主要观点总结
本文提出一种基于YOLO的铝型材表面缺陷识别方法，解决铝型材缺陷快速准确识别的问题。通过对铝型材数据集进行图像增广解决数据不均衡问题，并建立YOLO模型提高微小缺陷的识别能力。对目标框进行聚类分析并采用多尺度训练优化识别效果。实验结果表明，该方法缺陷识别准确率达到97.46%，优于其他对比算法，具有实时性好、自动化水平高等优点，可用于铝型材表面缺陷的快速准确识别，提高铝型材生产的检测效率。
关键观点总结
正文
1 数据集构建
如图 1 所示，铝型材常见的缺陷有 4 种，分别是擦花、漏底、碰凹、凸粉。本文的铝型材图像数据集来源于江苏省某铝材公司。原始的铝型材图像数据集一共包括 342 张铝型材缺陷图像，缺陷图像样本较少，且部分缺陷占整个数据集比例过小、缺陷数据不均衡。深度学习在进行训练时，如果数据集较少会导致模型出现过拟合的问题。为解决上述问题，本文对有缺陷的铝型材图像，采用图像增广来进行数据集扩充。图像增广技术是对原图像数据进行一系列随机对比度调整、旋转等处理，产生相似但不同的训练数据，以扩大训练图像集的规模，同时降低模型对某些特征的依赖，提高模型的泛化能力。
▲图 1 常见的 4 种铝型材缺陷
本文采用的图像增广方法包括调整对比度、亮度、旋转和缩放，每张增广后的图片为原图经过多种随机组合变换得到。图像增广后每种缺陷类别的图像的数量为 2 400 张，各缺陷比例为 1∶ 1∶ 1∶ 1。训练集的图像被转换为 PASCAL-VOC格式，其长度分别调整为 416、608、1 280，并调整宽度以保持原始纵横比。整个铝型材图像数据集的图片为 9 600 张，如表 1 所示。与一般的图像分类数据集不同，铝型材数据集在进行深度学习训练时，需提供图片缺陷区域的坐标位置。本文中通过 labellmg 软件来进行缺陷位置的标注。铝型材数据集中擦花、漏底、碰凹、凸粉四种缺陷分别标注，并保存其路径、标签和缺陷坐标信息。
表 1 铝型材缺陷数据集组成
2 识别方法
2． 1 铝型材表面缺陷的 YOLO 识别模型
YOLOv3 作为一种基于回归的目标识别算法，能够实现多目标的快速、准确识别。YOLOv3 对输入图像的全局区域进行训练，可加快训练速度且能更好地区分目标和背景。先利用 Darknet-53主干网络完成铝型材表面缺陷特征提取，再采用目标框直接预测目标类别和位置。铝型材表面缺陷形态不规则、位置随机且大小不一，直接应用 YOLOv3 模型进行识别难以保证微小缺陷的精密识别。本文在深入分析 YOLOv3 模型特性的基础上对其进行改进。将原有 3 尺度识别结构扩展为 4 尺度，提高对微小缺陷的识别能力; 通过重新聚类分析构建适合铝型材表面缺陷的初始目标框，改进 YOLO 算法的模型参数; 采用多尺度训练方式对训练流程进行优化，以增强模型对不同尺度缺陷的适应性和识别精度，解决铝型材表面缺陷识别困难、精度低等问题。
基于 YOLO 的铝型材多尺度识别模型架构如图 2 所示。在数据集构建后，以 Darknet-53 为主干网络进行特征提取，并融合多尺度识别，实现铝型材表面缺陷的有效识别。该网络从训练集和验证集中快速提取铝型材表面缺陷相应特征，并融合多尺度特征信息，同时得到缺陷预测框和类别，从而快速精确地识别出缺陷种类和位置。其中，训练集用于拟合识别网络，验证集用于调整识别网络的超参数以及对网络性能进行评估。
铝型材表面缺陷识别模型的工作流程如下: 首先，构建铝型材表面缺陷图像数据集，将缺陷图像输入识别模型进行训练; 再根据预测边界框及所属类别的概率对缺陷进行多尺度预测; 最后通过损失函数不断调整训练参数，以得到改进
后识别模型的参数。
▲图 2 铝型材多尺度识别模型架构
2． 2 特征提取网络
采用 Darknet-53 网络作为图像特征提取的主干网络，其网络结构如图 3( a) 所示。整个网络采用完整的卷积层，没有池化层和固定输出的连接层。Darknet-53 网络结构借鉴残差神经网络 Ｒes Net( ＲesidualNetwork)，在其网络中加入 5 个残差块( residual) 。每个残差块中包含不同数量的残差单元，残差单元由特征提取层与两个 DBL( Darknetconv2d BN Leaky) 单元经过两层卷积所构成，如图 3( b) 所示。其中，残差单元中的 DBL 单元也是YOLOv3 的基本构成单元，由卷积( Conv) 、批归一化( BN) 和激活函数 Leaky Ｒelu 共同构成，如图 3( c) 所示。Darknet-53网络中加入残差单元，可以保证主网络结构在不断加深的情况下不会造成梯度消失或爆炸，以加强主网络对图像特征的提取效果，进而提高模型识别的准确率。
