基于改進YOLOv7 的織物疵點檢測算法

郭殿鵬 柯海森 李孝祿 施庚偉

（中國計量大學(xué)，浙江杭州，310018）

在紡織品的生產(chǎn)過程中，織物疵點是難以避免的，而制造過程中的意外因素是其產(chǎn)生的主要原因之一［1］。這些疵點可能以不同的形狀、顏色和大小出現(xiàn)在織物表面，導(dǎo)致產(chǎn)品價格縮水一半左右［2］，從而直接影響企業(yè)的盈利情況。因此，織物疵點檢測在紡織行業(yè)中非常重要。目前，較多的紡織車間是通過人工的方式來分揀疵點產(chǎn)品。但人工分揀效率低、容易受到主觀因素的干擾，而且長時間工作疲勞、眼花容易導(dǎo)致漏檢、誤檢的發(fā)生［3］，不能滿足流水線日益增長的生產(chǎn)需求。為使工藝流程更加自動化和智能化，提升檢測效率與準(zhǔn)確率，基于機器視覺的檢測方法開始進入大眾的視野［4］。

現(xiàn)階段，傳統(tǒng)視覺檢測有統(tǒng)計法［5］、頻域法［6］、模板法［7］等方式。由于傳統(tǒng)視覺受制于光照視角的依賴性、疵點形態(tài)的多樣性等因素，其泛化能力和適應(yīng)新場景的能力被嚴(yán)重限制，在檢測領(lǐng)域中仍存在一定的局限性。隨著檢測算法的不斷發(fā)展，諸 多 深 度 學(xué) 習(xí) 分 類 網(wǎng) 絡(luò) 如VGG［8］、Inception［9］、ResNet［10］等，憑借其強大的學(xué)習(xí)能力、優(yōu)秀的數(shù)據(jù)處理能力以及較優(yōu)的魯棒性和適應(yīng)性在檢測領(lǐng)域中大放異彩［11］。

相比于其他算法，YOLO［12］算法因能在保證一定精度的情況下大幅提升檢測速度，因而在織物疵點的實時檢測中獲得眾多青睞。JIN R 等［13］在YOLOv5 中引入多任務(wù)學(xué)習(xí)，通過優(yōu)化焦點損失函數(shù)和加強中心約束來提高識別性能。YUE X 等［14］在YOLOv4 的 主 干 特 征 提 取 網(wǎng) 絡(luò) 中 融 入卷積塊注意力模塊，并創(chuàng)新性地將CIoU 損失函數(shù)替換為CEIoU 損失函數(shù)，實現(xiàn)對疵點的準(zhǔn)確分類和定位。LIN G J 等［15］提出一種滑動窗口多傳感頭自注意力機制，并引入Swin Transformer模塊代替原YOLOv5 算法中的主模塊，提高對小目標(biāo)疵點的感知。

由于織物疵點的小尺度性、不規(guī)則性和分散性等特點，現(xiàn)階段的YOLO 算法還是存在檢測精度較低等問題。本研究基于YOLOv7［16］算法進行改進，通過新設(shè)計的DR-SPD 結(jié)構(gòu)增強模型強化對復(fù)雜形態(tài)的表征能力；修改網(wǎng)絡(luò)結(jié)構(gòu)并引入注意力機制，提升對于小目標(biāo)的檢測精度，減少背景信息對識別帶來的負面影響，使改進后的模型能夠滿足工業(yè)實際生產(chǎn)需求。

1 YOLOv7 模型概述

YOLOv7 是一種單階檢測算法，相比于其他YOLO 算法，它在檢測效率與精度之間取得了非常好的平衡。YOLOv7 模型整體結(jié)構(gòu)如圖1 所示，主要由輸入模塊（Input）、主干網(wǎng)絡(luò)（Backbone）和頭部（Head）組成。

圖1 YOLOv7 模型整體結(jié)構(gòu)圖

Input 的主要作用是調(diào)整圖片格式以適應(yīng)后續(xù)流程，主要包括數(shù)據(jù)增強、調(diào)整錨框和放縮圖片等操作。

Backbone 是YOLOv7 的特征提取器，主要由CBS 模塊、ELAN 模塊和MP-1 模塊構(gòu)成。它負責(zé)從輸入圖像中提取多尺度的特征圖，其特點是具有較大的感受野和較高的特征表達能力，可以捕獲圖像中的語義信息。

Head由SPPCSPC模塊、ELAN-W模塊、MP-2模塊、Cat 模塊以及后續(xù)輸出的RepConv 模塊組成。Head 通過利用上述模塊進行跨層級上采樣和特征拼接的方式實現(xiàn)特征融合，以獲得多尺度的上下文信息。然后根據(jù)融合后的特征圖進行目標(biāo)預(yù)測，用于提取目標(biāo)的位置和類別信息。預(yù)測頭的特點是具有較小的感受野和高分辨率特征圖，能夠準(zhǔn)確地定位和分類目標(biāo)。

對于織物疵點檢測，當(dāng)前YOLOv7 在特征提取與融合的過程中還是會發(fā)生關(guān)鍵信息遺漏，從而導(dǎo)致模型對疵點位置和類型判斷錯誤。下面將會對特征提取網(wǎng)絡(luò)與特征融合網(wǎng)絡(luò)進行針對性地改進。

2 YOLOv7 模型的改進

2.1 設(shè)計DR-SPD 結(jié)構(gòu)

2.1.1 DRes 單元

神經(jīng)網(wǎng)絡(luò)強大的表征能力源于不同過濾器對不同級別信息的提取。對于織物中復(fù)雜不規(guī)則的疵點形狀，如果想要獲取更全面的圖像信息，可以通過增加卷積的數(shù)量來實現(xiàn)。但當(dāng)結(jié)構(gòu)中卷積的數(shù)量已經(jīng)趨近于飽和時，再一味地增加卷積則會導(dǎo)致參數(shù)量冗雜、收斂性變差、網(wǎng)絡(luò)優(yōu)化困難等負面問題。為解決上述局限性，利用動態(tài)區(qū)域感知卷積（DRConv）［17］設(shè)計DRes 單元，使其能有效處理復(fù)雜多變的圖像信息。

如圖2 所示，DRConv 通過k×k的標(biāo)準(zhǔn)卷積，從輸入特征圖X中生成具有m個通道的引導(dǎo)特征，再根據(jù)引導(dǎo)特征將空間維度劃分為相對應(yīng)的區(qū)域，使引導(dǎo)掩碼中具有相同顏色的像素附著到對應(yīng)區(qū)域。同時濾波器生成模塊G（X）會根據(jù)每個區(qū)域的圖像特性生成對應(yīng)的定制濾波器W=［W0，…，Wm-1］，進行卷積運算。最后，將所有區(qū)域融合在一起便得到輸出特征圖Y。由于需要優(yōu)化的參數(shù)主要在G（X）中，所以DRConv 幾乎不會增加模型的大小。

圖2 動態(tài)區(qū)域感知卷積

設(shè)計的DRes 單元如圖3 所示。該單元使用卷積核為3 的DRConv 和CBS 進行特征提取，再加入一條跳躍連接，直接將原輸入與卷積層的輸出相加形成殘差結(jié)構(gòu)。與同等數(shù)量的普通卷積塊相比，DRes 單元能在幾乎不增加模型大小的基礎(chǔ)上增強對于不規(guī)則疵點的表征能力。

圖3 DRes 單元

2.1.2 SPD 卷積

當(dāng)點狀疵點與織物顏色相近時，同色像素沉淀的特性容易導(dǎo)致DRes 對該類疵點的檢測準(zhǔn)確率下降。為降低上述問題帶來的影響，利用SPD［18］卷積充當(dāng)末尾卷積，對其他卷積層的輸出集合進行最終處理，以增強網(wǎng)絡(luò)對圖像細節(jié)的提取能力。

SPD 由空間深度層和非跨步卷積層組成，對于任何尺度為S×S×C1的特征圖X，SPD 可將其切為如下公式的子特征序列。

將這些特征子圖沿著通道維度連接起來便使特征 圖X（S，S，C1）轉(zhuǎn)換成 中間特征 圖X′（S/scale，S/scale，scale2C2）。如圖4 所示，當(dāng)scale=2時通過降采樣得到大小為（S/2，S/2，C1）的4 個特征 子 圖f0，0、f1，0、f0，1、f1，1。其 中X′的 空 間 維 度 減 少了1/2，通道維度增加了4 倍。

圖4 SPD 特征提取

為盡可能保留所有的判別性特征信息，在SPD 特征轉(zhuǎn)換層之后再添加一個帶有濾波器的非跨步卷積層，得到最終特征圖X″（S/scale，S/scale，C2），這樣可以有效減少細粒度信息的丟失。

2.1.3 結(jié)構(gòu)整體設(shè)計

本研究提出了一種新的聚合網(wǎng)絡(luò)結(jié)構(gòu)DRSPD，該結(jié)構(gòu)將DRes 的動態(tài)感知和SPD 卷積的細節(jié)提取結(jié)合在一起，以增強對各類型疵點的語義捕捉能力，提升檢測精度。DR-SPD 結(jié)構(gòu)如圖5所 示，CBS 由1×1 卷 積（Conv）、數(shù) 據(jù) 歸 一 化（Batch Normalization）和激活函數(shù)SiLU 組成，Cat表示連接操作。DR-SPD 通過控制最長和最短的梯度路徑使網(wǎng)絡(luò)能夠?qū)W習(xí)更多的特征，最后引入殘差結(jié)構(gòu)的思想將特征信息進行疊加后輸送到SPD 卷積中，從而具有更好的泛化能力。

圖5 DR-SPD 結(jié)構(gòu)

2.2 引入GAM 注意力機制

在檢測過程中，當(dāng)疵點的顏色、形態(tài)與織物紋理相似時也會對檢測結(jié)果造成較大的影響。GAM［19］能在減少信息丟失的同時擴大全局交互性，在多個維度獲取特征信息，以達到提升網(wǎng)絡(luò)性能的目標(biāo)。GAM 在CBAM 注意力的基礎(chǔ)上加以改進。如圖6 所示，通道注意力子模塊使用3D 序列來保存每個維度上的信息，然后通過兩層的編碼-解碼器結(jié)構(gòu)（MLP）增強跨維度通道的空間相關(guān)性。為更好地聚焦于空間信息，空間注意力子模塊使用兩個卷積層進行空間信息融合。由于最大池化操作容易造成信息丟失從而影響整體性能，所以省略池化操作以達到更優(yōu)的映射特性保留。空間注意力子模塊如圖7 所示。

圖6 通道注意力子模塊

圖7 空間注意力子模塊

GAM 整體計算過程如圖8 所示。將上述兩個子模 塊進行融合，當(dāng)輸入特征映射F1∈RC×H×W時，中間狀態(tài)F2和輸出結(jié)果F3的計算公式如下。

圖8 GAM 整體計算過程

式中：MC表示通道注意力圖；Ms表示空間注意力圖；?表示按元素進行乘法操作。

將GAM 模塊添加到模型Backbone 與Head的連接處，可以有效抑制干擾信息，提升對于小目標(biāo)的敏感性，使Head 部分能夠進行更好的特征融合，以提高檢測精度。

2.3 改進特征融合網(wǎng)絡(luò)

在原YOLOv7 特征融合過程中為了能獲得多尺度信息，對輸入的特征圖進行多次上下層采樣。由于檢測目標(biāo)尺度較小，在不斷上下采樣的過程中很容易導(dǎo)致圖像細節(jié)的丟失，影響檢測精度。所以，本研究在保留其原始融合路徑的同時，加入3 條橫向跳躍路徑，如圖9 所示。將同一層的輸入和輸出節(jié)點跨層連接起來，使模型中各個檢測層均多加了一條特征融合通道，縮短深淺層之間信息傳遞的距離，加速模型收斂，強化不同層級的細節(jié)特征。

圖9 特征融合網(wǎng)絡(luò)改進

2.4 改進后的模型結(jié)構(gòu)

改進后的YOLOv7 整體網(wǎng)絡(luò)結(jié)構(gòu)如圖10所示。

圖10 改進后的YOLOv7 模型

3 試驗測試及分析

3.1 數(shù)據(jù)集的構(gòu)建

數(shù)據(jù)集采自浙江義烏某紡織車間，共計3 514張含有疵點的圖片，其中每張圖片中包含1 種及以上的疵點類型。根據(jù)廠家實際檢測需求，本研究選取的疵點類型及圖片數(shù)量為臟漬822 張、結(jié)頭738 張、漿 斑537 張、松經(jīng)776 張、三絲641 張。將數(shù)據(jù)集按照8∶2 的比例作為訓(xùn)練集和測試集。

在實際應(yīng)用場景中，根據(jù)公式（7）計算后得出的rs值若小于3%，則稱該疵點為小目標(biāo)。

式中：Sbox表示疵點標(biāo)注框的面積；Simage表示圖像的總面積。

經(jīng)計算，該數(shù)據(jù)集中的大部分對象都符合小目標(biāo)的定義。為能清晰展示疵點類型，將圖像中的疵點部分進行裁剪并放大處理，如圖11 所示。

圖11 疵點類型

3.2 模型訓(xùn)練及評價標(biāo)準(zhǔn)

本次試驗中的硬件平臺選用搭載了6×Intel Xeon E5-2680 v4、Nvidia RTX 3080 GPU、內(nèi)存26 GB 的服務(wù)器。環(huán)境配置為PyTorch2.0.0、Python3.8、Cuda11.8。選擇隨機梯度優(yōu)化器，使用遷移學(xué)習(xí)的方法加載預(yù)訓(xùn)練權(quán)重，使用模型主干凍結(jié)的訓(xùn)練策略，開啟多線程訓(xùn)練，并開啟Mosaic 圖像增強，學(xué)習(xí)率隨著訓(xùn)練世代的增加而減少。為了更好地評價模型，選定精確率（Precision，P）和召回率（Recall，R）作為基礎(chǔ)指標(biāo)，通過這兩個基礎(chǔ)指標(biāo)可以進一步整合成更綜合的檢測指標(biāo)：平均精度（Average Precision，AP）和平均精度均值（mean Average Precision，mAP）。

3.3 消融試驗

針對本研究中對YOLOv7 算法提出的幾處改進，通過逐一增加改進模塊的方法設(shè)計了消融試驗，以驗證其有效性，試驗結(jié)果如表1 所示。將DR-SPD 結(jié)構(gòu)中的SPD 卷積換為普通卷積即對應(yīng)表1 中的DR 結(jié)構(gòu)。可以看出DR 結(jié)構(gòu)對漿斑、三絲的提升效果最明顯，其AP值分別提升了2.14 個百分點和1.83 個百分點，但也導(dǎo)致臟漬、結(jié)頭的檢測精度有所下降。這說明設(shè)計的DRes單元雖然使模型對不規(guī)則疵點有了更為動態(tài)的視野，但同時也容易對點狀疵點產(chǎn)生誤判，而加入SPD 卷積后解決了上述問題，這也驗證了DRSPD 結(jié)構(gòu)的有效性。加入GAM 注意力機制后，臟漬、結(jié)頭和松經(jīng)的AP值分別提升了1.46 個百分點、1.23 個百分點和1.65 個百分點，反映出模型對于織物紋理的抗干擾能力增強，也能對分散性的疵點給予更多的關(guān)注度。在加入改進的特征融合網(wǎng)絡(luò)后，臟漬和結(jié)頭精度的提升最為明顯，而這兩種疵點的尺度相比于其他疵點類型都更小，這表明該網(wǎng)絡(luò)能更好地保留細節(jié)特征。模型對小目標(biāo)疵點的檢測精度得到了有效提升。

表1 消融試驗結(jié)果

3.4 與其他主流算法對比

在目標(biāo)檢測領(lǐng)域，其他主流算法也占據(jù)著相當(dāng)重要的地位。為了更好地展示改進效果，將改進的YOLOv7 與其他算法進行對比試驗，結(jié)果如表2 所示。可以看出，F(xiàn)aster RCNN 在檢測速度上花費時間較長，不滿足對實時性的要求，而YOLOv5s 在實時性上表現(xiàn)良好但精度較低。改進的YOLOv7 模型雖然檢測速度有所下降，但其在滿足實時性要求的同時提升了檢測精度，在整體表現(xiàn)上相比其他模型更加優(yōu)秀。

表2 主流算法對比表

YOLOv7 模型改進前后檢測效果對比如圖12 所示。可以看出，當(dāng)疵點特征與背景相似或疵點尺寸較小時，改進YOLOv7 由漏檢、誤檢變?yōu)榭梢詼?zhǔn)確地檢測出其位置及大小，并給出更高的置信度；對于不規(guī)則形狀的疵點，改進YOLOv7模型的預(yù)測框長寬都會更加貼近疵點形狀，并通過多預(yù)測框的方式來精準(zhǔn)表示各部分疵點。

圖12 檢測效果對比圖

3.5 實際應(yīng)用測試

為驗證本研究算法在實際工業(yè)場景中的有效性，在工廠現(xiàn)有平臺上搭建一個視覺采集模塊后，將改進模型部署到設(shè)備中進行實際測試。測試環(huán)境如圖13 所示。

圖13 測試環(huán)境

將130 個無疵點與65 個有疵點的織物作為一組測試對象，對該組對象進行20 次無序測試，試驗mAP值94.85%，檢測速度43 幀/s。由于檢測過程中受傳送帶、相機振動等環(huán)境因素的影響，導(dǎo)致mAP略有下降。同時，上位機在檢測時也消耗了系統(tǒng)資源，所以檢測速度下降到43 幀/s，但仍能較好地滿足實際生產(chǎn)需求。

4 結(jié)語

對于因織物疵點尺寸小、形狀復(fù)雜而導(dǎo)致檢測精確率較低等問題，本研究在YOLOv7 的基礎(chǔ)上加入新設(shè)計的DR-SPD 結(jié)構(gòu)，并在模型主干網(wǎng)絡(luò)與頭部的連接處添加GAM 注意力模塊；最后，通過加入3 條橫向跳躍路徑對特征融合網(wǎng)絡(luò)進行改進。試驗結(jié)果表明：改進后YOLOv7 模型相較于 原 始YOLOv7 模 型，mAP值 提 升 了3.97 個 百分點，其特征提取能力和抗干擾能力都得到增強，能聚焦于更為關(guān)鍵的圖像細節(jié)，綜合性能也優(yōu)于其他主流算法。將改進YOLOv7 模型部署到車間設(shè)備上進行測試，其mAP值達到94.85%，檢測速度為43 幀/s，驗證了其在實際工業(yè)場景中的有效性。后續(xù)工作將研究如何使該模型更輕量化，以更大程度降低部署時對于硬件設(shè)備的要求。