基于深度学习的铝厂工业自动浇筑中的图像识别

易佳明，胡小龙

(中南大学计算机学院，湖南 长沙 410075)

0 引言

铝金属广泛应用于生产生活的各个方面，从家庭所需到重工业领域，都是一种不易替代的原材料.它有很好的回收性，不易对环境造成污染，在我国甚至在世界上都有着举足轻重的地位[1].铝的工业发展经历了许多阶段，目前主要采用的是铝电解槽设计[2],其方法是将铝水倒入连接槽中，在电解过程中需要将阳极爪和阳极碳块连接，阳极碳块在电解槽中会被消耗，补充阳极碳块后需要重新将阳极爪和阳极碳块连接[3].目前铝厂大多采用人工进行操作，倾倒铝水依靠人眼判断，在高温环境中如工人操作不当，易产生危险.人工进行浇注耗费人力成本，需要一套自动浇注系统，满足铝的工业生产需要.有关此类自动浇注系统的研究较少，少有将图像处理运用于铝厂工业生产中的实例，本研究为此浇注系统提供一个可靠的算法.

图像处理技术起源于20世纪20年代，传统的数字图像处理应用主要是对数字图像进行简单处理，采用霍夫变换识别几何物体[4-5]，但是在实际应用过程中，有很多环境干扰因素，霍夫变换很难做出正确的识别；现代图像处理技术采用深度学习的方法，抗干扰性和精确性都得到极大的提升[6].将图像处理技术应用于工业生产是一类重大应用方向，例如：将图像识别应用于零件分拣系统中，采用主成分分析法(PCA)与SVM，能满足实际工业生产的需求[7]；采用CNN将图像识别应用于税票粘贴质量检测[8]，设计出针对税票粘贴质量的系统也能满足需求；利用手机的便捷性和拍摄功能越来越强大，可为各类商超设计一套视频身份验证系统，以满足具体需要[9].将图像识别应用于工业生产中已经有了很多成功的先例[10-11]，本研究将融合传统图像处理和深度学习技术对图像进行识别，并为自动浇注系统提供合适的算法.

1 自动浇筑中图像识别算法设计

基于深度学习的各种算法对样本质量和数量有较高的要求，所以对算法样本进行预处理是非常必要的.我们得到的视频数据含有大量的冗余信息，需对视频中截取的原始图片进行关键位置信息提取，这些信息中有含有大量噪声，需要降噪、通过小波变换处理样本，并进行归一化处理，以提高最终的样本质量.采用CNN卷积神经网络设计模型，采用两层卷积层和池化层，两层全连接层，最后采用softmax进行分类[12]，如图1所示，并在测试阶段集中测试实验结果.

图1 采用的算法框架

1.1 数据集处理

1.1.1 数据采集 由于铝厂内部需要保密，而且内部属于高温环境，不能随意进入，主要由工作人员拍摄视频.拍摄的视频需要保证样本的随机性和多样性，需要在不同角度、多种环境条件下录制视频.按照计划需录制5段视频，覆盖大部分场景.

1.1.2 数据预处理 为避免噪声干扰，得到的数据需要进行预处理.对录制的视频进行处理，首先需要将视频数据处理成为帧数据，得到每一帧的图像.视频在录制的时候获取了大量无关信息，所以还要将关键信息截取出来，如图2(a)所示，像素大小为168×168.为了将噪声过滤，同时保留照片的更多细节，采用小波变换将彩色照片进行增强细节，同时将低频信息和噪声去除[13].

1.1.3 分解彩色图像 将从视频帧中提取到的关键信息分为3个分量，按照red(R分量)、green(G分量)、blue(B分量)提取出来并存入3张图片，分别如图2(b)～(d)所示.

1.1.4 处理3个图像分量 由于图像信号是离散信号，所以采用离散小波变换，需要定义尺度函数和平移基：

φj,m,n(x,y)=2j/2φ(2jx-m,2jy-n)

(1)

(2)

其中，i表示方向小波，H是列向变化，V是行向变化，D是对应对角线方向的变化.对于图像M×N的f(x，y)图像离散小波变换：

(3)

(4)

图2 浇注视频中帧数据的关键信息

图3 原图R分量图片经小波处理后的图片信息

这里我们采用最简单的haar小波变换2次分解，图3就是将原图R分量经过haar小波变换2次分解得到的图片信号，由于图像的细节保留在低频区域，所以需要将低频区域截取出来，即截取图像左上部分，剩余的3个分量噪声过多，直接舍弃[14].再将剩下的G、B分量图像进行小波变换，可以得到3种分量图像，将其进行合成，就可以得到去除大部分噪声后且图像大小缩减为原来一半的图像.

2 图像识别方法

由于CNN卷积神经网络在图像识别领域有很好的效果[15]，如今已运用在很多识别场景当中，本研究同样采用CNN卷积神经网络设计图像识别模型，CNN卷积神经网络结构如图4所示.

图4 CNN结构模型

第一个步骤是卷积，卷积是为了将图像中的特征提取出来，卷积后的数值说明图像与该卷积核的相似度，该模型设计了两层卷积-池化层，每层卷积-池化层中的卷积层数不一样.卷积公式如式(5)所示.

y=F((f*w)+b)

(5)

其中f表示3×3大小图像，w表示卷积核，*表示卷积运算，b表示偏置值，F表示卷积激活函数.这里采用64个3*3的卷积核，而且是3通道，步长为1，选择卷积功能的激活函数为relu函数.由于卷积层数量很多，并且每个卷积层都会得到与原图差不多大的图像，会导致数据量急剧增大，同时参杂很多冗余数据，池化层的作用就是为减少计算量和降低数据维度，防止过拟合，池化公式如式(6)所示.

(6)

采用3×3的最大池化，步长为2，池化之后采取lrn()操作，局部响应归一化，提升网络训练速度.本研究采取了两层卷积-池化层，第二层卷积层采用16个3*3卷积核，其他与第一层卷积-池化层一致.经过两层全连接层，其中在第一层全连接层中将之前池化层的输出reshape成一维特征，并采用线性整流函数relu()作为激活函数.在后一层全连接层采用softmax函数作为激活函数，它具有3个神经元，作为识别浇注完成、未完成及环境的分类结果.Softmax具体公式如式(7)所示.

(7)

其中，x为输入，θ表示目标函数参数，K为分类结果数量.softmax损失函数如式(8)所示.

(8)

3 实验与分析

3.1 实验环境本研究实验环境如表1所示.

表1 实验环境

3.2 小波变换模型及卷积神经网络模型尚未浇注完成的图像如图5(a)所示，已经浇注完成的图像如图5(b)所示.

将3类背景图像各3 000张输入到网络模型中，选取600张作为测试集.本文中所定义的输入层是经过小波变换，将高频信息中的噪声去除，仅留下低频信息的二维图像，确保图像清晰、干扰少.然后，将图像特征信息提取出来并进行归一化处理，作为卷积神经网络的输入，需进一步处理.经过两层卷积-池化层，进一步提取图像特征.然后使用两层全连接层构建神经网络，采用128个神经元与128个特征值连接，最后一层采用softmax作为激活函数.在训练过程中，每训练10次，输出一次loss值，并记录训练总次数.经过训练，得到的loss图如图6所示.

图5 实验数据样本

图6 loss曲线图

调整卷积核大小和卷积层数，模型经过训练之后，loss值很快达到了收敛，并且最终稳定.训练之后进行分类测试，分类准确率达到91.88%.由此可见，该模型已经可以成功识别3种浇注状态，可用于铝厂工业生产中.

3.3 卷积神经网络模型分析训练过程中需要分类的图像信息较为简单，而训练模型复杂，为防止过拟合，发生训练时loss很低、但实际测试时模型表现不好的情况，所以引入dropout层，将一部分神经元忽略，避免过于复杂的神经网络造成过拟合.

为验证本研究算法，将其与单独使用卷积神经网络和单独使用小波变换，还有传统图像处理霍夫变换的算法进行比较，得到的结果如表2所示.由于采用了小波变换对图像中噪声进行消除，将高频信息 保留下来，滤除低频噪声，因此比仅使用卷积神经网络进行图像识别的识别率更高.本文中采用了卷积神经网络，卷积对图像中特征进行提取，相比于仅使用小波变换、人工进行特征提取，避免了环境因素和拍摄角度的干扰.而传统图像处理是采取霍夫变换对圆形进行检测的方法，需要保持圆形的较高完整性、避免环境因素的干扰，因而识别率更低.

表2 算法分类准确度对比

4 结束语

针对铝厂自动浇注的图像识别，本研究提出一种结合小波变换和卷积神经网络的分类算法.将小波变换融入预处理过程中，由于高频信息中包含大多数噪声，而低频信息中包含图像的绝大部分信息，采用小波变换去除图像噪声、抑制环境背景，对低频信息进行增强具有显著的效果.该预处理的图像信息卷积神经网络快速提取有效特征，经过几种算法分类对比，本研究算法在亮度不足、噪声干扰多的情况下仍有很高的识别率，可以用于铝厂自动浇注中的图像识别.后续仍可以对模型进行进一步改进，以提高模型分类的准确度.