基于改進(jìn)YOLOv4 算法的動(dòng)車庫(kù)接地桿狀態(tài)檢測(cè)

劉強(qiáng)，李鵬，鄒一鳴，熊歆斌，陳金源，鄭衡

（1.五邑大學(xué) 軌道交通學(xué)院，廣東 江門 529020；2.北京鐵道工程機(jī)電技術(shù)研究所股份有限公司，北京 100071）

目前，動(dòng)車組檢修作業(yè)多采用人工登頂列車作業(yè)的方式. 在動(dòng)車檢修作業(yè)前，需對(duì)檢修庫(kù)內(nèi)對(duì)應(yīng)作業(yè)股道接觸網(wǎng)斷電，并且在檢修庫(kù)兩端手動(dòng)掛接接地桿、在重連端（股道中部）電動(dòng)掛接接地桿[1]；作業(yè)完成后，需摘除已掛接的接地桿為接觸網(wǎng)供電. 在工人申請(qǐng)登頂作業(yè)前以及檢修作業(yè)完成后，均需要調(diào)度人員在調(diào)度室通過(guò)攝像頭一一確認(rèn)各接地桿的掛摘狀態(tài)并記錄，不僅耗時(shí)費(fèi)力，而且存在人為不確定因素. 據(jù)合作動(dòng)車段統(tǒng)計(jì)，自動(dòng)車所運(yùn)營(yíng)以來(lái)，已多次發(fā)生因人員確認(rèn)重連端接地桿掛接狀態(tài)錯(cuò)誤而導(dǎo)致接觸網(wǎng)通過(guò)接地桿大電流對(duì)地放電或帶負(fù)載斷電而損壞供電設(shè)施的事故，造成了巨大的損失.

目標(biāo)檢測(cè)技術(shù)通過(guò)圖像處理算法對(duì)目標(biāo)進(jìn)行特征提取，再根據(jù)提取的特征區(qū)分出目標(biāo). 傳統(tǒng)的圖像處理技術(shù)識(shí)別速度很快，但是，該類算法受環(huán)境干擾大，對(duì)于背景復(fù)雜目標(biāo)的特征提取非常困難，而且目標(biāo)發(fā)生形態(tài)變換、光照變化等情況時(shí)，其識(shí)別精度就會(huì)大大降低甚至需要重新設(shè)計(jì)檢測(cè)算法. 與傳統(tǒng)方法相比，深度學(xué)習(xí)算法不需要人工提取目標(biāo)特征，神經(jīng)網(wǎng)絡(luò)會(huì)獨(dú)立地學(xué)習(xí)相關(guān)屬性，對(duì)于以不同形式出現(xiàn)的目標(biāo)或特征，以及目標(biāo)背景、環(huán)境的變換都有很強(qiáng)的適應(yīng)能力，不需要針對(duì)每個(gè)可能的特性進(jìn)行專門的訓(xùn)練，提高了檢測(cè)算法的魯棒性. 現(xiàn)階段提出的基于深度學(xué)習(xí)的目標(biāo)檢測(cè)方法主要分為兩類，一類為 Two-stage 方法，該方法將目標(biāo)檢測(cè)分為定位和分類兩個(gè)步驟，代表算法有R-CNN、Fast R-CNN、Faster R-CNN 等. 另一類為One-stage 方法，該方法直接將定位和分類融合在一起，實(shí)現(xiàn)端到端計(jì)算，代表算法有YOLO、SSD、Retina-Net 等[2]. Two-stage 方法會(huì)對(duì)每一個(gè)可能包含目標(biāo)的區(qū)域進(jìn)行檢測(cè)，其識(shí)別準(zhǔn)確度較高，但大量的計(jì)算會(huì)影響網(wǎng)絡(luò)的檢測(cè)速度，在實(shí)際工程運(yùn)用中達(dá)不到實(shí)時(shí)檢測(cè)的要求. One-stage 方法犧牲了少量的檢測(cè)準(zhǔn)確度，但大大提高了檢測(cè)速度，檢測(cè)效率良好[3]. 鑒于檢修庫(kù)內(nèi)接地桿所處背景環(huán)境比較復(fù)雜，接地桿狀態(tài)也會(huì)發(fā)生改變，傳統(tǒng)的圖像處理方法不能很好地對(duì)接地桿進(jìn)行檢測(cè)，本文采用改進(jìn)的深度學(xué)習(xí)YOLOv4 算法作為重連端接地桿的狀態(tài)檢測(cè)算法，以期對(duì)檢修庫(kù)內(nèi)重連端接地桿接地狀態(tài)進(jìn)行準(zhǔn)確檢測(cè)，從而保證工人施工以及動(dòng)車段內(nèi)設(shè)備的安全.

1 YOLOv4 算法原理

YOLOv4 算法是對(duì)YOLOv3 算法改進(jìn)優(yōu)化而來(lái)的，其網(wǎng)絡(luò)模型結(jié)構(gòu)如圖1 所示. YOLOv4 算法的主干特征提取網(wǎng)絡(luò)（Backbone）部分將CSPNet 網(wǎng)絡(luò)結(jié)構(gòu)與Darknet53 中的殘差模塊結(jié)合在一起，以增強(qiáng)網(wǎng)絡(luò)的學(xué)習(xí)效率、減少計(jì)算參數(shù)量，故檢測(cè)精度比YOLOv3 網(wǎng)絡(luò)有很大的提升[4]. Neck 部分采用空間金字塔池化（Spatial Pyramid Pooling，SPP）[5]、特征金字塔（Feature Pyramid Net-works，F(xiàn)PN）[6]和路徑聚合網(wǎng)絡(luò)（Path Aggregation Network，PAN）方式[7]. SPP 模塊的加入提高了圖像的尺度不變性，降低了過(guò)擬合，使得主干特征的接收范圍增大，顯著分離了重要的上下文信息.FPN+PAN 結(jié)構(gòu)，是通過(guò)FPN 將高層的強(qiáng)語(yǔ)義特征傳遞下來(lái)，以增強(qiáng)了整個(gè)特征金字塔；在后面添加一個(gè)自底向上的金字塔，將低層次的強(qiáng)定位特征傳遞上去，彌補(bǔ)了金字塔僅增強(qiáng)語(yǔ)義信息、缺失定位信息的短板. YOLO-head 部分采用CIOU_Loss 和DIOU_nms 算法，提升了檢測(cè)框的檢測(cè)精度與速度.

圖1 YOLOv4 網(wǎng)絡(luò)結(jié)構(gòu)模型圖

YOLOv4 的主干特征提取網(wǎng)絡(luò)采用Mish 激活函數(shù)，其公式如下：

如圖2 所示，Mish 函數(shù)有效避免了邊界值過(guò)高封頂而導(dǎo)致飽和，能獲得可靠的準(zhǔn)確性和泛化性[8].

圖2 Mish 激活函數(shù)

YOLOv4 網(wǎng)絡(luò)的損失函數(shù)采用CIOU-Loss 損失函數(shù)，公式如下：

2 YOLOv4 算法改進(jìn)

2.1 K-means 算法

原YOLOv4 算法的錨框值是基于VOC 數(shù)據(jù)集生成的，與本文的接地桿沒(méi)有良好的匹配度，并且 K-means 算法本身存在一定的局限性，其聚類結(jié)果受初始值選取的影響. 因此，本文采用K-means++算法對(duì)初始值進(jìn)行重新聚類[10]，步驟如下：

1）在接地桿數(shù)據(jù)集中隨機(jī)初始化一個(gè)聚類中心；

2）計(jì)算數(shù)據(jù)集中的每個(gè)點(diǎn)和與之相近的聚類中心的距離；

3）選擇一個(gè)新的數(shù)據(jù)點(diǎn)作為新的聚類中心，距離越大，被選中的概率就越高；

4）重復(fù)上述2）、3）步，直到選出K 個(gè)聚類中心；

5）得出的K 個(gè)聚類中心再運(yùn)用K-means 算法進(jìn)行計(jì)算，獲得想要的結(jié)果.

2.2 CBAM 注意力模塊

注意力模塊模仿了人在學(xué)習(xí)時(shí)專注自己感興趣的事物而忽視無(wú)關(guān)事物的特性. 如圖 3 所示，它由通道注意力與空間注意力串聯(lián)組合而成，其中，通道注意力關(guān)注輸入特征，空間注意力關(guān)注最具信息量的特征部分[11]. 輸入特征先與通道優(yōu)化權(quán)重進(jìn)行乘積，獲得的特征再與空間優(yōu)化權(quán)重進(jìn)行乘積，最終獲得新特征，極大地節(jié)約了參數(shù)和計(jì)算量，提高了特征提取效率.

圖3 CBAM 注意力模塊

如圖4 所示，通道注意力模塊將輸入的特征F 分別進(jìn)行平均池化和最大池化，將兩種池化后的特征送入多層感知機(jī)（MutiLayer Perception，MLP）[12]網(wǎng)絡(luò)進(jìn)行計(jì)算，分別獲得平均池化特征最大池化特征相加并使用sigmoid 函數(shù)處理，獲得通道優(yōu)化權(quán)重

圖4 通道注意力模塊

如圖5 所示，空間注意力模塊對(duì)輸入特征進(jìn)行最大池化和平均池化，將得到的特征在空間方向上堆疊（Concat）并進(jìn)行卷積操作，輸出特征再用sigmoid 函數(shù)處理，最后獲得空間優(yōu)化權(quán)重

圖5 空間注意力模塊

2.3 改進(jìn) SPP 結(jié)構(gòu)

在 YOLOv4 網(wǎng)絡(luò)中，Neck 部分采用空間池化金字塔結(jié)構(gòu)(SPP)，分別使用 1×1、5×5、9×9、13×13等4 個(gè)尺度的卷積核對(duì)輸入的特征圖進(jìn)行最大池化操作，然后把已池化的特征圖與未池化前的特征圖堆疊在一起，最終獲取特征圖局部與全局的感受野信息[13]. 根據(jù)本文實(shí)驗(yàn)背景，檢修庫(kù)內(nèi)背景比較復(fù)雜且被檢測(cè)目標(biāo)與背景的相似程度較高，采用最大池化會(huì)損失接地桿部分信息，進(jìn)而影響識(shí)別精度. 針對(duì)該問(wèn)題，本文對(duì)SPP 結(jié)構(gòu)進(jìn)行修改，改進(jìn)的SPP 結(jié)構(gòu)在池化部分采用平均池化的方法，能夠有效保留接地桿信息，同時(shí)適度減小卷積核的大小以減少計(jì)算量.

3 實(shí)驗(yàn)與結(jié)果分析

3.1 圖像數(shù)據(jù)與網(wǎng)絡(luò)訓(xùn)練

本實(shí)驗(yàn)所需數(shù)據(jù)集通過(guò)現(xiàn)場(chǎng)安裝的邊緣計(jì)算模塊進(jìn)行自動(dòng)采集，在合作動(dòng)車運(yùn)用所內(nèi)獲取接地桿視頻文件. 逐幀提取獲取的視頻形成大量包含接地桿的圖片，對(duì)這些圖片進(jìn)行篩選，去掉模糊、缺失信息重復(fù)率高的，最后生成1 000 張接地桿圖片集. 對(duì)比正負(fù)樣本數(shù)量，對(duì)數(shù)據(jù)集進(jìn)行擴(kuò)充，分別對(duì)圖片采用鏡像對(duì)稱、添加噪聲、色彩變換等操作，最終形成5 000 張可用圖片集. 采用LabelImg對(duì)圖片集進(jìn)行標(biāo)注，生成YOLOv4 算法所需的txt 文件格式數(shù)據(jù)：其中4 000 張圖片作為訓(xùn)練集，1 000張圖片作為測(cè)試集.

實(shí)驗(yàn)采用的硬件配置為Intel(R) Xeon(R) CPU、NVIDIA Geforce RTX 2080 Ti 顯卡、Linux 操作系統(tǒng)；軟件環(huán)境為CUDA 11.0、Cudnn 8.0、Tensorflow 深度學(xué)習(xí)框架. 選取Adam 優(yōu)化器，采用Mosaic數(shù)據(jù)增強(qiáng)方式，余弦退火學(xué)習(xí)率，Batchsize 設(shè)置為8.

3.2 評(píng)價(jià)指標(biāo)

在模型評(píng)估中，需要選取評(píng)價(jià)指標(biāo)對(duì)模型性能進(jìn)行評(píng)估，通常需要計(jì)算精確度（Precision）、召回率（Recall）、平均精度 AP（Average Precision）以及均值平均精度（Mean Average Precision，mAP）.在實(shí)際開(kāi)發(fā)中，對(duì)網(wǎng)絡(luò)的檢測(cè)速度也有一定的要求，檢測(cè)速度由每秒傳輸幀數(shù)（Frames Per Second，F(xiàn)PS）決定[14]，F(xiàn)PS 值越大網(wǎng)絡(luò)檢測(cè)速度越快.

3.3 實(shí)驗(yàn)結(jié)果與分析

采用改進(jìn)的 K-means 算法篩選出適用于本數(shù)據(jù)集的錨框，共生成 9 個(gè)框，分別是（15,121），（32,347），（37,347），（44,124），（94,325），（108,55），（111,59），（192,264），（269,152）. 由于新的錨框值根據(jù)既有數(shù)據(jù)集生成，可以與數(shù)據(jù)集中目標(biāo)大小快速匹配，故能提高模型的訓(xùn)練速度. 算法改進(jìn)前后的實(shí)驗(yàn)結(jié)果如表1 所示.

表1 算法改進(jìn)前后對(duì)比

由表1 可知，本文改進(jìn)算法在精度上比原YOLOv4 算法分別提高了3.36%（close 檢測(cè)）和1.67%（open 檢測(cè)），mAP 值提高了2.51%，說(shuō)明本文改進(jìn)算法在提高檢測(cè)精度上是有效的；在速度上，與原YOLOv4 算法相比提高了大約5 f/s，檢測(cè)速度有一定提升. 本文改進(jìn)算法不論是在精度上還是檢測(cè)速度上都要優(yōu)于原YOLOv4 算法，證實(shí)了本文算法有一定的魯棒性.

為了進(jìn)一步驗(yàn)證本文算法的檢測(cè)性能，我們用相同的數(shù)據(jù)集對(duì)Faster R-CNN 算法、SSD 算法進(jìn)行網(wǎng)絡(luò)訓(xùn)練，其訓(xùn)練結(jié)果與本文方法的對(duì)比如表2 所示. 由表2 可知，在檢測(cè)精度上，本文算法比Faster R-CNN 算法、SSD 算法分別高出了7.23%和11.13%；在檢測(cè)速度上，比Faster R-CNN、SSD算法分別提高了12.9 f/s 和4.4 f/s. 證明了本文改進(jìn)算法的有效性和優(yōu)勢(shì).

表2 不同算法對(duì)比結(jié)果

用測(cè)試集對(duì)改進(jìn)后網(wǎng)絡(luò)模型進(jìn)行測(cè)試的結(jié)果如圖6 所示：圖中接地桿均能被正確檢測(cè)識(shí)別；對(duì)于和背景相似的接地桿，如較遠(yuǎn)處的接地桿，用肉眼很難分辨，但本文算法也能很好地識(shí)別出來(lái). 證明了本文提出的改進(jìn)的YOLOv4 算法對(duì)接地桿識(shí)別方法是可靠的.

圖6 測(cè)試集圖片測(cè)試結(jié)果

將改進(jìn)算法部署在合作動(dòng)車段內(nèi)邊緣計(jì)算模塊中進(jìn)行實(shí)際測(cè)試，部分測(cè)試結(jié)果如圖7 所示.

圖7 實(shí)際檢測(cè)結(jié)果

從圖7 可以看出，本文算法在實(shí)際檢測(cè)中能夠正確識(shí)別接地桿目標(biāo)，且識(shí)別置信度也比較高. 對(duì)比測(cè)試集測(cè)試結(jié)果，實(shí)際檢測(cè)結(jié)果會(huì)損失部分目標(biāo)置信度，一方面是由于在實(shí)際部署中對(duì)模型進(jìn)行了剪枝操作；另一方面檢測(cè)圖像與訓(xùn)練圖像有差異也會(huì)產(chǎn)生一定的干擾，但總體上對(duì)檢測(cè)結(jié)果準(zhǔn)確度影響不大. 統(tǒng)計(jì)兩周檢測(cè)結(jié)果，總共發(fā)起檢測(cè) 200 余次，每次均能正確檢測(cè)接地桿狀態(tài)，檢測(cè)效果良好.

4 總結(jié)

本文提出了一種基于改進(jìn)YOLOv4 算法的動(dòng)車庫(kù)接地桿狀態(tài)檢測(cè)方法，運(yùn)用該算法對(duì)動(dòng)車庫(kù)內(nèi)接地桿的掛摘狀態(tài)進(jìn)行檢測(cè)驗(yàn)證實(shí)驗(yàn)，結(jié)果表明該改進(jìn)方法對(duì)接地桿有不錯(cuò)的識(shí)別效果，檢測(cè)準(zhǔn)確度達(dá)到100%. 對(duì)于庫(kù)內(nèi)與背景相似的接地桿能夠準(zhǔn)確識(shí)別，且識(shí)別速度也快. 不足之處是該算法暫時(shí)無(wú)法識(shí)別電動(dòng)接地桿是否損壞，以及判斷電動(dòng)接地桿是處于由閉到開(kāi)還是由開(kāi)到閉的狀態(tài)，后續(xù)會(huì)針對(duì)這些不足繼續(xù)完善算法模型.