基于YOLOv5s改進的井下人員和安全帽檢測算法研究

李熙尉，孫志鵬，王 鵬，陶虹京

(山西大同大學 煤炭工程學院，山西 大同 037003)

智能采礦是我國煤炭行業(yè)的重要發(fā)展方向，計算機視覺技術在煤礦智能化建設中用途廣泛，特別是對煤礦安全智能化發(fā)展的作用較為突出[1]。針對煤礦井下綜采工作面的人員以及安全帽檢測，可以為危險區(qū)域人員闖入以及不安全行為識別奠定基礎，對煤礦安全生產(chǎn)具有重大意義。

目前井下人員以及安全帽檢測常用的檢測方法有兩種，一種是基于深度學習，另一種是基于機器學習。基于深度學習的目標檢測算法相較于后者具有檢測速度快，有利于現(xiàn)場部署的優(yōu)點。單階段算法是深度學習領域內檢測速度較快的一類，YOLO(You Only Look Once)系列算法是其中的代表算法。趙紅成等[2]在YOLOv3基礎上替換了Focal Loss損失函數(shù)，引入專注因子減輕損失，使用金字塔多池化結構提升特征融合能力，除此之外，還引入注意力機制，使得精確度提高但檢測時間較原始模型增加了9 ms；李若熙等[3]改進了YOLOv4算法，通過引入信息熵的k-means聚類來確定目標檢測中心點，檢測率得到提升但檢測時間延長；余益鴻等[4]通過加深CSP2層數(shù)、引入形變卷積、加深Retinex圖像優(yōu)化YOLOv5算法，提升了檢測準確率，但未改善漏檢問題。

為了更好地適應煤礦井下生產(chǎn)工作面人員和安全帽檢測需求，本文基于YOLOv5s進行優(yōu)化，引入CBAM(Convolutional Block Attention Module)注意力機制，替換CIOU(Complete Intersection Over Union)損失函數(shù)為αCIOU(Alpha-Complete Intersection Over Union)，采用井下工作面監(jiān)控視頻中的圖像構建數(shù)據(jù)集進行檢測。實驗表明，改進后的算法可以提升井下綜采工作面人員和安全帽檢測精度，降低漏檢率。

1 相關網(wǎng)絡模型

YOLOv5s算法結構由輸入端、主干網(wǎng)絡(Backbone)、Neck以及輸出端(Prediction)四部分組成。輸入端由Mosaic數(shù)據(jù)增強，自適應圖片縮放以及自適應錨框計算三部分組成。Mosaic數(shù)據(jù)增強對輸入圖像進行剪裁拼接和隨機排布。自適應錨框計算可以計算出最佳錨框值。自適應圖片縮放將輸入圖片尺寸統(tǒng)一調整到同一尺寸。Backbone包含CBS模塊、CSP(Cross Stage Partial)模塊以及SPPF(Spatial Pyramid Pooling-Fast)三個部分。CBS模塊由標準卷積塊Conv，批量歸一化Bn(Batch normalization)以及Silu激活函數(shù)三者組成。CSP模塊將基礎層映射分為兩個部分，通過跨階段層次再合并，減少計算量，提高檢測準確率。SPPF在SPP(Spatial Pyramid Pooling)基礎上優(yōu)化，增大感受野，增強了神經(jīng)網(wǎng)絡的非線性表達能力。Neck網(wǎng)絡中采用FPN+PAN結構，F(xiàn)PN(Feature Pyramid Network)自上而下傳輸強語義元素，PAN(Path Aggregation Network)自下而上傳達強定位元素，雙塔結構，兩兩結合，使得頂層也可以享受更多底層的位置信息，有利于物體的分類，減少參數(shù)的丟失，加強了網(wǎng)絡特征的融合能力。輸出端使用CIOU邊界框損失函數(shù)，對應不同目標大小，輸出3種不同尺度的目標預測。

2 改進YOLOv5s檢測算法

本文改進模型在Backbone部分引入了CBAM注意力機制，并且替換了CIOU損失函數(shù)為αCIOU.本文提出的基于YOLOv5s改進的算法模型結構如圖1所示。首先，將井下綜采工作面監(jiān)控視頻采集到的圖像輸入檢測模型中，然后在檢測網(wǎng)絡中進行訓練，獲取訓練權重，最后對圖像進行測試驗證。

圖1 CBAM-YOLOv5s模型結構

2.1 CBAM注意力機制

CBAM是基于一種卷積模塊的注意力機制，它將通道注意力機制和空間注意力機制兩者相結合，以達到提高物體分類能力和目標檢測精準度的目的[5]。在通道注意力模塊中，特征圖從輸入端輸入，經(jīng)過最大池化和平均池化得到兩個結果，尺寸由H×W×C變?yōu)?×1×C，之后送入神經(jīng)網(wǎng)絡中，完成后將得到的兩個結果相加，使用Sigmoid激活函數(shù)處理后，與原始輸入特征圖相乘，生成通道注意力模塊特征圖[6]。在空間注意力模塊中，輸入端輸入通道注意力模塊特征圖，進行最大池化和平均池化，得到大小為H×W×1的兩個結果，再對兩個結果進行張量拼接操作和卷積操作，最后由Sigmoid激活函數(shù)激活并與上一步輸入的特征圖相乘，使得維度不變，得到最終的特征圖。這樣的機制可以識別物體更多的特征信息，且目標的檢測準確率也有所提升[7]。CBAM結構圖如圖2所示。

圖2 CBAM結構圖

2.2 αCIOU損失函數(shù)

損失函數(shù)作為神經(jīng)網(wǎng)絡判斷誤檢樣本的依據(jù)，極大程度上影響著模型的收斂效果。YOLO系列算法損失函數(shù)由分類概率損失函數(shù)、邊界框回歸損失函數(shù)和置信度預測損失函數(shù)組成[8]。目前YOLOv5邊界框回歸損失函數(shù)采用CIOU函數(shù)，其計算公式為：

(1)

(2)

(3)

(4)

式中：P為預測框中心點位置；Pgt為真實框中心點位置；φ為用于平衡比例的參數(shù)；β為用來反映高寬比的一致性；γ為計算兩個中心點間的歐式距離；D為同時包含真實框和預測框的最小閉包區(qū)域的對角線距離；w為預測框的寬度；wgt為真實框的寬度；h為預測框的寬度；hgt為真實框的高度[9]。

α-IOU基于IOU(Intersection Over Union)改進，通過調節(jié)可以提升不同水平的回歸精度，使小數(shù)據(jù)集和噪聲的魯棒性加強[10]。Lα-IOU公式為:

Lα-IOU=1-IOUα

(5)

αCIOU將原CIOU中的IOU替換為α-IOU，其公式為：

(6)

3 實驗及結果分析

3.1 數(shù)據(jù)采集和處理

本文數(shù)據(jù)來自某煤礦井下綜采面的監(jiān)控視頻，在不同時間段收集500張井下工作人員圖像，按照1∶2∶7的比例隨機選取圖像作為測試集、驗證集以及訓練集。不同圖像內光照情況、煤塵以及目標數(shù)量均不同。

3.2 模型訓練

本實驗搭建在Pytorch1.10.0框架下，操作系統(tǒng)為Windows10，處理器為Inter(R)Xeon(R)Silver4210R，主頻為2.40 GHz，GPU為NVIDIA RTX A4000。輸入圖像大小為640 mm×640 mm；輸入通道數(shù)為3；批次樣本數(shù)為12；動量因子設為0.93；迭代次數(shù)設置為500 次；權重衰減系數(shù)取0.0005；學習率初始取值0.01，完成一次循環(huán)后取值0.2.本文分類損失函數(shù)為Focal loss函數(shù)，采取α=0.25，γ=2進行人員和安全帽檢測實驗。

3.3 實驗結果分析

本文采用均值平均準確率(mean Average Precision，mAP)、參數(shù)量以及計算量的指標對井下人員安全帽檢測算法的有效性進行評價。YOLOv5s模型與本文改進模型分別在人員及安全帽數(shù)據(jù)集上訓練500次，兩種模型損失變化曲線如圖3所示。

圖3 損失值變化曲線

圖3顯示，在模型訓練的初期，兩條曲線損失是不穩(wěn)定的，隨著迭代次數(shù)的增加，損失值逐漸降低，并趨于穩(wěn)定。訓練開始時，YOLOv5s損失值曲線比本文改進模型損失值曲線收斂快；當?shù)螖?shù)達到75次時，YOLOv5s損失值與本文改進模型損失值均降低至0.01以下，75次迭代之后，本文改進模型損失值基本都低于YOLOv5s.從圖3可知，本文改進模型在訓練中階段損失的收斂性能優(yōu)于YOLOv5s.

為了驗證本文改進模型算法的優(yōu)勢，將其與采用CIOU損失函數(shù)的不同注意力模型，以及采用αCIOU損失函數(shù)的其他注意力模型進行客觀指標對比，檢測結果如表1所示。

表1 不同模型的檢測結果

從表1的對比結果可以看出，損失函數(shù)為CIOU時，采用ECA(Efficient Channel Attention)模塊，準確率與原始模型相同，mAP@0.5對比原始模型下降了0.9%，mAP@0.5∶0.95對比原始模型下降了1.5%；引入SE(Squeezeand-Excitation)模塊時，準確率相比原始模型下降了3.4%，mAP@0.5對比原始模型下降了0.9%，mAP@0.5∶0.95對比原始模型下降了2.4%；采用CBAM模塊時，準確率對比原始模型提高了0.1%，mAP@0.5相較原模型下降0.4%，mAP@0.5∶0.95相較原模型下降了1.8%.

損失函數(shù)采用αCIOU時，引入ECA模塊、SE模塊以及CBAM模塊時準確率均得到提升，但對比mAP@0.5∶0.95對比YOLOv5s模型有不同程度的下降，其中引入CBAM下降最少，下降0.5%.除此之外，只有引入CBAM模塊mAP@0.5提升0.1%，其他模型均出現(xiàn)不同程度下降。根據(jù)對比實驗結果，本文選用YOLOv5s-αCIOU-CBAM模型作為最終優(yōu)化模型。

為驗證本文優(yōu)化模型對人員和安全帽檢測的有效性，設置相同的批處理大小和迭代次數(shù)并使用同一圖像數(shù)據(jù)集在該模型上進行訓練，在不同光照、粉塵條件下檢測結果對比如圖4所示。圖4(a)為原圖；圖4(b)為YOLOv5s模型檢測效果圖；圖4(c)為本文改進模型檢測效果圖。圖4(b)中前兩組場景環(huán)境光線較為明亮，安全帽的置信度比人員的置信度低。第三組場景有遮擋物不易于目標檢測，安全帽置信度低于人員置信度且存在人員漏檢現(xiàn)象。圖4(c)中三組場景下人員和安全帽置信度均高于圖4(b)中檢測框置信度，不存在漏檢現(xiàn)象。YOLOv5s雖然可以定位到人員和安全帽區(qū)域，但是檢測精確度低于本文改進模型。從對比圖中可以看出，本文改進模型相比于YOLOv5s模型的檢測效果有顯著提高。改進后模型基本滿足在井下復雜環(huán)境對人員以及安全帽檢測精度的要求，檢測準確率高達97.6%，具有良好的實時性。

圖4 檢測結果對比圖

4 結 語

1) 為了提高井下綜采工作面人員以及安全帽的檢測速度和精確度，改進了YOLOv5s網(wǎng)絡模型，加入CBAM輕量化注意力機制，引入αCIOU損失函數(shù)，解決了井下綜采工作面復雜環(huán)境中人員和安全帽檢測準確率低、容易漏檢的問題。

2) 通過對比實驗證明，本文改進模型，對640 mm×480 mm圖像檢測準確度達到97.6%，優(yōu)于YOLOv5s算法。

3) 本實驗樣本數(shù)量有限，后期進行樣本擴充，本文優(yōu)化后的算法準確率還會進一步提升。