一种基于无锚点目标检测的钢管计数方法技术

本发明专利技术公开了一种基于无锚点目标检测的钢管计数方法，属于目标检测技术领域，包括采集钢管堆垛横截面图片；将采集的图片作为输入，构建DLA网络模型进行下采样抽取特征图；将特征图转化为热力图，计算中心点坐标分散到热力图上的预测值，计算中心点坐标的半径；采用最大池化层选取池化窗口热力图上最大预测值的中心点坐标，基于选取的中心点坐标构建中心点坐标集合，过滤掉中心点坐标集合中预测值小于阈值的中心点坐标。本发明专利技术解决当下人力清点钢管计数不准确问题，可有效减轻计数工人的劳动强度，提高计数效率，基于传统描点的目标检测，采用了无锚点的目标检测，具备更简单的网络设计、更少的超参数，并且确保目标对象的旋转不变性。转不变性。转不变性。

【技术实现步骤摘要】
一种基于无锚点目标检测的钢管计数方法


[0001]本专利技术属于目标检测
，具体涉及一种基于无锚点目标检测的钢管计数方法。

技术介绍

[0002]在建筑行业中，钢管是不可缺少的建筑材料之一。根据钢结构行业的统计数据，钢管在建筑钢结构中的用量占比约为14%。通常钢管在生产线、运输、使用过程中对钢管数量是有数量要求的。传统的钢管清点方式采用人工清点，该方式过程繁琐、耗时耗力且人力成本较高。随着人工智能的发展，深度学习技术在目标检测等中取得了重大突破，但钢管是体积较小、大小不一的圆形物体，很难被矩阵检测框探测到。一般的目标检测预测框用于标识模型计算输出的框位置，常用格式有左上右下坐标或者中心宽高坐标，然而钢管通常是圆形截面，传统的锚点（anchor）机制存在尺寸固定、模型鲁棒性差等问题，并且涵盖了大量非目标物体的区域，引入较多的干扰，成为所属
技术人员亟待解决的技术问题。
[0003]因此，本专利技术提供了一种基于无锚点目标检测的钢管计数方法，以至少解决上述部分技术问题。

技术实现思路

[0004]本专利技术要解决的技术问题是：提供一种基于无锚点目标检测的钢管计数方法，以至少解决上述部分技术问题。
[0005]为实现上述目的，本专利技术采用的技术方案如下：一种基于无锚点目标检测的钢管计数方法，其特征在于，包括以下步骤：步骤S1、采集钢管堆垛横截面图片；步骤S2、将采集的图片作为输入，构建DLA网络模型进行下采样抽取特征图；步骤S3、将特征图转化为热力图，计算中心点坐标分散到热力图上的预测值，计算中心点坐标的半径；步骤S4、采用最大池化层选取池化窗口热力图上最大预测值的中心点坐标，基于选取的中心点坐标构建中心点坐标集合，过滤掉中心点坐标集合中预测值小于阈值的中心点坐标。
[0006]进一步的，所述步骤S1中，所述图片为不同拍摄角度状态下对钢管堆垛截面拍摄的图片，所述钢管堆垛截面的钢管数量为10
‑
500。
[0007]进一步的，所述步骤S2中，输入I∈R
w
×
h
×3，其中R表示维度，w和h表示特征图的宽和高，3表示特征图通道数。
[0008]进一步的，所述步骤S3包括以下过程：步骤S31、将DLA主干网络至少经全连接、池化、卷积解码方式得到的第一分支，构建第一分支的输出维度为，其中L表示待识别的类别数，s表示下采样率，w和h表示特征图的宽和高，基于第一分支将特征图转
化为热力图；步骤S32、将热力图上中心点坐标通过高斯核函数进行描述；步骤S33、采用焦点损失函数对中心点预测损失函数进行优化，得到优化后的中心点坐标的预测值；步骤S34、将DLA主干网络至少经全连接、池化、卷积解码方式得到的第二分支，构建第二分支的输出维度为 ，其中R表示维度，s表示下采样率，w和h表示特征图的宽和高，计算中心点坐标的半径。
[0009]进一步的，所述步骤S32中，所述高斯核函数为：，其中为高斯核函数的值，x、y为热力图上关键点的二维坐标，c表示类别的索引编号，表示关键点经DLA网络模型下采样后得到的中心点坐标，表示宽和高的标准差。
[0010]进一步的，所述步骤S33中，所述中心点预测损失函数为： ，其中
ɑ
、β是焦点损失函数的超参数，表示高斯核函数的值的预测值，N表示图像的关键点数量。
[0011]进一步的，所述DLA主干网络模型的总损失函数为：，其中表示中心点预测损失函数，表示中心点坐标的半径的预测损失函数，θ表示权重调节系数，θ设置为0.1。
[0012]进一步的，所述中心点坐标的半径的预测损失函数为：，其中表示每个关键点预测位置半径，表示目标中心点对应的圆形半径，N为图像的关键点数量。
[0013]进一步的，所述步骤S4中：采用3
×
3最大池化层选取热力图上的预测值大于或者等于周围8个邻居节点预测值的中心点坐标，基于选取的中心点坐标构建预测中心点坐标集合，过滤掉预测中心点坐标集合中预测值小于0.45的中心点坐标。
[0014]与现有技术相比，本专利技术具有以下有益效果：本专利技术设计科学合理，使用方便，用于解决当下人力清点钢管计数不准确问题，可有效减轻计数工人的劳动强度，提高计数效率。本专利技术基于传统描点的目标检测，采用了无描点的目标检测，具备更简单的网络设计、更少的超参数，并且确保目标对象的旋转不变性。
附图说明
[0015]图1为本专利技术方法流程图。
具体实施方式
[0016]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图，对本专利技术进一步详细说明。显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0017]如图1所示，本专利技术提供的一种基于无锚点目标检测的钢管计数方法，设计科学合理，使用方便，用于解决当下人力清点钢管计数不准确问题，可有效减轻计数工人的劳动强度，提高计数效率。本专利技术基于传统描点的目标检测，采用了无描点的目标检测，具备更简单的网络设计、更少的超参数，并且确保目标对象的旋转不变性。
[0018]本专利技术包括以下步骤：步骤S1、采集钢管堆垛横截面图片；步骤S2、将采集的图片作为输入，构建DLA网络模型进行下采样抽取特征图；步骤S3、将特征图转化为热力图，计算中心点坐标分散到热力图上的预测值，计算中心点坐标的半径；步骤S4、采用最大池化层选取池化窗口热力图上最大预测值的中心点坐标，基于选取的中心点坐标构建中心点坐标集合，过滤掉中心点坐标集合中预测值小于阈值的中心点坐标。
[0019]本专利技术所述步骤S1中，所述图片为不同拍摄角度状态下对钢管堆垛截面拍摄的图片，所述钢管堆垛截面的钢管数量为10
‑
500。如此可用于本专利技术所述的方法对钢管堆垛实行快速计数，有效提高了计数效率和计数准确性。
[0020]本专利技术所述步骤S2中，输入，其中R表示维度，w和h表示特征图的宽和高，3表示特征图通道数。然后构建DLA网络模型用于图像的特征图抽取，DLA网络有丰富的特征跨度表示，尺度从小到大、分辨率从细粒度到粗粒度，符合不同尺寸钢管信息需要多层级信息融合的特点。
[0021]本专利技术基于无锚点的边界圆，具体表示为（x
c
，y
c
，r
c
），其中x
c
、y
c
代表中心点坐标，r
c
表示目标中心点对应的圆形半径。将步骤S2得到的特征图转化为热力图，计算中心点坐标分散到热力图上的预测值，计算中心点坐标的半径。
[0022]所述步骤S3包括以下过程：步骤S31、将DLA主干网络至少经全连接、池化、卷积解码方式得到的第一分支，构建第一分支的输出维度为，其中L表示待识别的类别数，s表示下采样率，w和h表示特征图的宽和高，基于第一分支将特征图转化为热力图；步骤S32本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于无锚点目标检测的钢管计数方法，其特征在于，包括以下步骤：步骤S1、采集钢管堆垛横截面图片；步骤S2、将采集的图片作为输入，构建DLA网络模型进行下采样抽取特征图；步骤S3、将特征图转化为热力图，计算中心点坐标分散到热力图上的预测值，计算中心点坐标的半径；步骤S4、采用最大池化层选取池化窗口热力图上最大预测值的中心点坐标，基于选取的中心点坐标构建中心点坐标集合，过滤掉中心点坐标集合中预测值小于阈值的中心点坐标。2.根据权利要求1所述的一种基于无锚点目标检测的钢管计数方法，其特征在于，所述步骤S1中，所述图片为不同拍摄角度状态下对钢管堆垛截面拍摄的图片，所述钢管堆垛截面的钢管数量为10
‑
500。3.根据权利要求1所述的一种基于无锚点目标检测的钢管计数方法，其特征在于，所述步骤S2中，输入I∈R
w
×
h
×3，其中R表示维度，w和h表示特征图的宽和高，3表示特征图通道数。4.根据权利要求1所述的一种基于无锚点目标检测的钢管计数方法，其特征在于，所述步骤S3包括以下过程：步骤S31、将DLA主干网络至少经全连接、池化、卷积解码方式得到的第一分支，构建第一分支的输出维度为，其中L表示待识别的类别数，s表示下采样率，w和h表示特征图的宽和高，基于第一分支将特征图转化为热力图；步骤S32、将热力图上中心点坐标通过高斯核函数进行描述；步骤S33、采用焦点损失函数对中心点预测损失函数进行优化，得到优化后的中心点坐标的预测值；步骤S34、将DLA主干网络至少经全连接、池化、卷积解...

【专利技术属性】
技术研发人员：谷满昌，李军，
申请(专利权)人：中建电子商务有限责任公司，
类型：发明
国别省市：