本中多為狹長形的小尺度目標，因此Wood R-CNN采用特征金字塔網絡以生成候選區域。但在研究中發現，該結構生成的候選框數量過多且過密，計算量較大，影響了檢測速度。所以本文在特征金字塔網絡(RPN)上進行了改進。

特征金字塔的最低層級相對于圖像具有4像素的跨度，因此候選框是每隔4個像素間隔進行一次創建。為了減少計算量同時降低內存負載，本文將滑窗移動步長改進為2，候選框的數量因此縮小到了原來的1/4，而檢測精度并沒有出現下降。由于減少了候選框數量所帶來的計算量降低，算法檢測速度明顯加快。在一塊8 GB顯存的顯卡上，Wood R-CNN對輸入大小為1 024×1 024的木塊橫截面圖片進行檢測，檢測速度相比改進前的模型平均提高了0.47 f/s。

2.4 實現細節

2.4.1 數據擴充

由于公共網絡上未提供開源的木塊橫截面數據集，因此本文采用某木材廠提供的一批木塊橫截面拍攝圖像作為數據集。但由于拍攝成本較高，圖像數據數量有限。深度卷積神經網絡需要大量有效數據來驅動模型的正常訓練，否則往往會陷入過擬合的困境。通過仔細觀察圖像樣本，注意到木塊橫截面多為輪廓簡單且形狀方正的長矩形，因此原圖像經過翻轉或摳取之后依然會符合該檢測任務的常規數據特性。根據這一數據特性，本文采用了圖像水平翻轉、圖像垂直翻轉、圖像水平垂直翻轉、隨機摳取和尺度變換等一系列數據擴充手段，成功地將圖像樣本數量擴充至原有數量的數倍，同時增加了訓練樣本的多樣性。不僅可以很好地降低過擬合風險，也使模型性能得到一定程度上的提升。

2.4.2 數據標記

在標記過程中，通過標記工具記錄圖片中每個木塊橫截面實例4個角點的二維坐標并生成坐標列表，由該表可以生成該圖片中每個木塊橫截面實例的邊界框分布圖。

2.4.3 實際訓練

在實際訓練過程中，將木塊橫截面圖像數據集分為訓練集、驗證集及測試集，分配比例為8：1：1。由于該任務與Mask R-CNN的多目標檢測任務具有一定的相似度，Wood R-CNN模型訓練采用在Mask R-CNN已收斂的成熟模型上做進一步的遷移學習。學習率初始設置為0.002，經過10個訓練周期降為0.000 2，30個周期后結束訓練。

卷積神經網絡輸入原始圖片，得到預測結果并與真實分布計算誤差損失，對網絡參數進行負反饋調節，引導神經網絡學習到對木塊橫截面的特征提取能力和檢測能力。

經過一定輪數訓練，在最終的收斂模型上進行木塊橫截面檢測的測試。測試結果表明Wood R-CNN模型在測試集上取得了較佳的木塊橫截面檢測效果，驗證了模型的有效性。

2.5 Wood R-CNN的擴展運用

由于Wood R-CNN網絡模型具有較好的實用性，故其可在多個子任務場景下使用。例如，可以利用木塊橫截面檢測算法的輸出結果，實現對木塊尺寸的測量。

具體方法為，先通過Wood R-CNN對木塊圖片進行橫截面檢測以得到每個邊界框的尺寸數據，并乘上圖片——實際場景比例尺，計算出真實場景下每個木塊橫截面的真實尺寸數據。

還可根據其他特定需求對輸出的真實尺寸數據進行篩選，對于尺寸符合特定需求(例如寬度、高度大于指定閾值)的木塊橫截面實例進行單獨輸出，或加上星標以突出顯示。

3 實驗分析

3.1 檢測效果對比實驗

本文采用不同的目標檢測算法，在相同數據集上進行同等訓練，并對比模型的測試效果。具體地，選取了目前學界用于目標檢測任務的主流網絡模型Faster R-CNN和前沿網絡模型Mask R-CNN，分別與本文提出的Wood R-CNN網絡模型進行實驗對比。在相同的圖像樣本訓練集上進行訓練，采用相同的超參數設置，各自訓練了30個周期，并在相同的圖像樣本測試集上進行最終的檢測效果對比。從圖2可以看出，在木塊橫截面檢測這一特定任務上，Wood R-CNN有著比Faster R-CNN、Mask R-CNN更好的檢測效果及更低的漏檢率。

圖 2 不同網絡結構下的檢測結果Fig. 2 Test results under different network structures

3.2 算法性能對比實驗

由于檢測算法的性能主要取決于檢測精度和檢測速度，本文選取了業內用于目標檢測任務的主流網絡模型YOLO[7]、Faster R-CNN[3]及Mask RCNN[4]，與本文的Wood R-CNN網絡模型在木塊橫截面數據集上對比檢測精度和檢測速度，并選取AP(average precision)和FPS(frame per second)衡量算法精度和速度。經過實驗，得到各檢測算法在木塊橫截面數據集上的性能對比如表1。從表中可以看出，Wood R-CNN具有最高的檢測精度和較快的檢測速度，算法性能最優。

表 1 檢測算法性能對比Table 1 Detection algorithm performance comparison

3.3 模型收斂對比試驗

實驗中還發現，Wood R-CNN相比Faster RCNN和Mask R-CNN能夠更快地收斂。圖3為模型收斂情況折線圖，可以看出Wood R-CNN模型收斂速度快于Faster R-CNN和Mask R-CNN，意味著降低了模型訓練成本，具有更好的實用性。

圖 3 不同網絡模型訓練時的收斂情況Fig. 3 Convergence of training different network models

3.4 魯棒性對比實驗

在實際檢測中，木塊圖像往往存在光照明暗程度不一、木塊顏色各異等專有特性。為了保證模型算法的實用性，本文還額外設置了模型魯棒性對比實驗。經過仔細對比，發現在木塊橫截面檢測這一任務下，Wood R-CNN網絡模型相比Faster R-CNN和Mask R-CNN具有更好的魯棒性。圖4分別為光照不足情況下木塊橫截面檢測效果對比圖以及特殊顏色木塊橫截面檢測效果對比圖。可以看出，Wood R-CNN的魯棒性優于Faster R-CNN以及Mask R-CNN，因而具有更好的泛化性能和更強的實用性。

圖 4 檢測算法的魯棒性對比Fig. 4 Robust comparisons of detection algorithms

3.5 損失函數設定實驗

考慮到密集堆疊下高相似度木塊橫截面檢測這一任務的特殊性，靈活設計了損失函數，如式(7)～(9)。該損失函數對分類任務和檢測任務靈活分配相應權重，使模型可以根據問題需求有所側重地訓練。

本文對λ1和λ2的設置進行了一系列實驗，實驗效果如圖5。

圖 5 權重損失函數實驗Fig. 5 Weight loss function experiment

經過實驗對比，設置λ1=1.0、λ2=2.0為損失函數最佳參數配置。從損失函數設定實驗的對比結果可以看出，Wood R-CNN網絡模型的損失函數改進對提升木塊橫截面檢測精度具有關鍵性的作用。

通過以上一系列實驗，可以看出，Wood RCNN在密集堆疊下的高相似度木塊橫截面檢測這一任務上具有較高的檢測精度和檢測速度，同時兼具良好的魯棒性和實用性，能切實解決實際生產過程中的木塊橫截面檢測問題，節省人力成本，節約物力開銷，有效提高生產率。

4 結束語

在密集堆疊下的高相似度木塊橫截面檢測問題中，由于木塊密集堆疊、木塊橫截面相似度極高且邊界不明顯，導致傳統的檢測算法不能有效地發揮作用。為此，本文設計了Wood R-CNN網絡模型。通過改進模型損失函數和非極大值抑制算法來提升檢測精度；簡化網絡結構和改進特征金字塔網絡來保證檢測速度。該模型結構簡單高效。經過實驗結果表明：在木塊橫截面數據集上，本文所提模型優于目前主流的目標檢測算法，在檢測精度和檢測速度上均具有較好的表現。鑒于其良好的魯棒性和實用性，可在實際生產過程中被廣泛使用。