基于改進YOLOv5的X射線安檢圖像違禁品目標檢測算法

吳素雪

（廣東第二師范學院物理與信息工程學院，廣州 510303）

0 引言

隨著經濟發展和貿易往來的日益頻繁，我國在重要交通樞紐和人員密集的公共場所對旅客及其行李實施安全檢查，維護公共場所的安全和秩序，保證國民人身安全和財產安全。目前，行李安全檢查主要是依賴安檢員對經過X光安檢機生成的偽彩色圖像進行判讀和識別。面對客流高峰和高速通行矛盾問題，容易導致疲勞和注意力下降等各種因素干擾，會造成可能存在的漏檢情況，使得安檢質量難以得到保證。因此，尋求智能化、高效化的安檢X射線圖像違禁品檢測方法，實現違禁品的自動識別和預警，更好地輔助安檢人員完成安檢工作，具有較高、較實用的研究意義［1-2］。

X射線圖像違禁品檢測主要任務是主動識別違禁品的種類，同時在生成的偽彩色圖像中定位違禁品的位置。由于應用場所的特殊性，X射線圖像違禁品檢測系統生成的偽彩色圖像有其自身特點，在安檢過程中待檢測物品隨機性和物品擺放隨意性，導致X射線圖像成像背景復雜，物品間存在嚴重重疊、遮擋現象和違禁品多尺度等問題，給違禁品檢測帶來了諸多挑戰。傳統的X射線圖像違禁品檢測算法大多存在處理步驟繁瑣，檢測的類目單一或較少，泛化能力較差，針對特定的場景等問題，難以滿足目前安檢檢測的任務需求。與傳統檢測算法相比，基于卷積神經網絡的X射線安檢圖像違禁品檢測算法具有更高的準確率和強大的泛化能力［3］。卷積神經網絡自動提取特征能力和平移不變性，解決了人為設計特征提取器的繁瑣和復雜背景中目標特征提取困難的問題，同時可以對區域特征進行分類和邊框回歸，實現了對X射線安檢圖像違禁品目標的端到端檢測。因此，基于卷積神經網絡的X射線安檢圖像違禁品檢測是目前安檢領域的研究熱點和方向［4］。張友康等［5］在SSD框架的基礎上，提出了適用于X光安檢圖像非對稱卷積多視野神經網絡ACMNet，在公開的數據集與自建的數據集上，精確度取得了令人滿意的效果。穆思奇等［6］提出一種空洞密集卷積模塊來增強特征表達能力和卷積視野，加入注意力機制來增強有效特征和抑制無效特征，得到較好了檢測效果。

安檢是一個兼顧檢測精度和效率的過程，本文基于一階段YOLOv5網絡的結構特點，對其進行改進以進一步適用于安檢圖像違禁品目標檢測場景中。實驗結果表明，本文算法得到較好的檢測效果，同時兼顧了檢測精度和檢測速度。

1 YOLOv5檢測模型

卷積神經網絡的目標檢測算法主要分為兩大類：一類是基于候選區域的兩階段算法；另一類是一階段的目標檢測算法。一階段的目標檢測直接對輸入圖像進行一次處理就能夠得到目標物體的類別與位置信息，不使用區域生成算法生成候選框，兼顧了較高的檢測精度的同時，極大地提高了檢測速度。YOLOv5屬于一階段YOLO系列［7］中較新的目標檢測算法，其具有輕量級模型大小及精度高等優點，如圖1所示。

圖1 YOLOv5網絡結構

由圖1可知，YOLOv5網絡結構主要由主干網絡、瓶頸層和預測層構成。主干網絡主要用于對輸入圖像進行特征提取，與YOLOv1-4相比，YOLOv5對輸入的圖片進行了Focus切片操作，可以看作是一個特殊的下采樣操作，減少參數計算。每個CBS模塊由一個卷積層、標準化層和激活函數組成，其中激活函數引入了SiLU激活函數，其在深層模型上的效果優于ReLU激活函數。在主干網絡中獲取了三個有效特征層進行下一步網絡的構建。

瓶頸層主要用于對來自主干網絡的特征進行加強處理。瓶頸層主要包括了特征金字塔網絡結構（Feature Pyramid Network，FPN）和路徑聚合網絡結構（Path Aggregation Network，PAN）兩部分。FPN結構采用自上而下的方式對獲得的有效特征層進行特征信息融合，而PAN結構采用自底向上路徑增強的方式進行特征信息融合。瓶頸層對主干網絡中的有效特征進行不同尺度的特征融合，使其同時具有深層的語義信息和淺層的紋理信息，有利于下一步對目標的分類和定位預測。

預測層主要用于對目標的分類與回歸。通過主干網絡和瓶頸層，已獲得三個加強過的有效特征層，每一個特征層都有寬、高和通道數，預測層判斷每一個特征層是否有目標與其對應，分類和回歸在一個1×1卷積里實現。

相對眾多目標檢測算法，YOLOv5算法在檢測速度和精度上都達到了較高的水平，但在遮擋目標和小目標檢測方面還有待改進，因此本文選擇使用YOLOv5作為基礎算法，嵌入即插即用的模塊，從而得到更加適用于X射線安檢圖像目標檢測算法。

2 改進的X射線安檢圖像違禁品目標檢測模型

針對X射線安檢圖像存在重疊遮擋和小尺度違禁品易造成漏檢誤檢的問題，本文引入了一種掩碼自注意力機制模塊［8］，增強網絡對全局特征關系的捕捉能力，在瓶頸層的有效特征層的輸出后和預測層輸入前嵌入掩碼自注意力機制模塊，如圖2所示。該模塊分別對大、中、小三種尺寸的特征圖進行掩碼自注意力操作，完成多尺度違禁品的檢測，提高算法的檢測精度。此外，改進了YOLOv5的類別損失函數，引用Quality Focal Loss（QFL）損失函數，有效地緩解了一階段目標檢測問題中類別不均衡問題。

圖2 嵌入掩碼自注意力

2.1 掩碼自注意力機制模塊

掩碼自注意力機制利用并行查詢從輸入特征向量中提取到不同子空間進行相關程度的獲取，其結構如圖3所示。

圖3 掩碼自注意力機制結構

在圖3中，輸入特征圖X與卷積核WQ、WK、WV相乘分別生成查詢向量矩陣Q、鍵向量矩陣K、值向量矩陣V，即Q=XWQ,K=XWK,V=XWV。通過縮放點積對查詢向量矩陣Q與鍵向量矩陣K做內積運算，然后用Softmax激活函數做歸一化得到注意力得分，其數學表達式定義如式（1），對獲取的注意力得分進行掩碼計算，最后再與值向量矩陣V相乘得到自注意力的輸出。掩碼自注意力模塊的輸出由公式（1）給出：

2.2 損失函數

在一階段的目標檢測算法中，輸入X射線安檢圖像產生的候選框中，只有很少一部分包含著待檢測的目標，正負樣本數據不均衡，造成了類別不均衡問題。此外，由于待檢測物品的隨機擺放性和X射線安檢偽彩色圖像的特點，當待檢測違禁品目標集中時，它們的候選框之間的交叉和重疊現象會有所增加，訓練和推理之間的誤差缺口也會相應變大，分類和定位精度容易受到影響。因此，本文使用QFL損失函數替代YOLOv5中的類別損失函數，可降低大量簡單負樣本在訓練中所占權重。QFL損失函數的數學表達式定義如下：

其中，y是平滑后的0～1標簽，σ為預測結果。β選取1.5。

3 實驗結果與分析

3.1 實驗環境與參數設置

本實驗使用的硬件環境為：Intel（R）Core（TM）i7-8750H CPU@2.20GHz處理器，Nvidia GeForce GTX 1070 8GB顯卡，16 G內存。軟件環境為：操作系統Windows10，加速環境CUDA10.1，編程語言Python3.7，深度學習框架Pytorch1.7。

網絡模型訓練階段，將總迭代周期設置為300，采用mosaic數據增強，輸入圖像尺寸大小為640×640，迭代批次大小值為8，初始化學習率為0.001，動量因子為0.9。

3.2 實驗數據與評價指標

為了驗證本文算法的有效性，選擇在公開SIXray數據集上進行算法驗證［9］。該數據集含有槍、刀、鉗子、扳手、剪刀共5種違禁品類別，該數據集由實際安檢場所拍攝，集中目標物體堆放隨機性相當大，圖像中背景復雜且其中物體存在嚴重的重疊和遮擋，能較好地反映安檢實際情況。圖像數據集按照7∶3的比例劃分為訓練集和測試集。

本文采用目標檢測算法中常用的評價體系進行算法評估，包括召回率R（recall）、精準率P（precision）、平均精準度AP（average precision）和均 值 平 均精 度mAP（mean average precision），FPS定義為模型1 s內檢測的圖像數，該指標反映模型在平臺上的檢測速度，FPS越高，檢測速度越快。各標準的具體公式如下：

其中，TP、FP、FN分別表示檢測中真正例、假正例、假反例的數量，Psmooth(r)表示平滑的P-R曲線，K表示類別數。

3.3 實驗結果與實驗分析

為了驗證本文算法的性能，在X射線安檢圖像測試集上進行了實驗，結果顯示mAP和FPS性能結果分別為82.23%和19 ms，驗證了本文算法的有效性。進一步將本文算法在X射線安檢圖像測試集上進行檢測可視化，部分檢測可視化結果如圖4所示。

圖4可視化了本文算法X射線安檢圖像檢測結果，其中數字為目標的置信度。由圖4可以看出，在X射線安檢圖像場景中本文算法具有較高的檢測精度和較好的檢測效果，能夠準確檢測多個相互遮擋違禁品目標，在復雜背景紋理與違禁品目標紋理相互重疊的情況下也能檢測出違禁品目標，同時對分辨率較低且特征信息不明顯的小目標也有較好的檢測效果。

4 結語

為提高X射線安檢圖像中不同違禁品檢測的性能，本文在YOLOv5基礎上引入掩碼自注意力機制模塊和QFL損失函數。通過在瓶頸層輸出后和預測層輸入前嵌入即插即用的掩碼自注意力機制模塊，增強了網絡對全局特征關系的捕捉能力；加入QFL損失函數有效地降低了因正負樣本數據不均衡造成的較低檢測精準度。實驗證明了改進后的網絡模型在SIXray數據集上的mAP達到了82.23%，單幀檢測速度為19 ms，能夠滿足安檢環境中的檢測需求。