一种钢筋直径识别方法、系统、电子设备及存储介质技术方案

本发明专利技术公开了一种钢筋直径识别方法、系统、电子设备及存储介质，涉及钢筋直径识别技术领域，该方法包括：获取第一图像集和第二图像集；采用训练好的Mask R

【技术实现步骤摘要】
一种钢筋直径识别方法、系统、电子设备及存储介质


[0001]本专利技术涉及钢筋直径识别
，特别是涉及一种基于Mask R
‑
CNN算法与双目视觉的钢筋直径识别方法、系统、电子设备及存储介质。

技术介绍

[0002]为节约成本，提高利润，钢筋工程施工过程中存在使用“瘦身钢筋”的情况。因此在钢筋施工质量检测内容中，钢筋直径检测是非常重要的一环，关乎整体结构的安全可靠性。钢筋工程施工验收指标要求钢筋的直径偏差应在0.8mm以内，精度要求较高。目前钢筋直径检测主要依靠人工抽检尺量的方式进行，存在如下问题：
[0003](1)钢筋绑扎及测量工作量大，技术附加值低，使用人工的性价比持续降低。(2)钢筋直径测量精度要求较高，人为误差成因复杂，不利于质量管控。(3)数字化水平低，抽检方式存在遗漏问题。
[0004]目前研究人员已提出了一系列基于计算机视觉的自动化钢筋检测方法来检测钢筋的直径，包括基于边缘检测及阈值分割的传统机器视觉方法、基于机器学习的点云数据处理方法以及基于Mask R
‑r/>CNN深度学习本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种钢筋直径识别方法，其特征在于，包括：获取第一图像集和第二图像集；所述第一图像集中的图像为第一双目相机拍摄目标钢筋网得到的左目图像和右目图像；所述第二图像集中的图像为第二双目相机拍摄目标钢筋网得到的左目图像和右目图像；所述第二双目相机为第一双目相机绕光轴旋转90
°
后得到的双目相机；所述第一双目相机拍摄的图像中的竖向钢筋为所述第二双目相机拍摄的图像中的横向钢筋；采用训练好的Mask R
‑
CNN网络模型，对每张图像进行分割，得到每张图像对应的钢筋实例分割结果；所述钢筋实例分割结果包括多张子图、每张子图对应的钢筋数量、每根钢筋的目标检测框位置及每根钢筋所在区域的RGB色值；根据所述钢筋实例分割结果，通过视差计算每根钢筋的实际位置坐标；根据所述钢筋的实际位置坐标计算钢筋直径，并采用ConvNeXt深度学习算法修正所述钢筋直径。2.根据权利要求1所述的一种钢筋直径识别方法，其特征在于，在执行根据所述钢筋实例分割结果，通过视差计算每根钢筋的实际位置坐标步骤之前，还包括：根据所述钢筋实例分割结果，判断同一图像集中左目图像中的钢筋数量和右目图像中的钢筋数量是否相同；若是，则根据同一图像集中每张图像对应的钢筋实例分割结果，通过视差计算钢筋实际位置坐标；若否，则当同一图像集中左目图像中的钢筋数量比右目图像中的钢筋数量多N根竖向钢筋时，将左目图像最左边N根竖向钢筋不参与钢筋实际位置坐标计算；或者当同一图像集中左目图像中的钢筋数量比右目图像中的钢筋数量少N根竖向钢筋时，将右目图像最右边N根竖向钢筋不参与钢筋实际位置坐标计算。3.根据权利要求2所述的一种钢筋直径识别方法，其特征在于，根据所述钢筋实例分割结果，通过视差计算每根钢筋的实际位置坐标，具体包括：将参与钢筋实际位置坐标计算的子图执行第一操作；所述第一操作为：首先在参与钢筋实际位置坐标计算的子图中，确定每根竖向钢筋所在区域；其次采用opencv直线拟合函数对竖向钢筋所在区域进行拟合，得到直线方程；然后将直线均匀分段，并根据直线方程计算竖向钢筋各分段中点像素坐标；接着根据左右目图像中对应分段中点像素坐标的视差，计算该中点像素坐标的实际空间坐标；最后求得每一根竖向钢筋的各个分段点实际空间坐标后，取均值，作为该竖向钢筋的实际位置坐标。4.根据权利要求3所述的一种钢筋直径识别方法，其特征在于，所述实际位置坐标的计算公式为：其中，所述实际位置坐标为(x，y)；P为双目系统基线长度，f为相机焦距，L为左目相机或者右目相机宽度，L1为钢筋在左目相机上的成像与左目相机边缘的距离，L2为钢筋在右目相机上的成像与右目相机边缘的距离，且L1和L2是根据钢筋的像素坐标确定的；所述双
目系统为左目相机和右目相机组成的系统。5.根据权利要求1所述的一种钢筋直径识别方法，其特征在于，根据所述钢筋的实际位置坐标计算钢筋直径，具体包括：根据所述钢筋的...

【专利技术属性】
技术研发人员：汪德江，王浩宇，杜晓庆，朱炯亦，
申请(专利权)人：上海大学，
类型：发明
国别省市：