基于SSD的糧倉害蟲檢測研究

鄧壯來，汪 盼，宋雪樺，王昌達，陳 娟，吳立亞

1.江蘇大學 計算機科學與通信工程學院，江蘇 鎮江212013

2.江蘇僅一聯合智造有限公司，江蘇 丹陽212300

1 引言

在糧食儲藏過程中，蟲害是造成糧食損失的重要原因之一。據調研，全國每年因為各類害蟲造成的糧食損失約為總儲糧的10%，損失金額超過20億[1]。糧倉害蟲檢測是為了確保糧食儲存安全狀況的良好性，實現對糧倉害蟲的科學處理，以便及早采取相應的殺蟲措施，減少損失。

在早期，國內大部分糧倉主要采用人工取樣[2]來檢測害蟲，具體的害蟲類別需要根據專家經驗判斷。這種方法及時性差，且準確率低。

隨著光學技術的發展，出現了基于光學原理支持下的糧倉害蟲檢測技術[3]。例如軟X射線檢測法[4]和近紅外光譜法[5]等。但這些方法存在著設備成本高、儀器校準較為復雜和檢測范圍局限等問題。

2011 年后，深度學習進入了一個新的階段，圖像處理技術不斷改進。越來越多的學者研究基于卷積神經網絡（Convolutional Neural Network，CNN）的圖像檢測方法[6]。通過加深CNN，出現了R-CNN[7]、Fast-RCNN[8]、Faster-RCNN[9]、FPN[10]、RetinaNet[11]、SSD[12]和YOLO[13]等高效的目標檢測方法。對于圖像的幾何變換、壓縮、亮度差異，目標檢測方法具有一定的不變性，克服了由于目標體積較小的問題帶來的各種檢測困難，能夠泛化原始圖像中的目標。

SSD 使用一個卷積網絡完成目標檢測。它將圖像劃分網格，通過對多個尺度的卷積特征圖進行預測，檢測不同尺寸的目標，同時包含小目標物體的檢測。由于糧倉害蟲檢測大都屬于小目標檢測，因此本研究主要是優化SSD模型，通過訓練模型使其適用于檢測糧倉害蟲。

2 SSD目標檢測算法

在ECCV2016 上Liu Wei 提出了SSD（Single Shot MultiBox Detector）目標檢測算法。從它的英文名可知，SSD 是一種單次檢測（One-Stage）方法。它結合了YOLO的回歸思想和Faster-RCNN中的Anchor boxes[14]機制，加入了RPN 網絡的特征金字塔[15]的檢測方式。SSD 對不同卷積層的特征圖像執行滑動窗口掃描來檢測多尺度的目標，能夠檢測出卷積層輸出的特征圖像中的小目標。

2.1 SSD模型結構

SSD模型的主干網絡結構是VGG16[16]，用卷積層替換最后2 個全連接層，然后添加4 個卷積層來構建網絡結構，這些層的大小逐漸減小，實現多尺度目標檢測。SSD網絡結構如圖1所示。

圖1 SSD結構圖

SSD 在Conv4_3、FC7、Conv6_2、Conv7_2、Conv8_2、Conv9_2 這組金字塔結構的特征層上進行目標邊框的偏移以及不同類別得分的預測，并通過非極大值抑制算法[17]（Non-Maximum Suppression，NMS）得到最終目標檢測結果。

2.2 默認框的尺度計算

默認框在SSD 框架內指的是特征圖的每個小格上一系列固定大小的框（box），每個特征圖的默認框的大小計算如公式（1）所示：

其中，Lmin是最底層尺度，Lmax是最高層尺度，n 為特征圖的個數，Li表示第i 個特征圖的尺度。

SSD 模型采用了Anchors 機制，式（2）為默認框寬度，式（3）為高度：

2.3 損失函數

由于SSD 模型的主干網絡仍是VGG16 結構，其結構類似傳統卷積單元，網絡結構在訓練當中存在損失量，其損失函數包括位置損失函數與置信損失函數，這兩個函數可以對網絡結構進行評估。根據以上匹配策略，總體目標損失函數[18]是位置損失（loc）和置信損失（conf）的加權和，如式（4）所示：

其中，N 表示匹配的默認框的數量，當N 為0 時，則損耗為0。位置損失是預測框l 和真實標簽值框g 參數之間的smoothL1損失，回歸到中心為(cx;cy)和其寬度(w)高度(h)的默認邊框d 的偏置，定義如式（5）：

3 檢測糧倉害蟲的SSD模型

3.1 SSD結構的優化

檢測糧倉害蟲采用SSD300 模型，其主干部分是VGG16。因為糧倉害蟲檢測過程更注重小目標檢測，需要改變原始SSD 模型的VGG16 網絡。首先修改Conv1～Conv5 的網絡寬度（number-out）的值，減少為原來的一半，然后去除Conv3_2、Conv4_2、Conv5_2、FC。VGG16 的特點是通過2×2 的卷積核和3×3 的池化核加深網絡深度來提升性能，但同時增加了計算量，對于目標種類較少的訓練時，適當減少卷積層數和網絡尺度，能夠提升訓練的效果。網絡6 個分支部分則改為Conv4_3、Conv5_3、Conv6_2、Conv7_2、Conv8_2、Conv9_2，優化后的SSD模型如圖2所示。

圖2 優化后的SSD網絡

這6 個分支網絡的作用是通過綜合多層卷積特征圖輸出檢測結果，并擴大所檢測物體的尺度范圍。如圖3 所示，圖3（a）為原始輸入圖像，害蟲框標注對應圖3（b）（8×8）中的實線框。

圖3 害蟲檢測框架

3.2 損失函數的改變

原始SSD 模型中，損失函數使用smoothL1(x)，N表示匹配成功的默認框數量，當N=0 時損耗將不存在。由于負默認框數量會遠大于正默認框數量，導致網絡會過于重視負樣本。為了平衡訓練樣本，訓練時根據置信度（confidience score）高低來排序默認框，并選擇高置信度的框訓練，以確保總的正負樣本比率為1∶3。對糧倉害蟲檢測而言，原始的SSD分類損失函數會由于數據集中沒有害蟲的圖片而直接將loss置為0，N=0 時會使得一部分圖片沒有被充分利用；在線將置信度進行排序的方法速度較慢。

本文通過優化原始SSD 的損失函數來解決上述問題。在準備害蟲圖片數據集時，計算出用于分類和回歸任務的加權target[19]，使模型訓練過程更專注于分類難度高的樣本。加權target 計算方式如下：

假設有k 個默認框，正樣本數為n，負樣本數為m，則k=n+m，設定用于分類的標簽Label。

當n ＞0 時，則正樣本分類的加權為：

當m ＞0，且設定正負樣本比例為1∶3時，則負樣本分類的加權為：

整個分類任務的加權為：

加入回歸任務的權重系數為θ，回歸任務的加權為：

4 實驗

4.1 實驗數據集

實驗以糧倉高爆發的6 類害蟲為主要研究對象，分別是米象（Sitophilus oryzae，So）、銹赤扁谷盜（Cryptolestes ferrugineus，Cf）、谷蠹（Rhizopertha dominica，Rd）、麥蛾（Sitotroga cerealella，Sc）、鋸谷盜（Oryzaephilus surinamensis，Os）和赤擬谷盜（Tribolium castaneum，Tc）[20]，如圖4所示。

圖4 糧倉高爆發的害蟲

本實驗采用的圖像是將人工飼養的害蟲進行拍攝得到的。為了增加檢測的難度，模擬真實糧倉，在背景中加入了細碎的谷物。在拍攝多張照片同時隨機選擇一些圖片作為測試集，其余的圖片則作為訓練集。

為了豐富訓練集，準確提取圖像特征，減小圖像過度擬合，圖像數據集通過翻轉和顏色調整來進行數據增強。考慮到的光照變化和害蟲的不同姿態，圖像的顏色調整是通過隨機調整飽和度、對比度、亮度和清晰度。經過增強處理后，雖然訓練集的數量比原始訓練集增加了1 倍，但仍需要剔除質量太差的圖片。此外，為了提高訓練和檢測速度并且降低GPU 消耗，將原始圖像分辨率降低，從而有力地提升網絡的訓練性能。經過這些處理之后，共選出600張圖片作為訓練集，180張圖片作為測試集，最后采用labelImg 進行標記，標記名稱為英文首字母縮寫。

4.2 實驗過程

本實驗采用64位Linux（Ubuntu-16.04版本）系統計算機，計算機的CPU 為Intel?Core?i7-8700，6 核12 線程，基礎頻率為3.20 GHz，內存為16 GB。GPU 的型號為GeForce GTX 1080，顯存為8 GB，采用cuda8.0 和cudnn6.0 輔助計算，在此基礎上搭建Caffe 框架以及Python2.7的運行環境。

在原始SSD 模型中6 個預測分支分別對應的anchor 類別數為4，6，6，6，4，4，但是因為圖片害蟲大多為小目標，為了使小目標的檢測率更高，將第一個分支的anchor 的種類由4 提高到6，即6，6，6，6，4，4，因此anchor 的總數量也由原來的8 732 提高到11 620，最后用非極大值抑制算法消除多余窗口。本實驗的SSD 訓練迭代次數為60 000次。

4.3 實驗結果

精確度（Precision）、mAP 和AP（Average Precision，平均準確率）是衡量目標檢測方法的主要參數。其中精確度是指在被判斷為準確的圖片中，真正判斷準確的害蟲的比例。精確度、AP 和mAP 的計算公式如式（15）～（17）。

將本文的SSD 與原始SSD 進行在相同數據集中進行對比實驗，6類害蟲AP值如圖5所示。

圖5 糧倉害蟲AP的檢測結果

從圖5 中發現本文的SSD 方法AP 值在74%～89%之間，而原始SSD 方法的AP 值在72%～86%之間，盡管不是每類蟲的AP 值都高于原始SSD，但總體來說本文的SSD 方法檢測性能是優于原始SSD 方法的。另外，因為麥蛾（Sc）目標體積遠大于其他5 類害蟲，所以AP值也比較高。

在相同迭代次數的前提下，將本文的SSD 方法與Faster-RCNN、原始SSD 以及YOLO 在訓練時間、mAP和平均檢測時間上進行了對比，這4種方法均使用相同的數據集進行實驗。

從表1可以看出，本文的SSD的mAP是78.5%，Faster-RCNN 的mAP 是75.3%，原始SSD 的mAP 是76.7%，YOLO 的mAP 是70.4%。在對相同害蟲圖像進行檢測時，優化過的SSD 模型的mAP 比基于Faster-RCNN 模型、原始SSD 模型和基于YOLO 模型高；并且本文的SSD 模型比另外3 個模型的訓練時間和平均檢測時間都要短。

表1 害蟲檢測方法結果對比

此外，這4種方法訓練迭代60 000次的訓練損失曲線如圖6所示。

圖6 訓練過程的損失函數曲線

從圖6可知，本文的SSD方法在迭代到10 000次之前，訓練損失下降速度明顯快于其他方法，10 000 次之后訓練損失曲線逐漸趨于平滑，4種方法差距不大。

圖7 為不同種類害蟲的檢測結果，從圖7（a）和（b）中可以看出，害蟲都能被檢測到；從圖7（c）和（d）中可以看出，絕大多數害蟲都能被檢測，少量害蟲出現了漏檢的情況，原因是害蟲的頭數較多，密度較大，甚至出現重疊；圖7（e）為目標較大的麥蛾（Sc）檢測結果，得到置信度較高。圖8 為不同光照下的害蟲檢測結果，對比圖8（a）和（b），光照較亮的害蟲比較暗的害蟲檢測得到的置信度更高。圖9是不同姿態的害蟲檢測結果，圖中不同姿態的害蟲檢測得到的置信度也不同。

5 結束語

為了減少糧食損失，本文針對糧倉中6類高爆發的害蟲提出了一種基于SSD 的糧倉害蟲檢測方法。該方法是在原始SSD 模型上進行輕量化處理，加快模型收斂速度。另外對損失函數進行優化，從而平衡了正負樣本數量，提高了訓練效率。實驗表明：本文提出的SSD 檢測模型能夠較好地實現糧倉害蟲檢測，并提高了魯棒性。

圖7 糧倉害蟲檢測結果

圖8 不同光照下的害蟲檢測結果

圖9 不同姿態的害蟲檢測結果