【技术实现步骤摘要】
一种基于多尺度卷积神经网络的钢筋计数方法
本专利技术涉及计算机视觉目标检测领域，具体涉及一种基于多尺度卷积神经网络的钢筋计数方法。
技术介绍
从超长大桥，到超高层建筑，再到钢筋混凝土的城市，不管是工业用还是民用，钢筋已然成为建筑行业中最不可或缺的基本材料之一。有数据显示，中国钢筋年产量现已超过2亿吨，建筑业的总产值超过23.5万亿元，而其中钢铁在建筑材料中所占的造价基本上达到了20％-30％。一般而言，在钢筋的生产、运输、销售等每个环节都必须精确计算钢筋根数。目前钢筋运输车辆进入工地后，验收钢筋一般都是采用人工计数的方式，由项目部材料员、劳务队材料员、供货方三方人员挨捆清点数量，过程繁琐，消耗人力，且经常反复校对，一般数完一车钢筋要近半小时，一次进场多车清点就要更久。因此市场上迫切需要一款快速、精度高、易操作、适用性强的钢筋(本文特指成捆钢筋)计数产品。计算机视觉技术用于棒材计数最早到1995年，国内开始有人用计算机视觉来做成捆钢筋的计数研究。2009年，国内学者发布了《基于神经网络的钢筋计数方法研究》论文，...
【技术保护点】
1.一种基于多尺度卷积神经网络的钢筋计数方法，其特征在于，包括以下步骤：/nS1、采集成捆钢筋的端部图像；/nS4、对钢筋的端部图像进行标注画框，制作训练集；/nS5、基于多尺度卷积神经网络构建钢筋检测模型，钢筋检测模型对训练集中的每张钢筋端部图像均进行浅层、中层、深层三个尺度的特征提取，得到浅层、中层、深层三个尺度的特征图；然后将深层尺度特征图上采样与中层尺度特征图进行融合，得到新的中层尺度特征图，将新的中层尺度特征图上采样与浅层尺度特征图进行融合，得到新的浅层尺度特征图；/nS6、钢筋检测模型将钢筋的端部图像划分为多个单元网格，以每一个单元网格为中心，每个单元网格又以得...
【技术特征摘要】
1.一种基于多尺度卷积神经网络的钢筋计数方法，其特征在于，包括以下步骤：
S1、采集成捆钢筋的端部图像；
S4、对钢筋的端部图像进行标注画框，制作训练集；
S5、基于多尺度卷积神经网络构建钢筋检测模型，钢筋检测模型对训练集中的每张钢筋端部图像均进行浅层、中层、深层三个尺度的特征提取，得到浅层、中层、深层三个尺度的特征图；然后将深层尺度特征图上采样与中层尺度特征图进行融合，得到新的中层尺度特征图，将新的中层尺度特征图上采样与浅层尺度特征图进行融合，得到新的浅层尺度特征图；
S6、钢筋检测模型将钢筋的端部图像划分为多个单元网格，以每一个单元网格为中心，每个单元网格又以得到的深层尺度特征图、新的中层尺度特征图和新的浅层尺度特征图的尺寸为模板，提取图像的特征，并与对应尺寸的特征图模板相比较，如果二者相似，则判断该单元网格中存在钢筋端面，得到钢筋端面的候选边界框；利用非极大抑制算法从候选边界框中提取预测边界框；
S7、利用训练好的钢筋检测模型对待统计的钢筋端部图像进行检测，得到钢筋的数量信息。
2.将待检测的钢筋端部图像输入到钢筋检测模型中，根据权利要求1所述的基于多尺度卷积神经网络的钢筋计数方法，其特征在于，还包括步骤：S2、通过数据增广的方法增加钢筋端部图像的数量。
3.根据权利要求2所述的基于多尺度卷积神经网络的钢筋计数方法，其特征在于，所述数据增广的方法具体为：随机裁剪法或翻转法。
4.根据权利要求1所述的基于多尺度卷积神经网络的钢筋计数方法，其特征在于，还包括步骤：S3、提取钢筋端部图像中钢筋端面完整且端面对齐的区域。
5.根据权利要求4所述的基于多尺度卷积神经网络的钢筋计数方法，其特征在于，所述提取钢筋端部图像中钢筋端面完整且端面对齐的区域的方法具体为：将钢筋端部图像中钢筋端面残缺和钢筋端面参差不齐的区域抹黑。
6.根据权利要求1所述的基于多尺度卷积神经网络的钢筋计数方法，其特征在于，在步骤S4中，对钢筋的端部图像进行标注画框，具体包括：在钢筋端部图像中每个钢筋端面所在的区域标注...
【专利技术属性】
技术研发人员：卢涛，周强，王波，吴志毫，王彬，阮小丽，赵训刚，郝晓慧，陈冲，许若波，王宁，郎秀娟，魏博识，
申请(专利权)人：武汉工程大学，中铁大桥局集团有限公司，中铁大桥科学研究院有限公司，
类型：发明
国别省市：湖北;42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。