基于SSD 算法優(yōu)化的風(fēng)機葉片缺陷檢測研究與應(yīng)用

應(yīng) 俊，劉 迅，曾學(xué)仁，方 亮，田 楠

（1.上海擴博智能技術(shù)有限公司，上海 201100；2.中國三峽新能源（集團）股份有限公司西北分公司，蘭州 730070）

0 引言

關(guān)于缺陷檢測應(yīng)用的研究大致可分為兩類：基于機器視覺的缺陷檢測方法，如LBP+SVM；基于深度學(xué)習(xí)的缺陷檢測方法?；跈C器視覺的方法存在2 個問題：受環(huán)境、光照、生產(chǎn)工藝等影響，手工提取的特征信噪比較低，有效信息不足，導(dǎo)致準(zhǔn)確率不高，達不到工業(yè)應(yīng)用要求；選擇合適的特征比較耗時，無法滿足實時性檢測要求。

自從ImageNet[1]競賽使用卷積神經(jīng)網(wǎng)絡(luò)[2]以來，深度學(xué)習(xí)算法取得了巨大的進步。特別是受益于大規(guī)模、高質(zhì)量的開源數(shù)據(jù)集，例如ImageNet[1]，PASCAL VOC[3]，MS COCO[4]，開發(fā)出了大量的目標(biāo)檢測算法，其中影響深遠的主要算法 有Faster R-CNN[5]，SSD[6]，YOLO[7-8]以 及CornerNet[9]。Faster R-CNN 算法輸入1 000×600分辨率圖片，SSD 算法輸入300×300 或512×512分辨率圖片，YOLO 算法輸入416×416 或512×512 分辨率圖片，CornerNet 算法輸入511×511 分辨率圖片。

兩階段算法最早由R-CNN 提出。兩階段算法生成一系列ROI（感興趣區(qū)域），然后用卷積神經(jīng)網(wǎng)絡(luò)對其分類。R-CNN 算法采用傳統(tǒng)的選擇性搜索方法來生成ROI，每個區(qū)域都從圖片中提取并單獨進入卷積神經(jīng)網(wǎng)絡(luò)，因此產(chǎn)生了大量冗余計算。Faster R-CNN 算法提出RPN（區(qū)域候選網(wǎng)絡(luò)）來替代選擇性搜索算法，它本身輸入的是一系列設(shè)定好的先驗框（即錨點框），這種設(shè)計使得算法更有效率且允許該網(wǎng)絡(luò)實現(xiàn)端到端訓(xùn)練。之后，其他的一些研究著重于整合子類別信息、選擇更好的特征、提高速度、級聯(lián)優(yōu)化手段以及更好的訓(xùn)練方法。

與此同時，YOLO 和SSD 開啟了一階段算法，移除了ROI 池化階段并且直接在一個網(wǎng)絡(luò)中檢測物體。一階段算法通常比兩階段算法速度更快，且能保持一定的準(zhǔn)確率。SSD 算法在不同特征層設(shè)置了不同尺度的先驗框，基于此進行分類和回歸。YOLO 算法直接預(yù)測物體的坐標(biāo)和類別，即沒有錨點框。然而，YOLO 和SSD 仍未能在精度上超越兩階段算法，直到RetinaNet[10]被發(fā)明出來。文獻[10]指出密集的錨點框生成導(dǎo)致正負樣本極度不均衡，這種不均衡導(dǎo)致模型難以訓(xùn)練和優(yōu)化，因此提出一種新的損失函數(shù)——Focal Loss（焦點損失），用于動態(tài)調(diào)節(jié)錨點框的權(quán)重，至此一階段算法才在性能上超越兩階段算法。

國內(nèi)在缺陷檢測應(yīng)用方面已有一定的進展：劉恒等人[11]基于多源域遷移學(xué)習(xí)實現(xiàn)液晶面板缺陷檢測；盧穎穎等人[12]采用邊緣特征提取實現(xiàn)電鍍件缺陷檢測；彭趕等人[13]采用局部閾值分割和局部區(qū)域?qū)Ρ榷确治鰧崿F(xiàn)手機屏幕缺陷檢測；馬麗萍等人[14]使用頻譜分析法進行汽車安全帶表面缺陷檢測；趙欣洋等人[15]和胡嘉成等人[16]分別使用Faster R-CNN 和卷積神經(jīng)網(wǎng)絡(luò)對缺陷檢測問題進行研究并取得了良好的進展，但檢測速度和模型魯棒性距離實際工業(yè)應(yīng)用要求仍有一定距離。

目前，尚沒有任何一個算法能夠直接應(yīng)用在5 456×3 632 超大分辨率的葉片圖片上。在上述算法中，SSD 算法在VOC 數(shù)據(jù)集上展現(xiàn)了出色的推理速度和高精度，且該框架具有高度的可移植性。綜合考慮SSD 算法的速度、準(zhǔn)確性和靈活性，本文基于SSD 算法開發(fā)一套適合于風(fēng)機葉片缺陷檢測的算法。

風(fēng)機葉片的獨特性帶來了大量繁雜的背景，而且各種臟污噪音對前景造成極大干擾，同時算法需要具備完整的旋轉(zhuǎn)不變性，并解決大規(guī)模空間搜索問題。為此，針對以下方面進行優(yōu)化：

（1）空間范圍非常小。

在風(fēng)機葉片圖像中，感興趣的缺陷區(qū)域通常很小且稀疏，而不是像COCO 數(shù)據(jù)集中典型且特征突出的物體。風(fēng)機葉片尺寸非常大，但缺陷通常非常小，即便在圖片分辨率很高的情況下，缺陷范圍也只有很少的像素，比如15 個。為此，提出基于SSD 算法優(yōu)化的缺陷檢測方法。

（2）完備的旋轉(zhuǎn)不變性。

由于葉片拍攝的角度是隨機的，葉片缺陷對象可以有0°～360°任意角度；但屬于開源數(shù)據(jù)集的COCO 數(shù)據(jù)集或者VOC 數(shù)據(jù)集中的物體，絕大部分是直立的，幾乎不會出現(xiàn)任意角度的物體。為此，提出基于葉片分割的角度旋轉(zhuǎn)方法。

（3）輸入超大分辨率圖像。

由于葉片風(fēng)機輸入圖片非常大但目標(biāo)又通常很小，大多數(shù)算法都無法直接使用。為此，提出基于原圖裁剪的缺陷檢測方法。

1 缺陷圖像預(yù)處理

1.1 葉片分割

實際圖片中葉片前景的區(qū)域占比約為30%～70%。在葉尖部位這一比例可以降至10%以下。大量的背景區(qū)域會增加識別過程的耗時，背景中復(fù)雜的信息也會干擾算法對葉片缺陷的識別。因此，本文設(shè)計了分割算法，將葉片前景提取出來（見圖1）。

圖1 提取葉片前景

1.2 葉片旋轉(zhuǎn)

缺陷多數(shù)沿著葉長方向發(fā)展（長且窄），而現(xiàn)有檢測算法的缺陷標(biāo)注框為正矩形（而非旋轉(zhuǎn)的矩形），為了盡可能減少斜向缺陷帶來的干擾，本文利用算法將葉片旋轉(zhuǎn)到豎直方向（見圖2），這樣斜向缺陷框也旋轉(zhuǎn)為正矩形框，且緊密貼合缺陷區(qū)域。分3 個步驟實現(xiàn)這一過程：

圖2 葉片旋轉(zhuǎn)

（1）計算葉片的最小外接矩形。

（2）根據(jù)矩形的長短邊計算葉片的角度，并旋轉(zhuǎn)圖片（同步旋轉(zhuǎn)缺陷的標(biāo)注框）。

（3）旋轉(zhuǎn)后，葉片處于豎直方向，將葉片區(qū)域切割出來（同步平移缺陷的標(biāo)注框）。

2 SSD 算法優(yōu)化

2.1 SSD 算法的總體框架

SSD 算法（圖3）于2015 年首次被提出，其重用了Faster R-CNN 的錨點框機制，采用多尺度特征圖抽樣，其中大特征圖負責(zé)小目標(biāo)檢測，小特征圖負責(zé)大目標(biāo)檢測，并將VGGNet 中的全鏈接更改為全卷積網(wǎng)絡(luò)。本文對SSD 算法進行優(yōu)化，擴展SSD 骨干結(jié)構(gòu)，更新多尺度特征層（稱為Neck 層），并將Cross Entropy Loss（交叉熵損失）優(yōu)化為Focal Loss，增加了IOU Loss（交并比損失）。

圖3 SSD 算法網(wǎng)絡(luò)結(jié)構(gòu)

2.2 骨干網(wǎng)絡(luò)優(yōu)化

目標(biāo)檢測網(wǎng)絡(luò)的骨干網(wǎng)絡(luò)主要用于提取原始圖片中的高階特征，在圖像分類任務(wù)中，ResNet被廣泛應(yīng)用，并且有很多變種和應(yīng)用。本文選擇ResNet50-d（圖4）來替代VGGNet，并在最后骨干網(wǎng)絡(luò)的其中3 個階段將3×3 卷積網(wǎng)絡(luò)替換為DCN（可變形卷積網(wǎng)絡(luò)），該結(jié)構(gòu)有P1，P2，P3，P4，P5 共5 個階段。

圖4 ResNet50-d 的殘差模塊結(jié)構(gòu)

SPP（空間金字塔池化）由SPPNet 首次提出，該設(shè)計可以使用固定的k×k（k 為池化核的寬和高）池化核獲得不同大小感受野的特征，因為池化層沒有參數(shù)，所以SPP 可以在少量增加模型計算量的情況下，極大地增加模型的感受野。本文在骨干網(wǎng)絡(luò)P5 階段增加了SPP 結(jié)構(gòu)。

2.3 多尺度特征層（Neck 分支）優(yōu)化

多尺度特征層（Neck 分支）優(yōu)化如圖5 所示，其中圖5（a）為經(jīng)典的FPN（特征金字塔）結(jié)構(gòu)，圖5（b）為PANet 結(jié)構(gòu)（比FPN 多了一層自下而上結(jié)構(gòu)），圖5（c）為NASNet 所采用的FPN 結(jié)構(gòu)，圖5（d）為BiFPN（雙向特征金字塔）結(jié)構(gòu)。為了獲取更多的特征表達，本文采用BiFPN 來替代SSD 中的多尺度特征。特征圖的P3，P4，P5 為BiFPN 層的輸入，未使用P6 和P7。

圖5 多尺度特征層（Neck 分支）優(yōu)化

2.4 檢測分支

檢測分支和SSD 一致，由兩層卷積層組成：3×3 Conv Layer+1×1 Conv Layer。每層輸出的預(yù)測值為A×（K+4），A 為該層錨點框數(shù)量，K 為類別總數(shù)，4 為xywh offset 的預(yù)測值。

3 模型參數(shù)和訓(xùn)練

3.1 模型技巧

權(quán)重指數(shù)平滑：訓(xùn)練神經(jīng)網(wǎng)絡(luò)時，通常對訓(xùn)練的模型參數(shù)保存一份移動平均數(shù)。使用權(quán)重的移動平均數(shù)來評估模型，通常比使用模型最終訓(xùn)練的權(quán)重效果要好。使用EMA（指數(shù)移動平均數(shù)）來計算模型訓(xùn)練過程的權(quán)重平均數(shù)，公式如下：

式中：WEMA為指數(shù)移動平均權(quán)重；W 為當(dāng)期更新的權(quán)重；λ 為衰減因子，取λ=0.999 8。

Label Smooth（標(biāo)簽平滑）：傳統(tǒng)的硬編碼標(biāo)簽非0 即1，但預(yù)測值使用的是Sigmoid 激活函數(shù)，Sigmoid 函數(shù)若要得到0 或者1 時，輸入的值必須非常小或者非常大，反而容易造成模型過擬合，所以采用對原始硬編碼標(biāo)簽進行平滑的處理方法。標(biāo)簽平滑公式如下：

式中：y′為標(biāo)簽平滑后的樣本標(biāo)簽；ε 為平滑系數(shù)，取ε=0.05；K 為模型類別總數(shù)；i 為預(yù)測類別；y 為實際類別。

3.2 先驗框匹配原則

為了快速收斂，本文拋棄了SSD 基于最大IOU 匹配的規(guī)則，而是直接采用寬高規(guī)則匹配，即按該gt-bbox（人工標(biāo)注的缺陷框）和當(dāng)前層的錨點框計算寬高比。若寬高比小于設(shè)定的閾值（本文中為4），則該錨點框為正例；反之為負例。

對于每個gt-bbox，計算其落在哪個網(wǎng)格內(nèi)，并根據(jù)四舍五入規(guī)則找出最近的2 個網(wǎng)格，將這3 個網(wǎng)格都認為是負責(zé)預(yù)測該gt-bbox 的網(wǎng)格，如圖6 所示。

圖6 預(yù)測gt-bbox 的網(wǎng)格

3.3 損失函數(shù)

對于分類和回歸損失，分別采用Focal Loss和Smooth L1 Loss，并新增了IOU Loss，即模型總損 失由Focal Loss，Smooth L1 Loss，IOU Loss三部分組成。

邊界框回歸對于缺陷檢測至關(guān)重要。在SSD中，僅使用Smooth L1 Loss 作為回歸損失，但該損失和最終評估指標(biāo)mAP（平均精度均值）相關(guān)性并不高。IOU Loss 也有其他變種，比如GIOU（通用IOU 損失）、DIOU（距離IOU 損失）、CIOU（完全IOU 損失）等，這些變種的提出都是為了解決上述問題。本文在Smooth L1 Loss 基礎(chǔ)上，增加了IOU Loss。

4 效果驗證和評估

4.1 訓(xùn)練超參數(shù)

本文采用ResNet50-d-DCN 作為骨干網(wǎng)絡(luò)，使用BiFPN 作為Neck 層，預(yù)測分支和SSD 完全相同。首先，基于ImageNet 預(yù)訓(xùn)練ResNet50-d-DCN 網(wǎng)絡(luò)[17]，對于BiFPN 和預(yù)測分支，使用xavier初始化策略。訓(xùn)練中使用了SGD（隨機梯度下降）優(yōu)化器，共迭代150 000 次，初始學(xué)習(xí)率為0.01，在80 000 次和120 000 次時學(xué)習(xí)率分別縮小10倍，L2 正則化項系數(shù)為0.000 5，動量為0.9，多尺度訓(xùn)練尺度為320～608，批量為16。

4.2 消融實驗

基于blade defects test data（葉片缺陷試驗數(shù)據(jù)）的消融實驗結(jié)果見表1。

表1 基于blade defects test data 的消融實驗結(jié)果

本節(jié)將逐步展示上述技巧或模塊的有效性。

A→B：使用未作任何優(yōu)化的ResNet-50 代替vgg16；此時mAP 略微下降，考慮到ResNet-50參數(shù)量小于vgg16，故將ResNet-50 優(yōu)化為ResNet-50d，并將其中的3×3 卷積網(wǎng)絡(luò)替換為DCN，并在P5 階段增加SPP 層；據(jù)此，得到一個mAP50為74.2%的模型B。

B→C：針對網(wǎng)絡(luò)結(jié)構(gòu)的Neck 進行優(yōu)化嘗試，使用了BiFPN 結(jié)構(gòu)；采用EMA 和Label Smooth 訓(xùn)練技巧，模型的mAP50提升到78.8%。

C→D：嘗試優(yōu)化損失函數(shù)來提升mAP，因為調(diào)整損失函數(shù)一般只會影響訓(xùn)練過程，而幾乎不會影響推理時間；為此，增加了IOU 損失和正例匹配規(guī)則，模型的mAP50提升到82.1%。

4.3 效果評估和對比

本文共采集12 000 余張真實缺陷圖片，按照8:1:1 原則構(gòu)建訓(xùn)練、驗證和測試數(shù)據(jù)集。統(tǒng)計結(jié)果顯示：在IOU 為0.5 時，模型在測試數(shù)據(jù)集的mAP 為82.1%，召回率為90.3%。

為驗證優(yōu)化后的SSD 算法性能，在相同的實驗環(huán)境，分別采用Faster R-CNN 算法、YOLO 算法、SSD 算法和優(yōu)化后的SSD 算法以mAP 為指標(biāo)進行比較，如表2 所示。

表2 4 種算法在測試數(shù)據(jù)集上的mAP

在相同的實驗環(huán)境下（Tesla V100），對比4 種算法的實時性能，如表3 所示。可以看到優(yōu)化后的SSD 算法檢測速度仍有31 幀/s，基本達到實時性的要求。

表3 4 種算法的實時性能比較

優(yōu)化后的SSD 算法預(yù)測效果如圖7 所示。

圖7 模型預(yù)測效果

5 結(jié)語

本文基于風(fēng)機葉片缺陷提出了一種新的缺陷檢測算法，并結(jié)合大量的目標(biāo)檢測工程技術(shù)來優(yōu)化檢測算法在該應(yīng)用場景上的檢測精度，通過實踐應(yīng)用,表明深度學(xué)習(xí)算法在企業(yè)級項目中有著很好的魯棒性和商業(yè)價值。后續(xù)將會繼續(xù)巡檢更多的風(fēng)機以豐富訓(xùn)練數(shù)據(jù)，并探討和推動風(fēng)機葉片缺陷檢測算法的應(yīng)用，比如基于缺陷檢測結(jié)果來分析風(fēng)機葉片的健康程度，基于缺陷檢測結(jié)果來預(yù)測年發(fā)電量損失以及制訂維修計劃等。