本申请公开了一种基于图像的钢筋数量检测方法、装置、设备及介质。包括：获取对钢筋摆放区域进行采集得到的钢筋截面图像；检测所述钢筋截面图像，得到所述钢筋截面图像中的感兴趣区域，其中，所述感兴趣区域包括多个钢筋；检测所述感兴趣区域得到至少一个钢筋特征，基于每个所述钢筋特征确定目标关键点，并基于所述目标关键点构建钢筋特征的包围框；基于所述包围框的数量确定所述钢筋摆放区的钢筋数量。本申请通过对钢筋界面图像进行识别，得到钢筋界面图像中的感兴趣区域，然后对感兴趣区域进行检测，得到多个包围框，最终利用包围框的数量确定钢筋的数量，以此代替常规人工技术的方式，提高了钢筋清点效率。提高了钢筋清点效率。提高了钢筋清点效率。
【技术实现步骤摘要】
一种基于图像的钢筋数量检测方法、装置、设备及介质
[0001]本申请涉及图像处理领域，尤其涉及一种基于图像的钢筋数量检测方法、装置、设备及介质。
技术介绍
[0002]在建筑工地施工现场，一般项目上都设有专门的钢筋加工场或钢筋加工棚对钢筋进行存放、裁剪、焊接等工作，负责钢筋加工区域的工人需要经常对已经加工过的钢筋、库存的钢筋以及进场的的钢筋进行清点，这项工作虽然不需要很高的技术要求，却是一项非常消耗人员精力与时间的工作。现在的清点工作，往往需要两个工人配合，一个负责记录，另一个负责计数，由于每捆钢筋都是数以十计、甚至多数是数以百计，因此工人在清点时需要数一根钢筋用记号笔标记一根钢筋，清点起来十分费力。清点过程中如果钢筋散落，可能还需要重新清点的可能。因此，人为清点钢筋是一项极其耗费人员精力、时间、成本的工作。
技术实现思路
[0003]为了解决上述技术问题或者至少部分地解决上述技术问题，本申请提供了一种基于图像的钢筋数量检测方法、装置、设备及介质。
[0004]根据本申请实施例的一个方面，提供了一种基于图像的钢筋数量检测方法，包括：获取对钢筋摆放区域进行采集得到的钢筋截面图像；检测所述钢筋截面图像，得到所述钢筋截面图像中的感兴趣区域，其中，所述感兴趣区域包括多个钢筋；检测所述感兴趣区域得到至少一个钢筋对应的包围框；基于所述包围框的数量确定所述钢筋摆放区的钢筋数量。
[0005]进一步的，所述检测所述钢筋截面图像，得到所述钢筋截面图像中的感兴趣区域，包括：确定所述钢筋截面图像中的标记区域，其中，所述标记区域包括多个钢筋；对所述钢筋截面图像中非标记区域进行掩膜操作，得到掩膜图像；基于所述钢筋截面图像与所述掩膜图像进行点乘，得到所述感兴趣区域。
[0006]进一步的，所述检测所述感兴趣区域得到至少一个钢筋对应的包围框，包括：确定所述感兴趣区域在所述钢筋截面图像的区域位置，并利用所述区域位置对所述钢筋截面图像进行分割，得到目标图像；获取预先训练好的识别模型，其中，所述识别模型包括第一卷积网络以及第一处理网络；通过第一卷积网络检测所述目标图像中钢筋特征，基于每个钢筋特征确定多个目标关键点坐标，并将目标关键点坐标传递至第一处理网络；所述第一处理网络确定所述目标关键点坐标对应的包围框，其中，每个包围框对应一个钢筋。
[0007]进一步的，所述识别模型的训练方法如下：获取多个训练样本图像，其中，每个所述训练样本图像包括至少一个钢筋；获取所述训练样本图像对应的标签信息，其中，所述标签信息包括：所述训练样本图像中每个钢筋的钢筋特征标签，以及所述钢筋对应包围框的关键点坐标标签；将所述训练样本图像以及所述标签信息输入待训练的神经网络模型，其中，所述神经网络模型包括第二卷积网络以及第二处理网络；通过所述第二卷积网络检测所述训练样本图像得到钢筋特征，并基于所述钢筋特征确定至少一个预测关键点坐标，将所述预测关键点坐标传递至第二处理网络；通过第二处理网络确定所述预测关键点坐标对应的预测包围框；基于所述预测包围框计算训练损失，并基于所述训练损失调整所述神经网络模型的参数，直至所述训练损失小于预设阈值。
[0008]进一步的，所述获取多个训练样本图像，包括：获取样本图像集，其中，所述样本图像集包括多个原始训练样本图像；从多个所述原始训练样本图像中随机选取预设数量的原始训练样本图像；利用预设数量的原始训练样本图像进行裁剪拼接，得到目标训练样本图像；将所述原始训练样本图像以及所述目标训练样本图像作为所述训练样本图像。
[0009]进一步的，所述基于所述预测包围框计算训练损失，包括：计算所述钢筋特征与所述钢筋特征标签之间的第一损失，以及所述预测关键点坐标与所述关键点坐标标签之间的第二损失；计算所述预测包围框与所述关键点坐标标签对应包围框之间的第三损失；基于所述第一损失，所述第二损失以及所述第三损失计算所述训练损失。
[0010]进一步的，所述基于所述包围框的数量确定所述钢筋摆放区的钢筋数量，包括：获取各个所述包围框对应的包围框边界；利用非极大值抑制去除所述包围框边界中的冗余边界，得到最佳包围框；基于最佳包围框的确定所述钢筋摆放区的钢筋数量。
[0011]根据本申请实施例的另一方面，还提供了一种基于图像的钢筋数量检测装置，包括：获取模块，用于获取对钢筋摆放区域进行采集得到的钢筋截面图像；识别模块，用于检测所述钢筋截面图像，得到所述钢筋截面图像中的感兴趣区域，其中，所述感兴趣区域包括多个钢筋；检测模块，用于检测所述感兴趣区域得到至少一个钢筋特征，基于每个所述钢筋特征确定目标关键点，并基于所述目标关键点构建钢筋特征的包围框；处理模块，用于基于所述包围框的数量确定所述钢筋摆放区的钢筋数量。
[0012]根据本申请实施例的另一方面，还提供了一种存储介质，该存储介质包括存储的程序，程序运行时执行上述的步骤。
[0013]根据本申请实施例的另一方面，还提供了一种电子装置，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；其中：存储器，用于存放计算机程序；处理器，用于通过运行存储器上所存放的程序来执行上述方法中的步骤。
[0014]本申请实施例还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述方法中的步骤。
[0015]本申请实施例提供的上述技术方案与现有技术相比具有如下优点：本申请实施例提供的方法通过对钢筋界面图像进行识别，得到钢筋界面图像中的感兴趣区域，然后对感兴趣区域进行检测，得到多个包围框，最终利用包围框的数量确定钢筋的数量，以此代替常规人工技术的方式，提高了钢筋清点效率。
附图说明
[0016]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
[0017]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0018]图1为本申请实施例提供的一种基于图像的钢筋数量方法的流程图；图2为本申请实施例提供的钢筋截面图像的标记区域示意图；图3为本申请实施例提供的感兴趣区域的示意图；图4为本申请实施例提供的包围框的示意图；图5为本申请实施例提供的训练样本图像的标注示意图；图6为本申请实施例提供的一种基于图像的钢筋数量装置的框图；图7为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
[0019]为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请的一部分实施例，而不是全部的实施例，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于图像的钢筋数量检测方法，其特征在于，包括：获取对钢筋摆放区域进行采集得到的钢筋截面图像；检测所述钢筋截面图像，得到所述钢筋截面图像中的感兴趣区域，其中，所述感兴趣区域包括多个钢筋；检测所述感兴趣区域得到至少一个钢筋特征，基于每个所述钢筋特征确定目标关键点，并基于所述目标关键点构建钢筋特征的包围框；基于所述包围框的数量确定所述钢筋摆放区的钢筋数量。2.根据权利要求1所述的方法，其特征在于，所述检测所述钢筋截面图像，得到所述钢筋截面图像中的感兴趣区域，包括：确定所述钢筋截面图像中的标记区域，其中，所述标记区域包括多个钢筋；对所述钢筋截面图像中非标记区域进行掩膜操作，得到掩膜图像；基于所述钢筋截面图像与所述掩膜图像进行点乘，得到所述感兴趣区域。3.根据权利要求1所述的方法，其特征在于，所述检测所述感兴趣区域得到至少一个钢筋特征，基于每个所述钢筋特征确定目标关键点，并基于所述目标关键点构建钢筋特征的包围框，包括：确定所述感兴趣区域在所述钢筋截面图像的区域位置，并利用所述区域位置对所述钢筋截面图像进行分割，得到目标图像；获取预先训练好的识别模型，其中，所述识别模型包括第一卷积网络以及第一处理网络；通过所述第一卷积网络检测所述目标图像中钢筋特征，基于每个所述钢筋特征确定多个目标关键点坐标，并将所述目标关键点坐标传递至第一处理网络；所述第一处理网络确定所述目标关键点坐标对应的包围框，其中，每个包围框对应一个钢筋。4.根据权利要求3所述的方法，其特征在于，所述识别模型的训练方法如下：获取多个训练样本图像，其中，每个所述训练样本图像包括至少一个钢筋；获取所述训练样本图像对应的标签信息，其中，所述标签信息包括：所述训练样本图像中每个钢筋的钢筋特征标签，以及所述钢筋对应包围框的关键点坐标标签；将所述训练样本图像以及所述标签信息输入待训练的神经网络模型，其中，所述神经网络模型包括第二卷积网络以及第二处理网络；通过所述第二卷积网络检测所述训练样本图像得到钢筋特征，并基于所述钢筋特征确定至少一个预测关键点坐标，将所述预测关键点坐标传递至第二处理网络；通过第二处理网络确定所述预测关键点坐标对应的预测包围框；基于所...
【专利技术属性】
技术研发人员：李鑫玉，赵忠杨，邓波，常红宾，侯绪彬，张欣俣，许秋石，
申请(专利权)人：中建八局第一数字科技有限公司，
类型：发明
国别省市：
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。