基于YOLOv3的钻井现场智能巡检系统设计

钱浩东?刘洋?汪影

摘要：机器学习在井场智能巡检中已广泛应用，但油气井场的目标背景较为复杂，为提高井场目标智能检测的精确性和实时性，提出一种可用于视频图像的监测和跟踪的钻井现场智能巡检系统。为了解决缺乏数据集的问题，选择用缩放等同类数据增强方式并结合mixup混类数据增强方式。此外，采用lable smoothing等方法来优化和改善算法，完成算法的模型训练和检测。实验结果表明：改进后的算法检测速度为29每秒检测帧数，平均精度均值为85.90%，可见，经过改进和优化的算法无论在平均精度均值还是在检测速度上，均比其他算法效果好，能快速精确地对井场设备进行识别。

关键词：钻井现场；目标检测；深度学习；YOLOv3

一、前言

传统的油气田井场的巡检工作主要依靠人力进行，不仅效率低下，并且少量气体泄漏无法及时发现，恶劣天气下巡检安全隐患多，故根据井场巡检的需求，智能巡检的发展愈加重要。当前，基于深度学习的目标检测算法包括基于候选区域的Two stage目标检测算法以及基于回归的One stage目标检测算法[1]。其中，以R-CNN为首的Two stage目标检测算法首先需要对图像进行候选区域的提取，再对区域进行CNN分类识别。但是由于生成候选框的算法耗时多，检测速度慢，不能满足实时检测场景。2016年Liu Wei等人提出了基于回归的One stage目标检测算法[2]，例如Over Feat、YOLOv1、YOLOv3、SSD和RetinaNet等。YOLOv3是2018年由Joseph推出的，一经推出，便成为了目标检测领域单阶段算法中非常有代表性的算法[3]。基于回归的目标检测算法不需要区域生成这一步，直接在网络中提取特征来预测物体分类和位置，检测速度得到了显著提升。

为解决油气井场背景复杂、不容易检测的问题，提高对油气井场设备检测的速度和精度，通过对算法的改进优化，提出了一种基于YOLOv3算法的钻井现场智能巡检系统[4]，实现了包括节控箱、泥浆泵、液面报警器、远控房、振动筛五类目标的精确检测。本文通过K-means聚类得到先验框，通过两个对象之间的距离来判断相似度，然后将相似度大的成员进行分类；为解决井场数据集匮乏的问题，采用平移、旋转等同类增强和mixup混合增强的方法完成数据集的扩充[5]；此外，采用标签平滑化来提高分类任务中模型的泛化性和准确率，缓解数据不平衡的问题。最后，将本文介绍的方法与Faster R-CNN检测算法在井场数据集上进行了对比实验。

二、系统整体设计

本文设计了一个基于YOLOv3的钻井现场智能巡检系统。在设计过程中，第一步是将井场设备图像整理打包成一个VOC格式的数据集，然后用专业的图像注释工具Labellmg对数据集里的图像进行标注，然后建立一个YOLO模型，这个模型由13个卷积层组成，之后在实验过程中注意观察loss曲线的变化情况，当其逐渐稳定的时候，完成对本次算法模型的训练。最后再将井场的设备图片数据设定为测试集，对图像中的井场设备进行检测识别，得到该系统的性能指标。系统设计框图如图1所示。

三、井场设备定位识别算法设计

（一）YOLO系列算法的原理

YOLO算法的第一代版本YOLOv1将固定尺寸大小的矩形图像划分为7×7个网格（候选区）。在这个过程中，算法实际上是通过利用宽窄两种矩形（先验框），扫描每一个网格部分的图像，同时在网格中记录下候选区为所要检测目标的置信度，然后再以置信度为参考标准来明确目标所在的候选区，最后再适当调整先验框，以便框选出需要检测的物体[6]，首先输入了一张448×448×3的固定尺寸的图像，将其划分为7×7的网格，经过YOLO算法得到输出为7×7×30的图像数据。在这里，7×7指的是49个网格，30指的是网格的特征向量，特征向量涵盖了2个边框的置信度和坐标信息（每一个坐标包括4个信息）以及20个对象存在的概率[7]。进行变换是YOLO算法的核心，此变换分为3层，第一层是特征提取层，第二、三层分别为池化层和YOLO层。

1.特征提取层是由多层卷积神经网络组成，提取出输入的图像的特征，将大量的数据量处理成较小数据量的特征图。在这一层用到了卷积运算以及残差运算。其中，卷积运算发挥的作用是提取出图像的特征，而将图像进行压缩的任务则交给池化层。

2.池化层与特征提取层相辅相成，特征提取层也叫卷积层，其任务是经过大量的卷积运算，将最初的数据转换成特征图。池化层则是起着压缩特征图的作用，这个过程可以减少数据量，并且可以进一步获取特征图的主要特征。

3.该算法最重要的组成部分是YOLO层，在这一层需要对候选框进行置信度计算，并且进行待测目标大致轮廓的检测。

（二）YOLOv3算法的改进

YOLOv1存在的缺陷是只有一种尺寸，不容易识别实际生活中过大或过小甚至是奇形怪状的物体，无法满足现实需要。后来改进的v2算法在同层定义了不同尺寸大小的先验框，解决了存在的仅有宽、窄两个回归边框的缺陷，但改善后的效果并不显著。

后来的YOLOv3提出了一种多尺度融合的方法，将得到的特征图分为3类，分别是大、中、小，且可以根据得到的特征图尺寸来调节先验框。这样就很好地满足了生活中不同尺寸目标的识别[8]。因此，YOLOv3特别适合对油气井场不同尺寸大小的设备进行识别。

（三）Darknet-53网络结构

YOLOv3算法在进行图像特征提取的过程中，采用的是由53个卷积层组成的Darknet-53主干网络结构，这53个卷积层由1×1以及3×3等一系列的卷积层构成。

为了解决网络变深带来的性能退化问题，Darknet-53网络采用在卷积层之间利用残差组件来解决。其中，F（x）+x表示残差组件的输出，x表示残差的上层特征输入，F（x）表示学习到的残差，如图2所示。

（四）YOLOv3网络

Darknet-53使用YOLOv3作为网络分类的主干部分，通过对输出的特征图的尺寸大小这一指标进行控制，进而对卷积层的步长进行调整。此外，YOLOv3结合了特征金字塔网络的思想来提升模型的性能，以便检测尺寸不同的物体。利用特征融合与上采样的方法输出3个尺寸的特征图，第1、2、3特征图分别适用于较大目标、中型目标、小型目标。三个不同大小的目标各自对应下采样的32倍、16倍与8倍，最终5L表示网络总共有5层。

（五）多尺度先验框

k-means分别聚类了3种不同采样尺度下的3种大小的验证框，分别聚类10像素×13像素、16像素×30像素、33像素×23像素、30像素×61像素、62像素×45像素、59像素×119像素、116像素×90像素、156像素×198像素以及373像素×326像素。YOLOv3利用k-means聚类获取到了不同尺寸的先验框。

如图3所示，如果一个被检测的目标的中心点在某个网格里面，那么这个目标就由这个网格来完成检测，YOLOv3进行预测回归的依据是被检测目标中心与其对应的网格的偏移量。其中，P_w和P_h各自代表特征值置信图内的宽和高，（C_X，C_y）代表网格的左上角的像素的位置，t_x，t_y代表被检测目标的中心点与网格左上角像素位置的偏移距离，（b_x，b_y）代表预测锚框中心点的位置，b_w和ｂ_h分别指预测锚框相对于特征图的宽和高，利用常见的Sigmoid激活函数，将t_x，t_y变换为[0，1]内的输出，以此确保待检测的物体的中心点在网格里，t_w，t_h分别代表特征图宽和高的尺度缩放因子。

四、实验过程及结果

（一）数据集的处理

由于没有标准的井场数据集，仅仅通过现场采集的包含节控箱、泥浆泵、液面报警器、远控房、振动筛五类关键部件的图像作为最原始的数据集。由于采集的图片太少，导致原始数据集不足以支撑模型的训练，因此对训练集图片随机进行如下的数据增强：

1.平移：水平或垂直平移＋／－10％；

2.旋转：顺时针或逆时针旋转6°；

3.剪切：水平或垂直剪切；

4.缩放：＋／－20％缩放；

5.水平翻转：50％概率水平翻转；

6.ＨＳＶ饱和度：＋／－40％；

7.ＨＳＶ亮度：＋／－40％。

然后使用LabeLlimg对采集的图片进行标注，分为节控箱、泥浆泵、液面报警器、远控房、振动筛五类。在最后得到的上千张图片中，随机选取30%作为测试集，其他的图片当作训练集。

（二）模型的训练

本文实验训练和测试的环境是基于Ubuntu16.04版本的操作系统，GPU用的是GTX2080，预装了Pytorch1.7.1深度学习框架，选择的CUDA版本为10.1。在优化器选择方面，考虑到随机梯度下降算法更具鲁棒性且训练速度快的优点，故选择其作为优化器，训练批次为5×10⁴，学习率为1×10^-3，权重衰减为5×10^-3。在模型的训练过程中，采用的是有监督的学习方式，通过设计损失函数的回归以及优化油气井场设备的目标识别模型，损失函数的变化情况如图4所示。

（三）实验结果

本次实验过程选择mAP指标作为实验效果的评价指标，该评价指标在目标检测中最常用到，它是人为发明的用来衡量识别精度的评价指标。同时，在对比算法的选取上，由于Faster R-CNN是two-stage目标检测模型中较为成熟的典型代表，故将其作为对比算法与本文的算法进行比较。本次实验测试的结果如表1所示，FPS（Frames Per Second）是衡量检测速度的指标，表示在检测过程中每秒钟能检测到的帧数。

通过表1可发现，网络的检测效果比Faster R-CNN好，尤其在检测速度上。因此，相比Faster R-CNN的性能在检测精度和检测速度方面均有所提升。

五、结语

本文针对油气井场设备目标识别面临的检测困难的问题展开研究，提出一种基于钻井作业现场目标实时监测的方法。采用基于YOLOv3算法的模型，采用mixup混类数据增强扩充数据集，选取k均值聚类算法来获取先验框，采用lable smoothing等策略对算法进行优化，采用自行制作的钻井设备图像集作为数据集，利用云服务器来进行模型的训练。通过分析对比Faster R-CNN算法，结果表明：改进后的YOLOv3算法在检测精度上达到了85.9%，检测效果相比其他算法更好，同时检测速度达到了29FPS，具有较好的鲁棒性，能够满足钻井作业现场实时检测需求。

参考文献

[1]刘彦清.基于YOLO系列的目标检测改进算法[D].长春：吉林大学，2021.

[2]邵延华，张铎，楚红雨，等.基于深度学习的YOLO目标检测综述[J].电子与信息学报，2022，44（10）：3697-3708.

[3]邢姗姗，赵文龙.基于YOLO系列算法的复杂场景下无人机目标检测研究综述[J].计算机应用研究，2020，37（S2）：28-30.

[4]陈俊.基于YOLOv3算法的目标检测研究与实现[D]成都：电子科技大学，2020.

[5]宋艳艳，谭励，马子豪，等.改进YOLOV3算法的视频目标检测[J].计算机科学与探索，2021，15（1）：163-172.

[6]罗建华，黄俊，白鑫宇.改进YOLOv3的道路小目标检测方法[J].小型微型计算机系统，2022，43（3）：449-455.

[7]袁小平，马绪起，刘赛.改进YOLOv3的行人车辆目标检测算法[J].科学技术与工程，2021，21（8）：3192-3198.

[8]何东，陈金令，王熙.基于改进YOLOv3的红外行人目标检测[J].中国科技论文，2021，16（7）：762-769.

作者单位：钱浩东、刘洋，川庆钻探工程有限公司钻采工程技术研究院；汪影，成都信息工程大学通信工程学院