基于改進(jìn)YOLOv3的接觸網(wǎng)設(shè)備目標(biāo)檢測方法

令曉明，顧?楠，范少良，王文強(qiáng)

（1.蘭州交通大學(xué)國家綠色鍍膜技術(shù)與裝備工程技術(shù)研究中心；2.蘭州交通大學(xué)機(jī)電工程學(xué)院；3.蘭州交通大學(xué)光電技術(shù)與智能控制教育部重點(diǎn)實(shí)驗(yàn)室，甘肅蘭州 730070）

0 引言

鐵路接觸網(wǎng)是鐵路運(yùn)行專線上空架設(shè)的一種給機(jī)車供電的特殊形式輸電線路，可保證鐵路的穩(wěn)定運(yùn)行。如圖1 所示，接觸網(wǎng)設(shè)備由絕緣子、接觸懸掛、支持裝置、定位裝置、支柱、基礎(chǔ)與導(dǎo)線等幾部分組成。接觸網(wǎng)設(shè)備是輸電線路上的重要組成部分，出現(xiàn)故障時(shí)若不及時(shí)、準(zhǔn)確處理會引發(fā)嚴(yán)重事故，影響列車正常運(yùn)行。目前，我國在鐵路接觸網(wǎng)設(shè)備的維護(hù)和檢修方面依然采用檢測車拍攝，并通過人工檢測對每張圖進(jìn)行檢查并排除故障的方法。由于我國鐵路里程長，該方法會造成檢測時(shí)間長、漏檢率高等問題。采用基于機(jī)器學(xué)習(xí)的方法代替人工檢測方法，可提高鐵路接觸網(wǎng)檢測的自動化水平。

Fig.1 Components of overhead lines equipment圖1 接觸網(wǎng)設(shè)備組成部分

目標(biāo)檢測算法是近年來的研究熱點(diǎn)，特別是在基于深度學(xué)習(xí)的圖像處理領(lǐng)域占據(jù)了統(tǒng)治地位［1］。傳統(tǒng)的目標(biāo)檢測使用滑動窗口、區(qū)域候選框等方法提取區(qū)域特征圖，通過分類器識別進(jìn)行回歸預(yù)測［2］。在檢測過程中通過固定步長滑動不同大小、寬高比的窗口，將對應(yīng)區(qū)域的圖像分類后實(shí)現(xiàn)目標(biāo)檢測。但該方法計(jì)算冗余、訓(xùn)練時(shí)間較長，不適宜在鐵路接觸網(wǎng)設(shè)備的檢測中應(yīng)用。隨著目標(biāo)檢測方法應(yīng)用于鐵路設(shè)備檢測，明顯提高了接觸網(wǎng)設(shè)備的檢測速度和精度。目標(biāo)檢測算法的其中一類是基于回歸的One-stage 算法，包括YOLO［3］、SSD［4］等，其檢測速度較快；另一類是基于區(qū)域候選框的Two-stage 算法，包括RCNN［5］、Fast R-CNN［6］、Mask R-CNN［7］、Faster R-CNN［8］等，檢測精度較高。在目標(biāo)檢測過程中，Cao 等［9］改進(jìn)區(qū)域候選網(wǎng)絡(luò)（Region Proposal Network，RPN）和空間變換網(wǎng)絡(luò)（Spatial Transformer Network，STN）對目標(biāo)進(jìn)行精確檢測；Huang 等［10］通過加權(quán)金字塔網(wǎng)絡(luò)（Weighted Pyramid Network，WPN）確定目標(biāo)，以上模型檢測精度較高。若要提高接觸網(wǎng)設(shè)備的檢測速度，高強(qiáng)等［11］提出基于YOLO 的目標(biāo)分解及聚合表達(dá)算法對絕緣子進(jìn)行檢測；賴秋頻等［12］用YOLOv2 模型快速檢測不同缺陷狀態(tài)下的絕緣子；劉舒康等［13］通過改進(jìn)YOLOv3 模型增強(qiáng)特征提取網(wǎng)絡(luò)，提出基于智能數(shù)據(jù)的增強(qiáng)算法進(jìn)行圖像增強(qiáng)，快速定位接觸網(wǎng)吊弦和支架，但這些模型存在檢測精度低的問題。

鐵路接觸網(wǎng)設(shè)備受損在鐵路系統(tǒng)故障中較為常見，因此快速、準(zhǔn)確地對設(shè)備進(jìn)行檢測可保證列車的安全運(yùn)行。針對本文接觸網(wǎng)設(shè)備的目標(biāo)檢測問題，使用現(xiàn)有Onestage 算法的典型SSD、YOLO 模型無法保證在檢測速度較快的同時(shí)，實(shí)現(xiàn)較高的檢測精度，因此需要對YOLOv3 模型進(jìn)行改進(jìn)。

針對YOLOv3 模型檢測過程中檢測精度較低的問題，本文對YOLOv3 模型進(jìn)行改進(jìn)，增加一塊空間金字塔模塊進(jìn)行多尺度融合，擴(kuò)大圖像的感受野。由于深度學(xué)習(xí)對數(shù)據(jù)量的需求較大，數(shù)據(jù)增強(qiáng)能夠提高圖像素材的多樣性，并采用Mosaic 圖像增強(qiáng)方法增強(qiáng)網(wǎng)絡(luò)的魯棒性，使模型在提高檢測精度的同時(shí)增強(qiáng)適應(yīng)能力；用廣義交并比（Generalized Intersection over Union，GIoU）損失代替原損失函數(shù)（Intersection over Union，IoU），完善圖像重疊度計(jì)算，提高網(wǎng)絡(luò)的收斂性能，從而提高目標(biāo)檢測精度。實(shí)驗(yàn)結(jié)果證明，將改進(jìn)后的模型應(yīng)用于接觸網(wǎng)設(shè)備的目標(biāo)檢測中，可達(dá)到較好的檢測效果。

1 YOLOv3基本模型

YOLO 模型采用回歸方法代替RPN 網(wǎng)絡(luò)的作用，以提高檢測速度。然而，在鐵路接觸網(wǎng)檢測過程中需要快速、準(zhǔn)確地檢測設(shè)備，以保證鐵路的安全、穩(wěn)定運(yùn)行，但是直接將YOLOv3 模型應(yīng)用于設(shè)備檢測時(shí)，檢測精度無法滿足要求，因此需要對YOLOv3模型進(jìn)行改進(jìn)。

YOLOv3 模型借鑒殘差網(wǎng)絡(luò)思想，將YOLOv2 主干網(wǎng)絡(luò)中的Darknet-19 主干網(wǎng)絡(luò)換更為Darknet-53［14］，通過多尺度采樣方法對較小物體進(jìn)行快速檢測，得到合適的目標(biāo)檢測模型。Darknet-53 網(wǎng)絡(luò)主體部分共有53 個(gè)卷積層，包括2 個(gè)卷積層和5 組重復(fù)的殘差單元，每個(gè)殘差單元由2個(gè)卷積層和1 個(gè)快捷鏈路組成，在殘差單元的層與層之間設(shè)置快捷鏈路，將逐層訓(xùn)練轉(zhuǎn)變?yōu)榉植接?xùn)練［15］。Darknet-53網(wǎng)絡(luò)結(jié)構(gòu)、殘差單元結(jié)構(gòu)如圖2、圖3所示。

Fig.2 Darknet-53 network architecture圖2 Darknet-53網(wǎng)絡(luò)結(jié)構(gòu)

為減小模型訓(xùn)練難度，YOLOv3 模型通過檢測關(guān)鍵點(diǎn)的坐標(biāo)框進(jìn)行解碼，確定預(yù)測框位置時(shí)，以輸出特征圖的先驗(yàn)框?yàn)榛A(chǔ)進(jìn)行調(diào)整，通過預(yù)測框bx、by、bw、bh中心點(diǎn)坐標(biāo)和對應(yīng)網(wǎng)格左上角位置的相對偏移量對預(yù)測框進(jìn)行位置約束［16］。則調(diào)整預(yù)測框的坐標(biāo)計(jì)算表達(dá)式為：

Fig.3 Residual unit圖3 殘差單元

其中，tx、ty是學(xué)習(xí)預(yù)測框的中心坐標(biāo)參數(shù)，bx、by、bw、bh是預(yù)測框中心和寬高的值，pw、ph是先驗(yàn)框的寬高，cx、cy是當(dāng)前網(wǎng)格左上角到原圖左上角之間的長度。通過σ激活函數(shù)Sigmoid 將tx、ty約束在(0，1)范圍內(nèi)，計(jì)算每個(gè)預(yù)測框?qū)?yīng)的置信度。通過過濾小閾值預(yù)測框，并利用非極大值抑制方法［17］刪除多余預(yù)測框，以達(dá)到最終想要的結(jié)果。

2 本文改進(jìn)方法

2.1 增加空間金字塔模塊

在保證鐵路運(yùn)行安全的前提下，改進(jìn)YOLOv3 模型是提高鐵路接觸網(wǎng)設(shè)備目標(biāo)檢測精度的重要途徑。為了增大目標(biāo)感受野、提高檢測精度，在YOLOv3 網(wǎng)絡(luò)中引入一個(gè)空間金字塔模塊，用于提取目標(biāo)的局部特征和全局特征，從而提升目標(biāo)檢測精度。網(wǎng)絡(luò)的空間金字塔模塊如圖4所示。

Fig.4 Spatial pyramid module圖4 空間金字塔模塊

在改進(jìn)YOLOv3 的網(wǎng)絡(luò)模型中，首先，Darknet-53 網(wǎng)絡(luò)的輸出與第一個(gè)預(yù)測特征層之間使用了Convolutional Set；其次，拆開Convolutional Set 并加入空間金字塔模塊；最后，輸入特征圖通過3 個(gè)不同尺度的內(nèi)核作最大池化（Maxpool）操作后，輸出特征圖得到改進(jìn)模型。其中，Maxpool 操作可有效保留特征，空間金字塔模塊相對于固定內(nèi)核大小的最大池化層可擴(kuò)大感受野，得到全局特征和局部特征并進(jìn)行特征融合。通過訓(xùn)練發(fā)現(xiàn)，為降低模型復(fù)雜度，加入一個(gè)空間金字塔模塊即能實(shí)現(xiàn)網(wǎng)絡(luò)不同尺度的特征融合，提升模型性能。

2.2 數(shù)據(jù)增強(qiáng)

在鐵路接觸網(wǎng)設(shè)備的目標(biāo)檢測過程中，好的數(shù)據(jù)集對目標(biāo)檢測起著至關(guān)重要的作用，然而目前沒有現(xiàn)成的數(shù)據(jù)集。由于現(xiàn)場拍攝環(huán)境及拍攝設(shè)備的限制，得到的圖像數(shù)據(jù)差別較大，并且數(shù)據(jù)收集不方便，會出現(xiàn)數(shù)據(jù)較少、圖像背景單一的情況，使得網(wǎng)絡(luò)模型訓(xùn)練的魯棒性降低。

為了增加圖像背景的豐富性與數(shù)據(jù)的多樣性，增強(qiáng)網(wǎng)絡(luò)的魯棒性，引入Mosaic 圖像增強(qiáng)方法，將多張圖拼接在一起進(jìn)行網(wǎng)絡(luò)訓(xùn)練。首先，通過翻轉(zhuǎn)、縮放和改變色域的方式將4 張不同方位的圖片拼接到一起以增加數(shù)據(jù)；其次，將圖片和標(biāo)注框相結(jié)合得到新圖像；最后，將調(diào)整后的標(biāo)簽傳入模型。該方法增加了訓(xùn)練圖像的目標(biāo)個(gè)數(shù)，使BN 層可一次性統(tǒng)計(jì)多張圖片參數(shù)，并在GPU 有限的情況下獲得較好的訓(xùn)練結(jié)果。Mosaic 數(shù)據(jù)增強(qiáng)如圖5所示。

Fig.5 Mosaic data enhancement圖5 Mosaic數(shù)據(jù)增強(qiáng)

2.3 改進(jìn)邊界框回歸損失函數(shù)

YOLOv3 中的損失函數(shù)由邊界框回歸損失、置信度損失和類別分類損失組成，邊界框回歸損失函數(shù)的性能評估用IoU 表示［18］。傳統(tǒng)的回歸損失函數(shù)可能存在局部最優(yōu)解而無法得到最優(yōu)解［19］。因此，本文將真實(shí)框和預(yù)測框的廣義交并比GIoU［20］作為回歸損失函數(shù)，并用兩個(gè)邊框間的長度表示差距：

通過對YOLOv3模型進(jìn)行改進(jìn)，能夠快速、準(zhǔn)確地檢測出接觸網(wǎng)設(shè)備，從而提升鐵路運(yùn)行的安全性。

3 實(shí)驗(yàn)與結(jié)果分析

3.1 實(shí)驗(yàn)平臺

本文實(shí)驗(yàn)平臺配置如下：處理器為Intel RXeon RSive4112 CPU@2.60GHz，安裝內(nèi)存為16.0GB，GPU 為NVIDIA GeForce RTX 2080，操作系統(tǒng)為Ubuntn 18.04，CUDA 為10.1，Python 為3.8，用Pytorch1.6框架實(shí)現(xiàn)算法模型。

3.2 實(shí)驗(yàn)數(shù)據(jù)

目前，為了實(shí)現(xiàn)鐵路接觸網(wǎng)設(shè)備的目標(biāo)檢測，需克服數(shù)據(jù)集較少的問題。在鐵路接觸網(wǎng)設(shè)備目標(biāo)檢測過程中，由于場景的特殊性、目標(biāo)的單一性，且實(shí)驗(yàn)數(shù)據(jù)集的收集途徑和場所有限，因此需要通過圖像增強(qiáng)方法擴(kuò)充數(shù)據(jù)集，以實(shí)現(xiàn)有效的目標(biāo)檢測。

在數(shù)據(jù)集的處理過程中，首先通過網(wǎng)絡(luò)、現(xiàn)場拍攝等方法收集圖片，將圖片統(tǒng)一成JPG 格式；然后通過調(diào)節(jié)亮度、翻轉(zhuǎn)、旋轉(zhuǎn)、鏡像等方法進(jìn)行圖片擴(kuò)增，并調(diào)整圖片大小得到2 240 張圖片；最后通過可視化圖像標(biāo)注軟件LabelImg 進(jìn)行手動標(biāo)簽，得到Pascal VOC 標(biāo)準(zhǔn)格式的XML 標(biāo)簽文件，并將數(shù)據(jù)集以7∶3 的比例分成訓(xùn)練集和驗(yàn)證集用于模型訓(xùn)練。

3.3 模型訓(xùn)練及評價(jià)指標(biāo)

訓(xùn)練模型時(shí)，當(dāng)epoch 達(dá)到500 個(gè)以后，模型趨于穩(wěn)定。同時(shí)，設(shè)置初始學(xué)習(xí)率為0.005，最終學(xué)習(xí)率為0.001，批處理的尺寸大小為8，權(quán)重的衰減系數(shù)為0.000 5，動量為0.94。

本文采用目標(biāo)檢測中的平均精度均值（Mean Average Precision，mAP）作為模型訓(xùn)練過程中的評價(jià)指標(biāo)，mAP 是所有類別的AP 平均后獲得的。

式中，TP［21］（True Positive）為預(yù)測為正樣本的正樣本數(shù)量，F(xiàn)P（False Positive）為預(yù)測為正樣本的負(fù)樣本數(shù)量，F(xiàn)N（False Negative）為預(yù)測為負(fù)樣本的正樣本數(shù)量，p(r)為P-R 曲線，m 為檢測種類數(shù)量。

3.4 實(shí)驗(yàn)結(jié)果分析

本文分別將Faster R-CNN、SSD、YOLOv3 以及改進(jìn)YOLOv3 等模型進(jìn)行比較，得到接觸網(wǎng)設(shè)備不同的性能指標(biāo)如表1所示。

Table 1 Performance index comparison of different detection algorithms表1 不同檢測算法性能指標(biāo)比較

實(shí)驗(yàn)結(jié)果表明，改進(jìn)模型針對8 種不同類別的檢測精度都有所提高。從表1 可以看出，F(xiàn)aster R-CNN 模型的mAP 為85.75%，F(xiàn)PS（Frames Per Second）為9.82，SSD 模型的mAP 為71.55%，F(xiàn)PS 為39.08；YOLOv3 模型的mAP 為79.81%，F(xiàn)PS 為29.29。由此可以看出，雖然Faster R-CNN模型的檢測精度高于SSD、YOLOv3 模型，但其檢測速度存在明顯劣勢；SSD 模型的檢測速度快，但是檢測精度低于YOLOv3 模型，很難應(yīng)用于實(shí)際接觸網(wǎng)設(shè)備檢測，因此本文選擇改進(jìn)YOLOv3模型對接觸網(wǎng)設(shè)備進(jìn)行目標(biāo)檢測。采用改進(jìn)YOLOv3 模型后，其mAP 為89.19%，與Faster R-CNN相比提升了3.44%，與SSD 相比提升了17.63%，與YOLOv3相比提升了9.38%。因此，本文提出的改進(jìn)YOLOv3 模型在檢測速度變化不大的前提下，可顯著提高接觸網(wǎng)設(shè)備的目標(biāo)檢測精度，從而滿足鐵路接觸網(wǎng)設(shè)備檢測實(shí)時(shí)性和準(zhǔn)確性的要求。

為了驗(yàn)證本文算法對于鐵路接觸網(wǎng)設(shè)備檢測的準(zhǔn)確性，根據(jù)檢測精度對算法性能進(jìn)行對比，構(gòu)建了幾種不同網(wǎng)絡(luò)，通過消融實(shí)驗(yàn)在本文制作的數(shù)據(jù)集上進(jìn)行訓(xùn)練，實(shí)驗(yàn)結(jié)果如表2 所示。其中，“√”表示采用相應(yīng)的改進(jìn)方法。

Table 2 Effects of different improved YOLOv3 algorithms表2 不同改進(jìn)YOLOv3算法效果

由表2 可知，實(shí)驗(yàn)1 為使用原始YOLOv3 模型，其mAP為79.81%，F(xiàn)PS 為29.29。在原有YOLOv3 模型基礎(chǔ)上，實(shí)驗(yàn)2 中引入一個(gè)空間金字塔模塊，使模型的mAP 提升了1.87%，說明加入金字塔模塊實(shí)現(xiàn)了特征融合，豐富了局部特征信息，從而提升了接觸網(wǎng)設(shè)備的準(zhǔn)確性。實(shí)驗(yàn)3 在實(shí)驗(yàn)2 的基礎(chǔ)上引入Mosaic 圖像增強(qiáng)，使模型的mAP 提升了3.97%，提升效果較為明顯，說明在改進(jìn)YOLOv3 模型的過程中引入Mosaic 數(shù)據(jù)增強(qiáng)，可一次檢測4 張圖像中的數(shù)據(jù)，豐富了檢測目標(biāo)，使網(wǎng)絡(luò)的魯棒性顯著提高，從而簡化了GPU 的功能，大幅提升了目標(biāo)檢測精度。實(shí)驗(yàn)4 在實(shí)驗(yàn)3 的基礎(chǔ)上用GIoU 代替IoU，其mAP 提升了3.54%，由此說明用GIoU 代替IoU，可檢測到IoU 檢測不到的邊界框和預(yù)測框的未重合部分，從而提升檢測精度，使訓(xùn)練結(jié)果更優(yōu)。

通過上述消融實(shí)驗(yàn)可知，在鐵路接觸網(wǎng)設(shè)備的目標(biāo)檢測過程中，相比于原來的YOLOv3 模型，本文應(yīng)用的改進(jìn)YOLOv3 模型在檢測速度變化不大的情況下，檢測精度有了顯著提升，mAP 提升了9.38%，能夠滿足鐵路接觸網(wǎng)設(shè)備的目標(biāo)檢測要求。

對不同模型進(jìn)行目標(biāo)檢測，F(xiàn)aster R-CNN 模型、SSD 模型、YOLOv3 模型以及改進(jìn)YOLOv3 模型的目標(biāo)檢測結(jié)果如圖6 所示。結(jié)果表明，在本文制作的VOC 數(shù)據(jù)集中訓(xùn)練網(wǎng)絡(luò)，選取合適的權(quán)重，改進(jìn)后的YOLOv3 模型可應(yīng)用于不同場景中，網(wǎng)絡(luò)的漏檢率和誤檢率顯著降低，精度明顯提高。

4 結(jié)語

本文首先對現(xiàn)有的目標(biāo)檢測方法進(jìn)行理論分析，然后對Faster R-CNN 模型、SSD 模型、YOLOv3 模型和改進(jìn)模型進(jìn)行闡述，最后對4 種模型的檢測性能指標(biāo)進(jìn)行分析，并進(jìn)行對比實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，本文提出的改進(jìn)YOLOv3模型在檢測速度相差不大的情況下，能夠提高鐵路接觸網(wǎng)設(shè)備的目標(biāo)檢測精度，且其中有4 類的精度達(dá)到92%以上，獲得較好的檢測效果。當(dāng)閾值為0.5時(shí)，其mAP 的值相比于原有的YOLOv3 模型提升了9.38%，說明通過引入空間金字塔模塊、加入Mosaic 圖像增強(qiáng)、用GIoU 損失函數(shù)代替IoU 損失函數(shù)，有效減少了目標(biāo)檢測的漏檢和誤檢問題，提高了檢測精度。在下一步工作中，需使用更好的網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行檢測，以獲得更優(yōu)的目標(biāo)檢測性能，使鐵路接觸網(wǎng)設(shè)備的目標(biāo)檢測更加快速、精準(zhǔn)。

Fig.6 Target detection results of traditional model圖6 模型部分目標(biāo)檢測結(jié)果