激光三角測量法在化纖絲餅毛羽檢測中的應用

劉艷，張維霞(山東省臨沂市纖維質量檢驗監測中心，山東 臨沂 276000)

0 引言

化纖行業是我國工業體系重要組成部分，其生產力及生產水平的提升直接關系到工業發展，更關系到社會經濟及科學技術發展。有文獻顯示，加強化纖絲餅毛羽檢測能夠有效提高化纖產品生產質量，從而促進化纖行業生產水平提升，所以很多化纖企業都將化纖絲餅毛羽檢測作為主要管理項目，以此來提高化纖絲餅毛羽檢測工作質量[1]。盡管如此，依然有很多化纖生產企業實用人工檢測方法檢測化纖絲餅毛羽，不僅增加了化纖絲餅被二次污染的風險，還增加了漏檢、檢錯等不良現象發生，導致化纖絲餅毛羽檢測準確度及檢測效率下降，影響高質量化纖產品生產質量及效率[2]。

1 化纖絲餅毛羽的圖像采集

采集原理至于利用激光器在待測物體表面投射一條線激光，然后通過反射光線進入相機獲取照射物體的表面圖像，并在移動過程重建成較為直觀化的圖像。

當化纖絲餅毛羽旋轉時對應的相機和激光器也會移動，所以絲餅毛羽表面的高度發生了變化，導致激光線、相機視點位置發生改變，兩者的交叉點也發生了移動。每次的拍攝都能夠采集到對應的絲餅表面輪廓圖，經過多次拍攝后截取最為清晰準確的表面輪廓圖，并依次拼接采集輪廓圖，以判斷是否出現毛羽。

圖像采集方法適用于常規的化纖絲餅毛羽檢測，但無法直接采集卷繞成形后的化纖絲餅表面輪廓圖，需要基于激光三角測量法設計圖像采集裝置，用于采集卷繞成形后的化纖絲餅的表面輪廓圖，包括上、下端面和柱面等輪廓圖，為大面積毛羽抽樣檢測提供依據，從而提高化纖絲餅毛羽檢測精準度。

2 基于激光三角測量法的 SSD模型構建

SSD模型的原理至于根據回歸思想、單次階段深度學習目標，結合相關網絡端構建的信息化及網絡化檢測模型，整個模型主要由前、后兩端網絡組成，前端網絡系統采用了VGG16截斷網絡端口作為基礎特征提取器，用于提取深度卷積神經網絡內的信息，然后在該基礎上用卷積層替換FC6、FC7全連接層，以提取目標特征。后端網絡則以級聯網絡作為多尺度特征檢測器，以前段網絡相比增加了4個卷積層，能夠提取不同尺度條件下的特征，最后可輸入多級特征進行回歸計算，得出非極大值和最終輸出結果，為絲餅毛羽檢測模型提供可靠的數據信息。

在原有的SSD模型前端網絡中利用Mobilenet取代VGG16形成新的基礎特征提取器，以提高運行速度、減少模型參數量、提高絲餅毛羽小目標識別能力及特征層信息提取能力，然后在后端網絡中利用雙向特征融合方式構建特征金字塔，并引入深度可分卷積 (DSC)算法，改進原有模型基礎CNN層，最后形成絲餅毛羽檢測模型。

提取絲餅毛羽特征過程中進行大量運算，會涉及到數據輸入通道數、卷積核個數、固定大小和對應層數、特征數據等參數的應用，CNN層的數據計算量可設為O1，具體計算公式如下：

式中：K為當前層卷積核個數；D為數據通道數；F為卷積核大小；N為輸入數據的寬和高。

絲餅毛羽檢測模型的后端網絡進行轉置卷積操作時需要運用到雙向特征融合策略，即將大小相同的特征層行融合，以增強特征層的特征提取能力和表達能力，從而快速回去各個層級特征圖特點，并獲取每個卷積層至少1組的預測結果，提高絲餅毛羽檢測準確率。

3 檢測實驗與分析

操作系統選用為Windows 10，選用型號為 Intel(R)Core(TM)i7-6 800K的處理器型，顯卡型號為 NVIDIA GeForce GTX 1 080Ti,內存為128G。

檢測效果判定指標包括平均精確率均值mAP和檢測速度。mAP的計算公式為：

式中：RAPC為每類絲餅毛羽缺陷平均精確率；C為毛羽種類，C=1，2，3……n(總數)。

檢測速度的判定指標為幀速率V(幀·s-1)，計算公式為：

式中：R為檢測絲餅毛羽的總幀數；t為檢測總時間(s)。

本研究選用端毛羽、圈毛羽和交叉毛羽3種類型絲餅毛羽(由江蘇某化纖廠提供)進行實驗，圈毛羽最少，其次是交叉毛羽，最后是端毛羽(最多)，三種毛羽的比例為2∶3∶5，相關數據分布及數據集如表1所示。

表1 絲餅毛羽數據分布及數據集 單位：張

模型訓練超參數設置：迭代次數100 000次；初始學習率0.001；學習衰減率0.8；權重衰減系數0.000 5；交并比(IoU)閾值0.75，檢測過程中的損失函數曲線如圖1所示。

圖1 損失函數曲線

迭代次數為40 000次時損失函數值降到0.2，然后曲線平緩，迭代約70 000次時出現波動，下降為0.05之后，曲線趨于平穩(基本保持在0.02左右)[8]。

對比實驗的檢測結果如表2所示。

表2 不同檢測模型下的絲餅毛羽檢測結果比較(x±s)

從表2可以看出，本研究的檢測模型，在RAPC、mAP、檢測速度(V)等指標上的比較均具有可比性和統計學意義(P＜0.05)。統計學分析選用SPSS20.0統計學軟件對不同模型檢測結果進行分析，本研究檢測結果可作為計量資料，使用t檢驗，表示為“”，差異有統計學意義用“P＜0.05”表示。以上結果經過統計學分析了解到基于激光三角測量法改進的SSD檢測模型，其各項檢測指標都明顯優于原始的SSD，說明改進后的SSD檢測模型檢測效果更佳。

4 結語

通過上文分析了解到，基于激光三角測量法改進SSD檢測模型，圈毛羽、交叉毛羽和端毛羽的精確率都得到了提高，證實了激光三角測量法具有顯著的絲餅毛羽檢測效果，值得推廣應用。