改進Yolov5的醫(yī)廢包裝袋破損檢測方法

王新良，馬耀博

(1.河南理工大學(xué) 物理與電子信息學(xué)院，河南 焦作 454003；2.哈密豫新能源產(chǎn)業(yè)研究院有限責(zé)任公司 技術(shù)研發(fā)部，新疆 哈密 839000)

0 引 言

醫(yī)療廢物在裝入醫(yī)廢包裝袋后，由于混入利器或者存在某些不可抗的外力因素造成醫(yī)廢包裝袋破損，會導(dǎo)致醫(yī)療廢物遺失而出現(xiàn)安全隱患，采用人工方式進行醫(yī)廢包裝袋破損檢測存在人力資源開銷大、效率低、易漏檢的問題，因此實現(xiàn)對醫(yī)廢包裝袋破損目標(biāo)快速準(zhǔn)確的檢測尤為重要。

傳統(tǒng)的目標(biāo)檢測大多采用手工設(shè)計的特征提取方法，該方法具有一定的目標(biāo)導(dǎo)向性和主觀性，即針對特定目標(biāo)有較好的檢測效果，但其表征的目標(biāo)特征存在偏差，且泛化能力和魯棒性較差[1]。近年來，基于深度卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測方法迅速發(fā)展，較之傳統(tǒng)目標(biāo)檢測方法，其具有檢測速度更快、檢測精度更高等優(yōu)點[2]。目前，基于深度卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測方法按照算法思路主要分成兩類：基于候選區(qū)域的雙階段網(wǎng)絡(luò)和基于回歸的單階段網(wǎng)絡(luò)。雙階段網(wǎng)絡(luò)將目標(biāo)檢測劃分為候選框提取、候選框內(nèi)目標(biāo)定位和分類兩步，代表網(wǎng)絡(luò)主要有Faster R-CNN[3]、FPN[4]等；單階段網(wǎng)絡(luò)摒棄了雙階段網(wǎng)絡(luò)提取候選區(qū)域的步驟，直接將原始圖像輸入單個神經(jīng)網(wǎng)絡(luò)以完成檢測框回歸和分類預(yù)測，從而完成端對端的目標(biāo)檢測任務(wù)，代表網(wǎng)絡(luò)主要有Yolo[5]、SSD[6]、RetinaNet[7]等。目標(biāo)缺陷不僅影響其美觀，甚至?xí)δ繕?biāo)的性能以及安全穩(wěn)定性產(chǎn)生不可估量的影響。李建明等[8]基于Inception-V3和Yolov3提出了一種工業(yè)自動化包裝缺陷檢測的方法，常洋[9]基于SSD實現(xiàn)對水管破裂位置的定位檢測，吳偉浩等[10]提出了一種改進的Yolov3算法用于電連接器的缺陷檢測，以上研究在特定缺陷對象的檢測上均取得不錯的效果。

本文針對醫(yī)廢包裝袋破損人工檢測效率低下、容易漏檢的問題，采用Yolov5算法實現(xiàn)對醫(yī)廢包裝袋的破損檢測。又由于醫(yī)廢包裝袋破損圖像中存在小尺寸目標(biāo)難以檢測的問題，通過對Yolov5網(wǎng)絡(luò)進行優(yōu)化改進，以提高醫(yī)廢包裝袋破損檢測的精度。

1 Yolov5網(wǎng)絡(luò)

2020年5月30日，Ultralytics LLC團隊基于Yolov4[11]發(fā)布了Yolov5。Yolov5同Yolov4一致，仍然將網(wǎng)絡(luò)劃分為輸入端(Input)、特征提取骨干網(wǎng)絡(luò)(Backbone)、特征融合網(wǎng)絡(luò)(Neck)以及預(yù)測輸出端(Prediction)4部分，網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

圖1 Yolov5網(wǎng)絡(luò)結(jié)構(gòu)

1.1 輸入端

輸入端采用Mosaic數(shù)據(jù)增強技術(shù)，能夠在一定程度上解決樣本數(shù)據(jù)不足而帶來的訓(xùn)練結(jié)果不理想、模型過擬合等問題；其次，引入了自適應(yīng)的錨框計算，其能夠基于預(yù)設(shè)先驗框在網(wǎng)絡(luò)訓(xùn)練過程中得到預(yù)測框，進一步與真實框?qū)Ρ龋聪虻鲞m合數(shù)據(jù)集的最優(yōu)錨框；最后，加入了自適應(yīng)圖片縮放機制，常見的目標(biāo)檢測算法為了將輸入圖像尺寸標(biāo)準(zhǔn)化，會對圖像寬高等比縮放后進行黑度或灰度填充，但是填充的部分包含的均為無效信息，會影響模型的預(yù)測速度，Yolov5的自適應(yīng)圖片縮放機制力求在模型推理過程中進行最小程度的灰度填充，進而有效提高模型預(yù)測速度。

1.2 特征提取骨干網(wǎng)絡(luò)

特征提取骨干網(wǎng)絡(luò)引入先前版本的Yolo不具備的Focus結(jié)構(gòu)，該結(jié)構(gòu)原理如圖2所示。Focus將RGB圖像的3個通道維度依次切分為4份，然后在通道維度上拼接至12個通道，最后進行卷積操作，進一步擴充通道維度，該結(jié)構(gòu)能夠在保證信息無缺失的前提下減少浮點運算量，進而提高速度。

圖2 Focus原理

Yolov5的特征提取骨干網(wǎng)絡(luò)還設(shè)計了兩種不同的跨階段局部網(wǎng)絡(luò)(CSP)CSP1_X和CSP2_X，其結(jié)構(gòu)如圖1所示，兩者分別應(yīng)用于特征提取骨干網(wǎng)絡(luò)和特征融合網(wǎng)絡(luò)。以CSP1_X為例進行說明，CSP1_X將基礎(chǔ)層的特征映射劃分成兩部分，一部分直接輸出，另一部分經(jīng)過由X個殘差塊串聯(lián)起的結(jié)構(gòu)后輸出，然后將兩部分的輸出合并，能夠較好地兼顧模型輕量化和準(zhǔn)確率。

1.3 特征提取骨干網(wǎng)絡(luò)

特征融合網(wǎng)絡(luò)用于對不同層的特征進行融合，Yolov5使用了特征金字塔網(wǎng)絡(luò)(feature pyramid network，F(xiàn)PN)與路徑聚合網(wǎng)絡(luò)(path aggregation network，PAN)結(jié)合的方法，具體結(jié)構(gòu)如圖3所示。在卷積神經(jīng)網(wǎng)絡(luò)中，網(wǎng)絡(luò)深層往往經(jīng)歷了更多次的卷積、池化等降維操作，從而使得網(wǎng)絡(luò)深層提取的特征具備更豐富的語義信息(抽象信息)；而網(wǎng)絡(luò)淺層距離圖像輸入源較近，因此淺層提取的特征對細(xì)節(jié)的削減更少，進而網(wǎng)絡(luò)淺層包含更多的定位信息(細(xì)節(jié)信息)。FPN和PAN依次自頂向下和自低至上分別傳達更豐富的語義信息和定位信息，然后從不同的主干層對不同的檢測層進行特征融合，從而達到特征增強的目的。

1.4 預(yù)測輸出端

預(yù)測輸出端使用了GIOU_Loss作為邊界框(Bounding box)損失函數(shù)，同時使用了加權(quán)非極大值抑制(non-maximum suppression，NMS)的方式以便從多個預(yù)測框中篩選出更為匹配的目標(biāo)框，從而使得預(yù)測結(jié)果更為精確。

2 改進的Yolov5網(wǎng)絡(luò)

本文對Yolov5的改進主要包括：將三尺度的目標(biāo)檢測網(wǎng)絡(luò)改為四尺度的目標(biāo)檢測網(wǎng)絡(luò)，以適應(yīng)醫(yī)廢包裝袋更小破損目標(biāo)的檢測；引入CBAM[12]結(jié)構(gòu)，該結(jié)構(gòu)能夠?qū)Υ龣z測的醫(yī)廢包裝袋破損目標(biāo)加以強調(diào)，對其它無關(guān)信息加以抑制。

2.1 多尺度檢測網(wǎng)絡(luò)的改進

Yolov5將尺寸為640×640×3的輸入圖像分別經(jīng)過8倍、16倍以及32倍下采樣后形成的特征圖作為特征融合網(wǎng)絡(luò)的輸入，然后經(jīng)過FPN+PAN結(jié)構(gòu)進行雙向的特征融合實現(xiàn)特征信息的充分利用，最后形成80×80、40×40、20×20這3種不同尺度的特征圖去檢測目標(biāo)。不同尺度的特征圖由于感受野大小的差異，對不同尺寸目標(biāo)的敏感程度也不相同，更大尺度的特征圖對更小尺寸的目標(biāo)檢測效果更好。在醫(yī)廢包裝袋破損檢測場景下，由于醫(yī)廢包裝袋與圖像采集設(shè)備距離的不確定性以及破損大小的不確定性，會存在部分過小的醫(yī)廢包裝袋破損目標(biāo)，并且因為連續(xù)下采樣操作會使得這些目標(biāo)丟失很多的有用特征信息，從而導(dǎo)致現(xiàn)有的最大尺度的特征圖無法對目標(biāo)做出準(zhǔn)確預(yù)測，造成目標(biāo)漏檢。

通過以上分析可知，現(xiàn)有的Yolov5多尺度檢測網(wǎng)絡(luò)不適用于較小醫(yī)廢包裝袋破損檢測，因此本文將原網(wǎng)絡(luò)中80×80的大尺寸特征圖進行2倍上采樣，與特征提取網(wǎng)絡(luò)中4倍下采樣后的160×160低層特征圖進行融合，最后形成160×160、80×80、40×40、20×20四尺度檢測結(jié)構(gòu)，如圖4所示。這樣使高層的特征具有更強的定位信息，低層的特征具有更豐富的語義信息，這樣即使圖像中目標(biāo)的尺度有較大變化，也可以在多個尺度上準(zhǔn)確檢測，更有利于醫(yī)廢包裝袋的破檢測。

圖4 改進的四尺度檢測結(jié)構(gòu)

2.2 先驗框的聚類分析

Yolov5參考了Faster R-CNN的先驗框設(shè)計思想，其通過K-means聚類算法在數(shù)據(jù)集上得到一定數(shù)量的固定尺寸的初始先驗框。Yolov5初始輸出3個不同尺度的特征圖，每個特征圖又對應(yīng)3個不同尺寸的先驗框，因此Yolov5共有9種尺寸的先驗框。但是不同數(shù)據(jù)集聚類出來的先驗框尺寸存在很大差異，這也會對目標(biāo)對象檢測的精度和速度產(chǎn)生不同程度的影響。

本文改進的Yolov5網(wǎng)絡(luò)增加了一個尺度的檢測層，因此原有的9種尺寸的先驗框已不再適用，需要重新對先驗框的數(shù)量和尺寸進行聚類。聚類的目的是盡可能地提高先驗框與真實框的交并比(intersection-over-union，IoU)，以減少兩者的誤差。為了定量地分析，定義誤差度量函數(shù)如式(1)所示，其中box為真實框；center為聚類中心點；d表示誤差，與IoU成反比例關(guān)系，d越小，說明先驗框與真實框的吻合程度越高

(1)

本文使用自制的醫(yī)廢包裝袋破損數(shù)據(jù)集進行聚類分析，得到先驗框的數(shù)量K與平均交并比Avg IoU的關(guān)系散點如圖5所示。

圖5 K-means聚類分析結(jié)果

從圖5中可以看出，平均交并伴隨K值的增加而增加且在K=12時而趨于穩(wěn)定。從而得到3×4共12種不同尺寸的先驗框。先驗框按照特征圖尺度的大小進行分配，更大尺度的特征圖對應(yīng)更小的感受野，從而分配更小尺寸的先驗框用于檢測更小的醫(yī)廢包裝袋破損目標(biāo)。先驗框的分配見表1。

表1 先驗框分配

2.3 CBAM結(jié)構(gòu)的引入

在醫(yī)廢包裝袋破損檢測任務(wù)中，由于破損位置處于醫(yī)廢包裝袋之上，且醫(yī)廢包裝袋通透性較強，從而使得破損的位置與周圍環(huán)境存在較弱的差異性。為了使網(wǎng)絡(luò)聚焦于輸入圖像中破損所在的位置，采用CBAM模塊能讓網(wǎng)絡(luò)關(guān)注給定的圖像更重要的位置。CBAM依據(jù)注意力集中的不同位置，又劃分為空間注意力模塊(spatial attention mo-dule，SAM)和通道注意力模塊(channel attention mo-dule，CAM)。CBAM結(jié)構(gòu)如圖6所示。

圖6 CBAM結(jié)構(gòu)

CAM模塊主要作用是使網(wǎng)絡(luò)關(guān)注圖像“是什么”，相當(dāng)于給每個通道引入不同的權(quán)重，提升關(guān)鍵信息的重要性，抑制無用信息的干擾。首先，將尺寸為C*H*W的特征圖FC*H*W在空間方向上使用全局的平均池化和最大池化的操作聚合有效特征生成兩個FC*1*1的特征圖；然后經(jīng)過卷積核數(shù)量為C/r(r為減少率)和C的兩個卷積層構(gòu)成的共享雙層神經(jīng)網(wǎng)絡(luò)(shared double layer perceptron，SDLP)聚合C個通道的信息；隨后將輸出特征進行元素加操作，并經(jīng)過sigmoid激活，得到最終的通道注意力權(quán)重即MC∈FC*1*1； 最后將生成的通道注意力權(quán)重通過元素乘操作，將權(quán)重沿空間方向廣播致FC*H*W上。

(2)

SAM模塊作為通道注意力的補充，其作用是在特征圖上找到更重要的部位，關(guān)注圖像關(guān)鍵信息“在哪里”。首先，將CAM模塊輸出的特征圖FC*H*W沿著通道的方向進行全局最大池化和全局平均池化，得到兩個通道數(shù)為1的可描述不同空間位置信息的特征圖。然后將兩個特征圖沿著通道方向進行拼接，生成一個可反映全局空間信息的空間信息特征圖。隨后使用一個卷積核為7的卷積，用較大的感受野來對空間中需要加強或抑制的信息進行映射，聚合空間的上下文信息，將生成的特征圖經(jīng)過sigmoid激活函數(shù)得到一個值0到1的權(quán)重特征圖MS即所需的空間注意力。最后將與輸入特征進行元素乘操作，就得到了帶有空間注意力權(quán)重增強或抑制的特征圖。

(3)

2.4 改進后的Yolov5網(wǎng)絡(luò)模型

本文將Yolov5通過對多尺度檢測網(wǎng)絡(luò)、特征融合網(wǎng)絡(luò)、損失函數(shù)改進，其改進后的Yolov5整體結(jié)構(gòu)如圖7所示，輸入圖像經(jīng)過Darknet-53特征提取網(wǎng)本文對Yolov5的多尺度檢測網(wǎng)絡(luò)進行了改進，并引入了CBAM以期進一步提升網(wǎng)絡(luò)性能。CBAM雖然較為輕量，但該模塊在網(wǎng)絡(luò)中過多引入也會大大增加網(wǎng)絡(luò)結(jié)構(gòu)的復(fù)雜度，從而產(chǎn)生模型訓(xùn)練不易收斂，模型預(yù)測速度大幅降低等問題。為了以較小的代價來取得較為可觀的效果，需要對CBAM引入的數(shù)量和位置進行考究。首先，可知神經(jīng)網(wǎng)絡(luò)中各網(wǎng)絡(luò)層所處的層級越低，則越需要經(jīng)過更多的下采樣，這樣就會不斷削減后續(xù)網(wǎng)絡(luò)層的特征信息，因此在網(wǎng)絡(luò)較低層引入CBAM，最終會使得網(wǎng)絡(luò)大大弱化注意力機制的作用，所以本文不在層級較低的特征提取主干網(wǎng)絡(luò)層引入CBAM。進而考慮特征融合網(wǎng)絡(luò)，特征融合將不同層的特征圖融合，從而充分地利用特征信息，因此在特征融合前引入CBAM，會使得后續(xù)融合到更為重要的特征信息。最后，預(yù)測輸出端會根據(jù)得到的特征圖完成對目標(biāo)的預(yù)測，神經(jīng)網(wǎng)絡(luò)之所以能保證目標(biāo)預(yù)測的精度，是因為預(yù)測輸出端的特征圖中包含目標(biāo)大量的特征信息，為了使得預(yù)測輸出端的特征圖聚焦更多目標(biāo)的有用信息，從而在預(yù)測輸出端前引入CBAM。

圖7 改進的Yolov5網(wǎng)絡(luò)結(jié)構(gòu)

3 實驗過程與結(jié)果分析

3.1 實驗環(huán)境

本文進行醫(yī)廢包裝袋破損檢測實驗的軟硬件環(huán)境如下：軟件方面，使用64位的Ubuntu 18.04作為實驗的操作系統(tǒng)平臺，深度學(xué)習(xí)框架使用基于Python語言的PyTorh庫。硬件方面，使用雙路主板，配備2個Intel(R) Xeon(R) E5-2680 v4 @ 2.40 GHz的CPU，NVIDIA GeForce RTX 2070S，64G RAM。

3.2 數(shù)據(jù)集

由于本文待檢測的醫(yī)廢包裝袋破損沒有公開數(shù)據(jù)集，因而本文自制了3000張數(shù)據(jù)集。為了增加破損圖像的多樣性，進而提升網(wǎng)絡(luò)魯棒性，本文制作的醫(yī)廢包裝袋破損包含了多個位置與尺寸。又因為Yolov5網(wǎng)絡(luò)在輸入端對圖形使用了Mosaic數(shù)據(jù)增強，且模型訓(xùn)練過程中加載COCO數(shù)據(jù)集的權(quán)重文件進行遷移學(xué)習(xí)，從而有效地減少數(shù)據(jù)不足而產(chǎn)生模型過擬合。本文自制的數(shù)據(jù)集雖然包含醫(yī)廢包裝袋不同尺寸以及不同位置的破損，但實際應(yīng)用中，關(guān)注的側(cè)重點并不在破損的類型，而僅僅關(guān)注是否破損即可，因此，本文的數(shù)據(jù)集只有破損一個類別。本文使用labelImg工具對數(shù)據(jù)集進行標(biāo)記，將破損目標(biāo)標(biāo)為damaged并保存成xml標(biāo)簽文件。

3.3 改進Yolov5網(wǎng)絡(luò)的訓(xùn)練

圖8 模型訓(xùn)練損失變化曲線

3.4 評測指標(biāo)

為了對改進的Yolov5網(wǎng)絡(luò)性能進行直觀的評價，采用目標(biāo)檢測領(lǐng)域中一般通用的評測方法，即采用對目標(biāo)檢測精準(zhǔn)率進行評估的平均精度值(mean average precision，mAP)和對目標(biāo)檢測速率的每秒傳輸幀數(shù)(frames per second，F(xiàn)PS)兩個評價指標(biāo)。其中平均精準(zhǔn)度需要查準(zhǔn)率(Precision)和查全率(Recall)兩個評價指數(shù)計算所得。計算公式如下

(4)

(5)

(6)

其中，在查準(zhǔn)率和查全率計算過程中，涉及反映預(yù)測情況與真實情況關(guān)系的3個指標(biāo)TP，F(xiàn)P以及FN，除此之外，另有一個TN指標(biāo)常與以上3個指標(biāo)同時出現(xiàn)。TP，F(xiàn)P，F(xiàn)N以及TN的定義及關(guān)系見表2。在本文的mAP計算中，c值為1。

表2 TP，F(xiàn)P，TN，F(xiàn)N定義及關(guān)系

3.5 實驗結(jié)果與分析

使用改進的Yolov5網(wǎng)絡(luò)訓(xùn)練好的模型在測試集上進行測試，得到查準(zhǔn)率、查全率、F1分?jǐn)?shù)在不同置信度閾值下的比率如圖9所示，F(xiàn)1分?jǐn)?shù)作為查準(zhǔn)率和查全率的調(diào)和平

圖9 查準(zhǔn)率、查全率、F1分?jǐn)?shù)在不同置信度閾值下的值

均，能夠較為均衡和全面地對算法進行評價，以下稱查準(zhǔn)率與置信度閾值的關(guān)系曲線為P-C曲線，稱查全率與置信度閾值的關(guān)系曲線為R-C曲線，稱F1分?jǐn)?shù)與置信度閾值的關(guān)系曲線為F-C曲線。可以看出，查全率隨著置信度閾值的增高而逐漸增高，在置信度閾值為0.8附近，查全率達到最大值1.0，說明本文改進的模型在置信度閾值大于0.8時，在目標(biāo)測試集全部預(yù)測為正樣本的醫(yī)廢包裝袋破損目標(biāo)中，包含了所有真實的正樣本；相反，查準(zhǔn)率隨著置信度閾值的減小而逐漸減小，在置信度閾值為0.0時，查準(zhǔn)率達到最大值0.98左右；F1分?jǐn)?shù)則介于查準(zhǔn)率和查全率之間，以P-C曲線和R-C曲線的交點為界，交點之前，F(xiàn)1分?jǐn)?shù)與置信度閾值成正比，交點之后，F(xiàn)1分?jǐn)?shù)與置信度閾值成反比，因此在交點置信度閾值為0.11左右時，F(xiàn)1分?jǐn)?shù)達到最大值0.9左右，說明本文改進的模型在較小的置信度閾值時就能篩選掉大部分不是醫(yī)廢包裝袋破損的候選目標(biāo)，從而具備良好的預(yù)測性能，同時較小的置信度閾值還保證了較大的查全率，能在一定程度上避免漏檢。

進而得到查準(zhǔn)率與查全率的關(guān)系P-R曲線如圖10所示，圖例中包括damaged和all classes兩條曲線，但由于本文數(shù)據(jù)集樣本的所有類別all classes只有damaged一類，因此兩個圖例繪制出的曲線重疊。本文通過計算醫(yī)廢包裝袋破損類別的P-R曲線在[0,1]區(qū)間的定積分，即可得到相應(yīng)的mAP，其值為94.1%。

圖10 醫(yī)廢包裝袋破損檢測P-R曲線

將本文改進的Yolov5與Yolov3、SSD、Faster R-CNN以及Yolov5原網(wǎng)絡(luò)4個主流通用網(wǎng)絡(luò)在自制的醫(yī)廢包裝袋破損數(shù)據(jù)集上進行mAP和FPS兩個指標(biāo)的比對，結(jié)果見表3。

表3 不同網(wǎng)絡(luò)的醫(yī)廢包裝袋破損檢測結(jié)果

表3可以看出，本文改進的Yolov5相較于其它主流網(wǎng)絡(luò)，具有最高的檢測精度，達到了94.10%。檢測速度方面，原Yolov5速度最快，F(xiàn)PS達到118，本文改進的Yolov5其次，F(xiàn)PS為104，但這仍然達到了實時性的要求，且具有較高的速度水準(zhǔn)。綜合來看，本文改進的Yolov5較為均衡地兼顧了檢測速度和檢測精度，能夠更好地應(yīng)對醫(yī)廢包裝袋的破損檢測任務(wù)。

為驗證本文算法改進策略的有效性，采取消融實驗對每一步改進給整體模型產(chǎn)生的影響加以評價。將本文算法劃分為4組進行訓(xùn)練，組一為Yolov5原網(wǎng)絡(luò)；組二基于組一重新聚類了適合本文數(shù)據(jù)集的先驗框；組三基于組二增加一個檢測尺度；組四基于組三引入CBAM模塊。在醫(yī)廢包裝袋破損數(shù)據(jù)集上進行消融實驗，各組實驗結(jié)果見表4。

表4從mAP、Time以及FPS這3個指標(biāo)對4組算法進行評價，由于Time和FPS呈負(fù)相關(guān)關(guān)系，因此只分析mAP和FPS兩個評價指標(biāo)。從整體來看，組四即本文改進的算法的mAP值最高，這說明本文算法改進方向的有效性；組二的FPS最高，這說明在不改變網(wǎng)絡(luò)結(jié)構(gòu)的基礎(chǔ)上，對特定數(shù)據(jù)集重新聚類先驗框能夠在一定程度上提高模型的預(yù)測速度。按照組一到組四的改進方向來看，組二較之于組一，mAP提高了1.22%，F(xiàn)PS提高了2，說明重新聚類了適合本文數(shù)據(jù)集的先驗框，能夠提高模型預(yù)測精度和預(yù)測速度；組三較之于組二，mAP提高了2.58%，F(xiàn)PS降低了13，說明增加第四個檢測尺度能夠提高較小醫(yī)廢包裝袋破損目標(biāo)的預(yù)測精度，從而提高整體數(shù)據(jù)集的預(yù)測精度，但檢測尺度的增加會增加模型的復(fù)雜度，從而降低模型的預(yù)測速度；組四較之于組三，mAP提高了1.70%，F(xiàn)PS降低了3，說明CBAM模塊的引入使得模型能夠更加有效地提取醫(yī)廢包裝袋破損位置的特征，從而提高模型的預(yù)測能力，類似的，由于引入CBAM模塊增加了模型的復(fù)雜度，進而降低了模型預(yù)測速度。以上實驗結(jié)果可以看出，本文算法的改進策略能夠以犧牲小部分預(yù)測速度但不影響模型預(yù)測實時性為代價來取得模型預(yù)測精度的可觀提高，從而說明本文算法的改進策略是合理有效的。

表4 消融實驗結(jié)果

為了對改進模型的性能進行分析，本文隨機選取4組測試集圖像，將其分別送入Yolov5和改進的Yolov5進行預(yù)測對比，圖11從左到右依次是原圖、Yolov5以及改進Yolov5的預(yù)測結(jié)果。可以看出，在(a)組大目標(biāo)檢測中，Yolov5原網(wǎng)絡(luò)與改進的Yolov5均能準(zhǔn)確預(yù)測；在(b)、(c)、(d)這3組小目標(biāo)中，(c)組雖然均能檢測出破損目標(biāo)，但Yolov5原網(wǎng)絡(luò)檢測出的破損置信度較低，僅為0.59，改進的Yolov5能夠達到較為理想的0.80，而在(b)、(d)兩組中，Yolov5并未檢測出破損目標(biāo)。可見，改進的Yolov5對醫(yī)廢包裝袋破損尤其是小目標(biāo)破損具有可觀的檢測效果。

4 結(jié)束語

為解決醫(yī)廢包裝袋破損檢測尤其是小破損目標(biāo)檢測漏檢率高、精度低的問題。本文基于Yolov5提出一種改進的Yolov5算法。首先，在原Yolov5的三尺度檢測網(wǎng)絡(luò)中增加更淺層的尺度形成四尺度檢測網(wǎng)絡(luò)；其次，使用K-means算法在自制的醫(yī)廢包裝袋破損數(shù)據(jù)集上重新聚類先驗框；接著，引入空間注意力和通道注意力相結(jié)合的CBAM結(jié)構(gòu)；最后，通過將本文改進Yolov5與其它主流網(wǎng)絡(luò)做對比實驗，結(jié)果表明，本文改進的Yolov5對醫(yī)廢包裝袋破損檢測具有更好的檢測精度，尤其對小目標(biāo)破損的檢測效果更顯著，這對實際場景中其它對象的缺陷檢測具有一定借鑒意義。但由于條件限制，本文自制的數(shù)據(jù)集醫(yī)廢種類較為單一且數(shù)據(jù)集的拍攝環(huán)境較為理想，因此下一步主要工作在于采集真實場景下種類更為豐富的醫(yī)廢包裝袋破損數(shù)據(jù)，以進一步提升模型的魯棒性和泛化能力。