基于YOLOv5的油田作业现场吸烟检测方法

孙召龙，徐 昕，朱云龙，田 枫

（1.中国石油化工股份有限公司胜利油田分公司现河采油厂，山东东营 257000；2.东北石油大学计算机与信息技术学院，黑龙江大庆 163318；3.庆新油田开发有限责任公司，黑龙江大庆 163000）

吸烟行为是油田作业现场十大禁令之一，若不加以控制会增加引发火灾的可能，从而造成重大财产损失和人员伤亡的事故发生。目前油田作业现场大多是通过烟雾探测器和人工监控方式对吸烟行为进行管控，但烟雾传感器受空间限制，在户外场景下即空间很大时，烟雾传感器检测的准确率会降低，而人工监控方式在浪费人力的同时又无法实现检测的实时性。因此，在油田作业现场精准又实时地检测吸烟行为是一个急需解决的难题。

常见的吸烟报警系统主要是基于烟雾伴随性对空间内烟雾浓度进行阈值判定的传统吸烟检测技术，虽然烟雾传感器灵敏度较高，但在空旷通风的户外场景下对吸烟行为识别效果并不理想。随着图像处理和模式识别技术的发展［1-3］，吸烟检测技术形成两大分支，即基于传统算法及基于深度学习的检测。传统的吸烟检测方法多基于烟雾的颜色特征来进行吸烟或火灾预警。Qin Luxing［4］等通过提取颜色矩、HOG和LBP空间下的烟雾特征来进行森林火灾预警。基于深度学习的吸烟检测可分为基于候选窗口和基于回归两类，张日东［5］等将Haar-Adaboost车窗检测算法和基于HSV空间的混合高斯烟雾检测算法相结合，对出租汽车司机的吸烟行为进行检测。马晓菲［6］等通过改进的MTCNN人脸检测算法确定嘴部区域定位，再经过MobileNet-v1迁移学习的分类算法，构建基于人脸分析的吸烟行为检测算法模型。Faster-RCNN是基于候选框多阶段检测的主流框架。李倩［7］等以Faster-RCNN作为骨干网络并和FPN特征金字塔相结合进行吸烟行为检测。该方法有效降低了漏检率，但同样缺乏实时性检测。为此，有学者提出YOLO［8］，SSD，YOLOv2，YOLO9000［9］等基于回归的目标检测框架。YOLO系列框架通过网络以端到端的形式一步完成目标检测任务。王梦依［10］等对YOLOv3目标检测框架进行了结构改进和参数寻优，构建吸烟检测系统。YOLOv5是目前YOLO家族最新的框架，有学者基于此模型用于口罩佩戴识别［11-13］。当前，在油田作业现场的场景下对吸烟行为精准并实时检测仍是一个亟需解决的难点。

1 YOLOv5算法原理

2020年5月，Ultralytics LCC公司提出由PyTorch编写的YOLOv5模型，该模型集成了YOLOv3中的FPN多尺度检测及YOLOv4中的Mosaic数据增强和SPP结构，其结构如图1所示。YOLOv5模型大小可调节，共有四种网络结构即YOLOv5s、YOLOv5m、YOLOv5l和YOLOv5x。四种网络结构的区别在于Backbone及Neck部分的CSP结构宽度和深度不同，即卷积的次数和残差块的数目不一样。同时YOLOv5模型的体积很小，最小模型YOLOv5s的权重数据文件大小为27MB，是YOLOv4权重数据的九分之一［14-15］。除此之外，其推理速度达每秒140fps，满足监控视频实时性检测的需求。

图1 YOLOv5网络结构图Fig.1 Structure diagram of YOLOv5

1.1 Backbone

Backbone部分的核心是CSP结构。CSP结构是YOLOv5四个模型的区别所在，即卷积操作和残差值处理次数不同，所以对于不同数据集的训练表现也有所不同。在YOLOv5模型中Backbone和Neck部分都存在CSP结构，而在YOLOv4模型中只有Backbone部分融合了CSP结构。对于CSP这种跨阶段特征信息传递策略所接触的阶段越长越有利于模型的训练，这也是YOLOv5在YOLOv4基础上的改进之处。CSP模块首先将基础层的特征映射划分为两部分，在划分的同时做特征信息的备份，然后通过跨阶段层次结构将其合并。这样避免在信息传递的过程中丢失底层特征信息，并且有效地减少信息集成过程中特征重复的可能。另外由于跨阶段使用拆分和合并操作，使得该策略能够显著降低计算成本，从而在保证准确率的同时实现模型轻量化。

1.2 Neck

Neck部分中采用了FPN+PAN的结构。FPN结构采用自上而下的方式处理图片特征，对高层的特征信息通过上采样操作进行传递与融合，获得预测的特征图。PAN采用自下向上的特征金字塔思想，将FPN每层所获得的特征预测图向上再做一次特征提取与融合，具体结构如图2所示。该结构融合了当前尺度和以前尺度的特征，能够实现从不同的主干层对不同的检测层进行特征的参数聚合，得到预测的特征图。该模块在一定程度上可以提升小尺寸目标的检测性能，提高网络的鲁棒性，增强训练过程。

图2 FPN+PAN结构Fig.2 Structure of FPN and PAN

2 实验结果和分析

2.1 配 置

本次实验在Intel Core i7 6700处理器，主频为4 GHz，内存为32 GiB，显卡型号为GeForce RTX 3080 Ti的PC机上进行，在Ubantu18.04环境下利用深度学习框架Pytorch对YOLOv5模型进行训练与测试。训练模型的参数设置如表1所示，模型的训练次数Epochs设为300；批次大小Batch size是指训练时一次性输入网络的图片数目，与显卡的显存大小有关，将其设为8；由于提高输入分辨率在一定程度上会提高小目标检测精度，所以输入分辨率img-size在原始值为640的基础上增加64，调至为704；置信度阈值conf_thres和IoU阈值Iou_thres用于非极大值抑制迭代筛选的处理过程，分别设为0.001和0.65。

表1 YOLOv5训练参数设置Tab.1 Training parameter setting of YOLOv5

2.2 数据集采集及制作

由于通过Python爬虫代码爬取的谷歌和百度图片大多属于特写图片，并不满足油田作业现场户外下中距离的吸烟检测需求。所以本文自行创建吸烟数据集，采用两种方式进行采集，总共采集4196张图片。第一种采集方式是通过放大室外监控摄像头截取的吸烟图片，另一种采集方式是先自行录制不同场景下的吸烟视频，再按照一定的帧数间隔截取视频中的图片。数据集采集完成后是数据集的标注部分，使用LabelImg标注工具，用矩形框选定手拿烟和嘴叼烟区域。标注后生成的是遵循PASCAL VOC格式的XML文件，并将中心点的坐标即标注框的宽和高以偏移量的方式存储到TXT文件中，使得训练时可以忽略不同图像的尺寸，提高小目标检测精度。

2.3 结果与分析

2.3.1 模型性能对比

YOLOv5共有四种预训练模型，每种网络的深度和宽度不同，所以在不同数据集上表现会有所不同。为获取更适用于油田作业现场中距离的吸烟数据集所对应的权重数据，分别用YOLOv5s、YOLOv5m、YOLOv5l和YOLOv5x四种网络进行训练，并用300张测试集对四种模型进行性能对比，通过计算四种模型在测试集上的精确率均值（mAP）及召回率来评价模型的性能。精确率P又称查准率，如公式（1）所示；召回率R又称查全率，如公式（2）所示。

公式（1）和公式（2）中，TP表示将正类别预测为正确类别的个数；FP表示将负类别预测为正确类别的个数；FN表示将正类别预测为负类别的个数。YOLOv5四种预训练模型测试的结果如表2所示。

由表2可知，YOLOv5s模型用时最短、检测速度最快，每秒能够检测16幅图片。YOLOv5m模型的召回率及mAP值最高，其中召回率比YOLOv5l模型高出3.07个百分点，达到了89%，且YOLOv5m模型的精准率相对于YOLOv5s模型、YOLOv5l模型和YOLOv5x模型分别高出1.22、0.27和1.03个百分点。四个模型对吸烟行为检测样例如图3所示。

表2 不同模型性能对比Tab.2 Performance comparison of different models

从图3的检测对比可以看出，该模型对户外场景下中距离的小目标检测效果明显，方框为检测算法输出的边界框，目标框上的数值表示预测精确率。从算法测试结果可以看出，YOLOv5m的预测精确率较高为0.78，优于其他三种检测模型。

2.3.2 YOLOv5m模型最优性能

综合上述不同模型的测试性能及测试效果，本文选用由YOLOv5m模型训练得到的最佳权重数据。图4描绘了YOLOv5m模型训练时的精确率和训练损失随迭代次数的变化值。当训练次数Epochs的值较小时，精确率从0开始快速上升，训练损失值由0.8开始迅速下降，标志着网络模型开始对图片特征进行学习。随着训练次数的增加，精确率曲线上升的速度逐渐变慢，以振荡的形式继续上升，训练损失曲线逐渐平稳到一个稳定值。当训练次数Epochs为200附近时，精确率曲线趋于稳定，波动减少。当训练次数Epochs为250时，精确率曲线趋向为0.926的稳定值，训练损失曲线趋向为0.012的稳定值。由此可知YOLOv5m模型训练过程稳定，性能优良。

图4 YOLOv5m实验损失和精度值Fig.4 Loss and accuracy of YOLOv5m network

3 结 语

本文首先进行数据采集与预处理，得到更符合油田作业现场的吸烟数据集，通过对比YOLOv5四种预训练模型所得的性能结果和检测效果，得到最优权重数据。实验结果表明，该方法可以快速、精准地识别出吸烟行为，为油田作业现场的安全性提供了一定的保障。