基于深度殘差網(wǎng)絡(luò)ResNet- 50 的綠蘿狀態(tài)識別系統(tǒng)

閔宇航

（成都理工大學(xué)，四川 成都610059）

綠蘿（Scindapsus aureus）是重要的室內(nèi)觀葉植物,易于栽培與造型,它可以凈化空氣，同時提高環(huán)境觀賞性。綠蘿性喜高溫和有明亮散射光的環(huán)境，其耐蔭性強(qiáng),怕強(qiáng)光直射，不耐寒冷[1]。綠蘿病變常見為葉片發(fā)黃、根莖稀疏等，及早發(fā)現(xiàn)并加以養(yǎng)護(hù)，對于綠蘿的生長尤為重要，但大規(guī)模的綠蘿狀態(tài)識別效率仍受限于人工識別的低效。

隨著計算機(jī)硬件技術(shù)的高速發(fā)展，計算機(jī)的運(yùn)算速度隨之提高，這為計算機(jī)視覺技術(shù)的發(fā)展提供了全新的硬件基礎(chǔ)。在此基礎(chǔ)上，結(jié)合深度學(xué)習(xí)的計算機(jī)圖像處理技術(shù)不斷發(fā)展，深度學(xué)習(xí)中的卷積神經(jīng)網(wǎng)絡(luò)模型（CNN）由最初的LeNet 模型，經(jīng)由VGGNet、GoogleNet，逐漸成熟發(fā)展到ResNet[2]，模型結(jié)構(gòu)逐漸優(yōu)化，部分識別效果已媲美人工，同時還有人工無法企及的識別效率。

因此，本文采用深度參差網(wǎng)絡(luò)ResNet-50 模型，對綠蘿樣本進(jìn)行訓(xùn)練學(xué)習(xí)，并實(shí)現(xiàn)對三種不同狀態(tài)（正常狀態(tài)、需養(yǎng)護(hù)、需更換）綠蘿的識別分類。

1 總體方案設(shè)計

首先，實(shí)驗(yàn)所采用的數(shù)據(jù)來源為相機(jī)拍攝（實(shí)物拍攝和網(wǎng)絡(luò)爬取）的不同狀態(tài)的綠蘿圖片，拍攝角度主要為正視和俯視角度，圖片內(nèi)容確保綠蘿的葉片或根系能夠清晰展示。結(jié)合綠蘿實(shí)際生長狀態(tài)，設(shè)定以下三種綠蘿狀態(tài)：

正常狀態(tài)：葉片全綠，葉片數(shù)量較多，土壤裸漏較少；

需養(yǎng)護(hù)：出現(xiàn)黃葉且數(shù)量較少，土壤裸漏較少；

需更換：有大面積黃葉或存在葉片腐爛發(fā)黑情況，或葉片數(shù)量過少，土壤裸露情況嚴(yán)重，或葉片失水嚴(yán)重，出現(xiàn)葉片大面積皺縮。

接著將數(shù)據(jù)集中90%的圖片作為訓(xùn)練樣本，剩余圖片供測試使用。同時，對綠蘿圖片進(jìn)行了標(biāo)注、翻轉(zhuǎn)、旋轉(zhuǎn)等預(yù)操作，以增強(qiáng)圖片的泛化能力。并且，為網(wǎng)絡(luò)結(jié)構(gòu)加入了存盤功能，可記錄和載入最佳模型結(jié)果。

2 數(shù)據(jù)集設(shè)計

2.1 數(shù)據(jù)集收集

在收集網(wǎng)絡(luò)模型訓(xùn)練及測試所需圖片時，首先確定圖片標(biāo)準(zhǔn)，要求清晰展示綠蘿的葉片或根莖的狀態(tài)，并減少背景噪聲干擾。因此選擇光線條件較明亮、背景較干凈的取景環(huán)境。同時，由于ResNet-50 模型的結(jié)構(gòu)特性，隨著網(wǎng)絡(luò)深度的逐漸提高，為適應(yīng)模型的復(fù)雜程度，訓(xùn)練所需樣本量也隨之增加，樣本量的不足可能會導(dǎo)致訓(xùn)練結(jié)果的過擬合，影響模型預(yù)測的正確率。[3]因此，對部分圖片中的綠蘿植株，變換拍攝角度以實(shí)現(xiàn)數(shù)據(jù)集的擴(kuò)充，設(shè)計滿足網(wǎng)絡(luò)模型所需的訓(xùn)練樣本集。

2.2 數(shù)據(jù)預(yù)處理

針對現(xiàn)有的綠蘿圖片，存在著背景噪聲干擾等問題，所以本文使用了LabelMe 這一圖片標(biāo)注工具，采用矩形框的形式，對訓(xùn)練集中的每張圖片手工標(biāo)注葉片及根部，確定其所屬類別（圖1）。同時，將圖片的大小統(tǒng)一設(shè)為518X346 像素，并且進(jìn)行隨機(jī)90 度旋轉(zhuǎn)、水平翻轉(zhuǎn)、垂直翻轉(zhuǎn)。

圖1 三種不同分類的綠蘿

3 深度殘差網(wǎng)絡(luò)ResNet

3.1 關(guān)于ResNet

自AlexNet 之后，卷積神經(jīng)網(wǎng)絡(luò)不斷加深，訓(xùn)練誤差卻沒有隨之不斷減小。這是由于反向傳播的梯度計算是在上一層基礎(chǔ)上進(jìn)行的，網(wǎng)絡(luò)深度加深會使梯度復(fù)乘，使梯度在多層反向傳播時越來越小，最終梯度消失。這導(dǎo)致深層網(wǎng)絡(luò)后面會出現(xiàn)很多冗余層，模型會退化為一個淺層網(wǎng)絡(luò)，準(zhǔn)確率也會到達(dá)瓶頸。[2-4]

ResNet 為解決這一問題而生。它在傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)中加入殘差學(xué)習(xí)（Residual Learning）的思想，在網(wǎng)絡(luò)結(jié)構(gòu)中加入了殘差單元（Residual Unit）。殘差單元在輸入和輸出之間建立了一條直接的快捷通道，實(shí)現(xiàn)了輸出與輸入相同的恒等映射層。借此，ResNet 解決了深層網(wǎng)絡(luò)中梯度彌散和精度下降的問題，既保證了訓(xùn)練精度，又控制了訓(xùn)練速度。[5]

圖2 resnet-50 模型結(jié)構(gòu)

本文采用的ResNet-50 模型包含了50 層網(wǎng)絡(luò)。模型最開始有一個單獨(dú)的卷積層，隨后有四組block，每組里面分別是3、4、6、3 個block、每個block 里面有三層網(wǎng)絡(luò)，這些層負(fù)責(zé)對圖像進(jìn)行卷積操作、提取圖像特征以及充當(dāng)恒等映射層。最后單獨(dú)的全連接層，使用SoftMax 激活函數(shù)，將卷積之后的結(jié)果類別數(shù)，降低到規(guī)定的類別數(shù)。

3.2 模型構(gòu)建

本文采用的ResNet-50 模型，其結(jié)構(gòu)如圖2。

3.2.1 對輸入的圖像進(jìn)行邊緣3X3 的零填充。

3.2.2 在階段一，使用64 個長寬規(guī)模為7X7 的過濾器來進(jìn)行二維卷積操作；然后使用批量歸一化對輸入的數(shù)據(jù)進(jìn)行正則化處理，接著使用規(guī)模為3X3 的窗口來進(jìn)行最大池化。

3.2.3 從階段二到階段五，卷積殘差塊和與它相連的恒等殘差塊，分別使用三個不同規(guī)模的濾波器，對圖像進(jìn)行特征提取，改變輸出通道數(shù)。

3.2.4 使用規(guī)模為2X2 的窗口來進(jìn)行二維平均池化，并在全連接層使用SoftMax 激活函數(shù)來將數(shù)據(jù)降低到規(guī)定的三個類別。

實(shí)際的訓(xùn)練過程中，本文選擇了Rectified Adam (RAdam)這一優(yōu)化器。這是一種機(jī)器學(xué)習(xí)模型優(yōu)化器，它實(shí)現(xiàn)了自適應(yīng)學(xué)習(xí)率，既具備隨機(jī)梯度下降（SGD）方法的優(yōu)勢，又實(shí)現(xiàn)了Adam快速收斂的優(yōu)點(diǎn)，令模型收斂至質(zhì)量更高的結(jié)果[6]。

4 實(shí)驗(yàn)結(jié)果分析

圖3 網(wǎng)絡(luò)誤差及測試正確率

經(jīng)過90 輪的訓(xùn)練以后，網(wǎng)絡(luò)的誤差已降低至0.04 附近，而測試的正確率已穩(wěn)定在97%以上(如圖3)。從測試結(jié)果可以看出，網(wǎng)絡(luò)對于給定樣本識別效果良好。得益于ResNet-50 模型結(jié)構(gòu)的優(yōu)化，網(wǎng)絡(luò)層數(shù)加深的同時訓(xùn)練精度不斷提高；RAdam 優(yōu)化器的作用下模型收斂質(zhì)量更高，訓(xùn)練時間也大為縮減，如圖3。

5 結(jié)論

本文采用深度殘差網(wǎng)絡(luò)ResNet-50 模型，選擇較為高效的RAdam 模型優(yōu)化器，合理設(shè)計和處理訓(xùn)練數(shù)據(jù)集，在較短訓(xùn)練時間和合理的硬件資源條件下，實(shí)現(xiàn)了對綠蘿不同生長狀態(tài)的有效識別。經(jīng)過測試集測試，識別正確率能達(dá)到97%以上。這有助于綠蘿養(yǎng)殖狀態(tài)的監(jiān)督工作，對于綠蘿養(yǎng)殖行業(yè)有輔助意義，對于其他綠植養(yǎng)護(hù)也有參考價值。

但需指出，由于人工收集樣本有限，實(shí)際情況中綠蘿的生長狀態(tài)更為復(fù)雜，機(jī)器識別的場景也更為豐富，因此模型的適應(yīng)性會有所降低。收集更具廣泛性的樣本來不斷優(yōu)化網(wǎng)絡(luò)模型，這將是本文研究此后需要做的工作。