基于改進Res-UNet網(wǎng)絡(luò)的鋼鐵表面缺陷圖像分割研究

李 原 李燕君 劉進超 范 衠 王慶林

①(北京理工大學(xué)自動化學(xué)院 北京 100081)

②(南開大學(xué)人工智能學(xué)院 天津 300071)

③(汕頭大學(xué)工學(xué)院 汕頭 515063)

1 引言

在工業(yè)生產(chǎn)中，鋼鐵等金屬材料表面會存在一些缺陷，如刮痕、凸起、裂縫、形變等，可能會導(dǎo)致機器工作時產(chǎn)生不正常的震動和聲響[1]，甚至導(dǎo)致生產(chǎn)事故。目前鋼鐵表面缺陷識別的方法主要有3種：人工檢測法，傳統(tǒng)圖像處理法[2–6]，機器學(xué)習(xí)法[7–14]。

在20世紀50～60年代，鋼鐵生產(chǎn)企業(yè)基本上使用人工檢測的方法評定鋼鐵質(zhì)量，目前國內(nèi)的很多中小型企業(yè)也使用該方法。人工檢測方法效率低、成本大且準確率低，工人的工作狀態(tài)會嚴重影響缺陷識別的效果[15]。于是使用機器代替人進行缺陷檢測的方法應(yīng)運而生。

傳統(tǒng)的圖像處理法利用局部異常反映的原始屬性來檢測和分割缺陷，可進一步分為結(jié)構(gòu)法、閾值法、頻譜法和基于模型的方法。Borselli等人[2]對圖像使用Sobel濾波，并用模糊推論系統(tǒng)(Fuzzy Inference System, FIS)描述圖片特征，返回一個與被搜索的缺陷出現(xiàn)在產(chǎn)品中的概率成比例的索引作為輸出，定位缺陷位置和類別。Xu等人[3]提出一種新的自適應(yīng)多尺度幾何分析方法—矩形非對稱非壓縮的模式識別模型(Rectangle Non-symmetry Anti-packing pattern representation Model, RNAMlet)，將圖像不對稱地分解成一組矩形塊，然后對所有塊進行哈爾小波變換。

淺層機器學(xué)習(xí)法通過傳統(tǒng)圖像處理提取缺陷的特征向量，將其送入分類器進行訓(xùn)練，獲得缺陷識別模型[16]。Kwon等人[7]利用變差輪廓線(Variance Of Variance, VOV)特征有效地將缺陷與背景區(qū)分開來，并訓(xùn)練隨機森林模型實現(xiàn)缺陷檢測。Chu等人[8]利用K近鄰(K-Nearest Neighbors, KNNs)方法挖掘并提取邊界樣本信息、代表性樣本信息和特征權(quán)重信息，根據(jù)這3種信息構(gòu)建多信息雙支持向量機(Twin Support Vector Machines with Multi-information,MTSVMs)缺陷分類器。

目前出現(xiàn)了許多深度學(xué)習(xí)結(jié)合傳統(tǒng)圖像法的融合算法[9–11]，圖像處理法能保證缺陷定位更精準，較大程度地保留缺陷細節(jié)。Yang等人[9]提出了一種基于反向傳播(Back Propagation, BP)神經(jīng)網(wǎng)絡(luò)和形態(tài)學(xué)噪聲濾波的混合缺陷分割方法。Ren等人[10]提出基于圖像塊特征構(gòu)建分類器的方法，從預(yù)訓(xùn)練好的深度Decaf網(wǎng)絡(luò)中獲取特征，然后將訓(xùn)練好的分類器卷積到輸入圖像上實現(xiàn)像素級的預(yù)測。

傳統(tǒng)的圖像處理法需要特定的背景條件或光照條件，要求缺陷有明顯的對比度或輪廓，且實時監(jiān)測性差，泛化能力弱，但是可實施性強。淺層機器學(xué)習(xí)法對外部自然條件的要求不高，具有更好的適應(yīng)性和魯棒性，但是提取的特征對于復(fù)雜情況沒有足夠的辨別能力和代表性。深度學(xué)習(xí)法提取的缺陷特征代表性強，模型具有較高的識別準確率和泛化能力，所以本文使用Res-UNet網(wǎng)絡(luò)分割鋼鐵表面缺陷，并設(shè)計了4種改進策略增強缺陷識別的效果。

2 基于Res-UNet的綜合改進算法

2.1 改進的Res-UNet算法

鋼鐵表面缺陷圖片的語義較為簡單，背景的復(fù)雜度低，缺陷的邊緣細節(jié)信息很難捕捉，所以圖像的高級語義和低級特征都很重要。不同類型的缺陷有時差異較小，數(shù)據(jù)具有多模態(tài)的特點，這對模型來說是新的挑戰(zhàn)。僅僅識別鋼鐵表面有無缺陷不能夠滿足生產(chǎn)需求，為了高效確定缺陷位置、識別缺陷種類和計算缺陷面積，加快工廠糾錯效率，圖像分割比圖像分類更有效。

綜合鋼鐵表面缺陷的圖像特點和實際生產(chǎn)的需求，本文選擇Res-UNet算法完成鋼鐵表面缺陷識別和定位的任務(wù)。Res-UNet 是將 UNet 網(wǎng)絡(luò)與ResNet 殘差網(wǎng)絡(luò)結(jié)合的新型神經(jīng)網(wǎng)絡(luò)[17]。Res-Net提出了跨層連接的殘差塊，在深度提取特征的同時避免了梯度消失和網(wǎng)絡(luò)退化[18]。UNet網(wǎng)絡(luò)在醫(yī)學(xué)圖像分割領(lǐng)域表現(xiàn)卓越，適用于訓(xùn)練邊緣不規(guī)范的小目標數(shù)據(jù)集，它由編碼網(wǎng)絡(luò)和譯碼網(wǎng)絡(luò)組成，形成了U型結(jié)構(gòu)，跳躍連接保證網(wǎng)絡(luò)融合淺層特征和深層特征[19]。Res-UNet綜合了二者的優(yōu)點，能夠充分提取和利用鋼鐵缺陷圖像的特征，避免梯度消失，縮短訓(xùn)練時間。

本文使用的Res-UNet采用ResNet作為編碼網(wǎng)絡(luò)，在此基礎(chǔ)上增加了6個跨層連接，通過最大池化操作統(tǒng)一維度，形成了稠密的網(wǎng)絡(luò)結(jié)構(gòu)，本結(jié)構(gòu)能夠重用淺層特征，增強特征的深度延展。UNet的譯碼網(wǎng)絡(luò)保持不變，實現(xiàn)特征圖像分辨率的恢復(fù)和與淺層特征的結(jié)合，改進的Res-UNet結(jié)構(gòu)如圖1所示。編碼網(wǎng)絡(luò)包括4個殘差模塊，如圖2(a)所示，每個模塊包含兩個卷積層、激活函數(shù)層(Rectified Linear Unit, ReLU)和兩個批量歸一化層(Batch Normalization, BN)，卷積層卷積核的大小為3×3，跳躍連接可以防止反向傳播時梯度消失。

圖1 Res-UNet網(wǎng)絡(luò)結(jié)構(gòu)

譯碼網(wǎng)絡(luò)包括5個譯碼模塊，如圖2(b)所示，每個模塊包括上采樣、兩個卷積層Conv2d、兩個激活函數(shù)層ReLU，上采樣方法為最近鄰插值法，用于加倍特征圖尺寸，卷積核為3×3大小，步長為1，用于融合特征。在編碼網(wǎng)絡(luò)和譯碼網(wǎng)絡(luò)之間有4個跳躍連接，用于拼接同維度的特征，實現(xiàn)了淺層特征的復(fù)用。

圖2 殘差模塊和譯碼模塊結(jié)構(gòu)

整個網(wǎng)絡(luò)共進行5次下采樣和5次上采樣。每次下采樣都將特征圖的大小減半，通道數(shù)加倍，特征圖從扁平狀變得小而密，更加立體；每次上采樣都將特征圖的大小加倍，通道數(shù)減半，特征圖最終恢復(fù)到輸入時的大小。在Res-UNet中，卷積核多使用3×3的大小，采樣的步長為1或2，具體每層的參數(shù)情況和特征圖大小如表1所示。

表1 網(wǎng)絡(luò)各層參數(shù)及特征圖大小

本文使用Res18-UNet作為基本的訓(xùn)練網(wǎng)絡(luò)，在此基礎(chǔ)上提出特征提取模塊稠密連接、加深編碼模塊網(wǎng)絡(luò)深度、訓(xùn)練集增強、改進損失函數(shù)的改進策略，提高網(wǎng)絡(luò)的缺陷分割能力。

2.2 增強訓(xùn)練集數(shù)據(jù)

為了避免網(wǎng)絡(luò)過擬合，使Res-UNet網(wǎng)絡(luò)學(xué)習(xí)更多樣本的特征，本文對訓(xùn)練數(shù)據(jù)集實現(xiàn)圖像增強。使用水平翻轉(zhuǎn)和豎直翻轉(zhuǎn)增強圖片的多樣性；調(diào)整圖像的亮度和對比度，減少光照不均的影響，突出缺陷的邊緣特征；使用直方圖均衡化增強圖像的全局對比度[20]。最后給訓(xùn)練集圖像增加模糊和噪聲干擾，進一步提升模型的泛化能力。

2.3 增加特征提取網(wǎng)絡(luò)的層數(shù)

為了提取更豐富的缺陷特征，使用層數(shù)更多的ResNet50作為編碼模塊，同樣增加稠密連接的結(jié)構(gòu)，可以得到更深層、包含更多語義信息的缺陷特征。在相同的實驗效果下，使用稠密連接可以節(jié)省參數(shù)，降低模型存儲開銷；減少計算量，提升計算效率；對于使用稠密連接的每一個殘差模塊，都重用了它之前幾個殘差模塊的輸出，經(jīng)過對輸出的非線性變換和引入，增加了特征的復(fù)雜度，通過綜合利用淺層復(fù)雜度低的特征，可以訓(xùn)練得到一個不易過擬合、泛化性能更優(yōu)的模型。

由于圖像分割需要考慮缺陷的邊緣細節(jié)，Res-Net50更深層網(wǎng)絡(luò)提取的特征包含更多豐富的語義信息，便于譯碼網(wǎng)絡(luò)確定分割的邊界，使分割結(jié)果更加精準。ResNet50殘差模塊為瓶頸結(jié)構(gòu)，輸入和輸出部分兩次使用1×1的卷積核實現(xiàn)數(shù)據(jù)的升降維，有效減少參數(shù)數(shù)量，提升網(wǎng)絡(luò)的訓(xùn)練速度。

2.4 改進損失函數(shù)

分割問題可以歸結(jié)為判斷像素是否為背景的問題，所以圖像分割神經(jīng)網(wǎng)絡(luò)最常使用的是逐像素2元交叉熵損失函數(shù)(Binary Cross Entropy Loss,BCEloss)，如式(1)所示。2元交叉熵損失函數(shù)采用類間競爭機制，導(dǎo)致網(wǎng)絡(luò)重點學(xué)習(xí)占比高的樣本，無法解決數(shù)據(jù)類內(nèi)不平衡的問題。

對于分割問題，背景負樣本的數(shù)量遠大于缺陷正樣本的數(shù)量，僅用BCEloss會導(dǎo)致網(wǎng)絡(luò)陷入局部極小值。Dice損失函數(shù)常用于計算樣本間相似度，它重點關(guān)注前景圖像是否分類正確，不關(guān)注背景像素，可有效緩解前景、背景樣本失衡的問題，計算公式如式(3)所示

為了進一步加強網(wǎng)絡(luò)對缺陷像素樣本的學(xué)習(xí)，本文設(shè)計加權(quán)交叉熵損失函數(shù)和加權(quán)Dice損失函數(shù)[21]，如式(4)和式(5)，增強正樣本的損失值比重，總損失函數(shù)為二者的加權(quán)和[22]，記為BDloss，如式(6)

3 實驗及結(jié)果分析

3.1 實驗平臺

為了對本文所提改進算法做出客觀公正的評價，所有實驗均在相同的實驗環(huán)境下進行。本實驗在L i n u x 操作系統(tǒng)下完成。G P U 為N V I D I A Quadro_P5000，顯存為16 GB；操作系統(tǒng)為64 GB的Ubuntu16.04.7；程序?qū)崿F(xiàn)軟件為Python3.5；Cuda版本為10.0.130。同時安裝深度學(xué)習(xí)框架Pytorch 1.6.0和Opencv4.4等第三方庫。

3.2 數(shù)據(jù)集

本文使用的數(shù)據(jù)集來自Kaggle鋼鐵缺陷檢測比賽，數(shù)據(jù)由謝韋爾鋼鐵公司(Severstal)提供。鋼鐵缺陷共分為4類：劃痕、埋渣、皮鱗、氧化，如圖3所示。使用其中9175張圖片作為訓(xùn)練數(shù)據(jù)集，另外297張圖片作為測試數(shù)據(jù)集，原始圖像像素大小為1600×256。訓(xùn)練數(shù)據(jù)集的缺陷分類情況如表2所示，皮麟的占比高達71.85%，數(shù)據(jù)集各個類別之間存在失衡。

表2 訓(xùn)練數(shù)據(jù)集缺陷分布情況(張)

圖3 4類缺陷分割示例圖

3.3 模型訓(xùn)練與結(jié)果分析

3.3.1 改進的Res-UNet算法實驗

本文訓(xùn)練了UNet,Res-UNet和改進的Res-UNet等10個網(wǎng)絡(luò)模型，并進行了4個對比試驗。訓(xùn)練集和驗證集的比例為8:2，初始學(xué)習(xí)率為5e-4，選擇Adam優(yōu)化算法，批大小為16。每個網(wǎng)絡(luò)的訓(xùn)練周期不同，是為了保證網(wǎng)絡(luò)收斂的情況下其分類、分割能力最優(yōu)。

使用Dice系數(shù)評價模型分割能力，一般認為其值大于0.7則表示預(yù)測區(qū)域和真實區(qū)域的重復(fù)度高，分割效果良好。Dice系數(shù)在評價圖像相似性時，位置的差異比圖像大小的差異對其值的影響更大。同時使用缺陷識別準確率 acc作為評價模型區(qū)分有無缺陷能力的指標，計算公式如式(7)。其中， n umsame表示真實有缺陷且預(yù)測有缺陷和真實無缺陷且預(yù)測無缺陷的圖片數(shù)量和，n umdif表示真實有缺陷但預(yù)測無缺陷和真實無缺陷但預(yù)測有缺陷的圖片數(shù)量和

3.3.2 結(jié)果對比分析

為了證明改進算法的先進性，使用AlexNet,DenseNet, Xception, Mask RCNN網(wǎng)絡(luò)進行對比試驗。相比于用ResNet作為編碼網(wǎng)絡(luò)的Res-UNet,UNet網(wǎng)絡(luò)收斂速度慢，漏檢、錯檢情況嚴重，經(jīng)常把劃痕預(yù)測成皮麟。AlexNet和DenseNet兩個分類網(wǎng)絡(luò)的分類準確率遠不如改進后的Res-UNet。經(jīng)過可視化分析發(fā)現(xiàn)Xception網(wǎng)絡(luò)對圖片是否包含缺陷的判斷不準確，對缺陷位置的預(yù)測不準確；Mask RCNN網(wǎng)絡(luò)存在分割不完整、不連續(xù)的情況。4組對比試驗證明了本文改進算法對鋼鐵缺陷數(shù)據(jù)集分類、分割的有效性。

增加Res-UNet的特征提取網(wǎng)絡(luò)層數(shù)，網(wǎng)絡(luò)分割能力略微提升，對于缺陷邊緣的檢測更準確，但是收斂速度變慢，網(wǎng)絡(luò)訓(xùn)練時間增加，仍無法分割出埋渣。增強訓(xùn)練數(shù)據(jù)集和修改損失函數(shù)可有效提升模型性能，相比于原Res18-UNet網(wǎng)絡(luò)，Dice系數(shù)分別提高0.93%和2.46%，類間不平衡情況有所緩解，缺陷識別準確率分別提高0.67%和7.07%，錯檢和漏檢率下降，能夠分割出訓(xùn)練樣本極少的埋渣，網(wǎng)絡(luò)泛化能力有所提升。給特征提取模塊加入稠密結(jié)構(gòu)，Dice系數(shù)提高了0.74%，雖然存在對埋渣的漏檢情況，但檢測結(jié)果的邊緣更貼近實際缺陷輪廓。

進一步采用組合優(yōu)化策略提升網(wǎng)絡(luò)性能，在Res18-UNet網(wǎng)絡(luò)基礎(chǔ)上增強訓(xùn)練數(shù)據(jù)集和使用BDloss損失函數(shù)與稠密連接，29個epoch后網(wǎng)絡(luò)基本收斂，收斂速度快，訓(xùn)練時間最短。相較于Res18-UNet,Dice系數(shù)提升了3.79%，識別準確率提高了8.42%，能有效對樣本數(shù)量少的埋渣進行分割，證明本文所提改進算法效果良好。

在Res50-UNet網(wǎng)絡(luò)基礎(chǔ)上增強訓(xùn)練數(shù)據(jù)集和使用BDloss損失函數(shù)，55個epoch后網(wǎng)絡(luò)基本收斂，Dice系數(shù)和準確率相比于基礎(chǔ)Res50-UNet網(wǎng)絡(luò)分別提升了3.46%和9.10%。但是網(wǎng)絡(luò)訓(xùn)練時間是相同改進下Res18-UNet網(wǎng)絡(luò)的兩倍多，消耗更多GPU資源，而且分類和分割效果相比于相同改進下Res18-UNet網(wǎng)絡(luò)也沒有非常大的提升，增加網(wǎng)絡(luò)層數(shù)策略雖有效，但性價比較低。

由于皮麟的樣本最多，Res-UNet網(wǎng)絡(luò)對皮麟的分割效果最好，劃痕和氧化與背景的差異較大，特征明顯，網(wǎng)絡(luò)對其分割效果較好。埋渣較為細小，紋理、顏色等特征和背景差別小，在某些訓(xùn)練集圖像中甚至肉眼難辨，且樣本數(shù)量少，導(dǎo)致網(wǎng)絡(luò)分割效果差甚至經(jīng)常漏檢。

3.3.3 預(yù)測結(jié)果可視化

將各個網(wǎng)絡(luò)的分割結(jié)果與原標注結(jié)果進行可視化對比，樣例中只展示皮麟、氧化和一圖兩缺陷的情況，截取缺陷部分展示如圖4，圖示依次為真實標簽、表3中各網(wǎng)絡(luò)(M1～M10, M14)的分割結(jié)果。UNet網(wǎng)絡(luò)的分割結(jié)果不連續(xù)，點和碎片式的情況比較嚴重。Res18-UNet和Res50-UNet的分割結(jié)果較為理想，但是易被噪聲干擾影響，如皮麟樣例中M2圖和氧化樣例中M3圖，導(dǎo)致分割結(jié)果完整度下降。訓(xùn)練集數(shù)據(jù)增強策略可增強網(wǎng)絡(luò)魯棒性，使網(wǎng)絡(luò)關(guān)注到細小缺陷。特征提取模塊加入稠密連接后，對細小缺陷的識別度有所提升，對缺陷邊緣的描述更加準確，缺陷部分的識別更完整，如一圖兩缺陷樣例中M10圖。BDloss結(jié)合訓(xùn)練集增強策略和稠密連接策略時，模型的分割結(jié)果最接近原標注圖，如所有樣例中的M10圖，分割完整度和精準度高，小缺陷檢測能力強。在分割網(wǎng)絡(luò)的對比實驗中，Xception未檢測到樣例中的缺陷，Mask RCNN存在部分缺陷漏檢、分割不完整、有小孔洞的問題。二者的分割效果均不如改進后的Res-UNet網(wǎng)絡(luò)。

表3 各網(wǎng)絡(luò)訓(xùn)練超參數(shù)及實驗結(jié)果

圖4 缺陷真實標簽和各網(wǎng)絡(luò)預(yù)測結(jié)果示例圖

4 結(jié)束語

針對鋼鐵表面缺陷分割問題，本文提出一種改進的Res-UNet算法，融合特征提取模塊稠密連接策略、數(shù)據(jù)集增強策略、增加網(wǎng)絡(luò)層數(shù)策略和優(yōu)化損失函數(shù)策略，改進后算法的分割精度和檢測效果都有所提高。稠密連接策略增加了淺層特征的應(yīng)用深度，數(shù)據(jù)集增強策略保證網(wǎng)絡(luò)學(xué)習(xí)更多的樣本特征，增加特征提取網(wǎng)絡(luò)的層數(shù)能使網(wǎng)絡(luò)學(xué)習(xí)缺陷的細節(jié)和邊緣，本文所提BDloss增加了正樣本的比重，有效解決了數(shù)據(jù)集類內(nèi)不平衡的問題。最后進行了4個對比試驗，無論是分類準確率還是分割精準度，本文所提算法的表現(xiàn)都更勝一籌，說明該算法具有進步性和先進性。

最終，采用組合優(yōu)化算法將網(wǎng)絡(luò)的Dice系數(shù)從0.7551提升至0.7930，識別準確率提升了近9%，有效縮短了網(wǎng)絡(luò)訓(xùn)練時間，使分割結(jié)果更接近實際缺陷位置，證明了深度學(xué)習(xí)在鋼鐵表面缺陷檢測和實際應(yīng)用中的價值。在此基礎(chǔ)上，未來工作將引入注意力機制和Transformer結(jié)構(gòu)，擴大感受野以學(xué)習(xí)缺陷的邊緣特征，優(yōu)化網(wǎng)絡(luò)的譯碼模塊，增強網(wǎng)絡(luò)對埋渣的檢測和分割能力，進一步提升網(wǎng)絡(luò)對各類缺陷的分類準確度和分割精度。