【技术实现步骤摘要】
本专利技术涉及图像检测领域，特别是涉及一种钢筋交叉点识别方法、系统、设备及存储介质。
技术介绍
1、随着人工智能的快速发展，人工智能技术也为桥梁的智能建造及检测奠定了基础。目前桥梁的快速建造技术主要应用于预制工厂内标准构件的生产。目前传统的pc构件钢筋加工方式主要是采用人工绑扎，效率低下，出错率高，对操作工人专业性要求高。因此推广钢筋骨架自动化生产，实现少人或无人工厂具有重要意义。钢筋交叉点自动化绑扎或焊接的关键技术在于交叉点的识别定位。为了能在自动化加工的过程更好地精准定位钢筋交叉点位置，需要研发一种适用范围广且能够高效、准确地识别不同种类钢筋交叉点的方法。
2、中国专利cn114862829a和专利cn114998269a的专利申请文件提出了基于深度学习算法的钢筋交叉点检测，但由于两种方案的钢筋交叉点中心点预测精度较低，难以直接采用提取预测框中心点定位钢筋交叉点，交叉点定位流程繁琐；此外，两种方法没有考虑不同直径比种类的钢筋交叉点特征在神经网络中对交叉点识别的影响，识别钢筋交叉点种类单一。
技术实现思路
1、本专利技术的目的是提供一种钢筋交叉点识别方法、系统、设备及存储介质，提高了钢筋交叉点识别的泛化能力和精准度。
2、为实现上述目的，本专利技术提供了如下方案：
3、一种钢筋交叉点识别方法，包括：
4、获得钢筋交叉点数据集；所述钢筋交叉点数据集中包括不同钢筋交叉点类型的钢筋交叉点样本图像；
5、采用所述钢筋交叉点数据集
6、将待识别钢筋交叉点图像输入所述钢筋交叉点识别模型，输出钢筋交叉点识别结果，所述钢筋交叉点识别结果为钢筋交叉点的预测框；
7、根据钢筋交叉点的预测框确定钢筋交叉点的中心坐标。
8、可选地，所述钢筋交叉点类型包括等直径比交叉点和异直径比交叉点；所述钢筋交叉点数据集中，所述等直径比交叉点的钢筋交叉点样本图像中钢筋交叉点尺寸为25mm×25mm，所述异直径比交叉点的钢筋交叉点样本图像中钢筋交叉点尺寸为6mm×40mm。
9、可选地，所述改进的yolox网络为改进的yolox_s网络，改进的yolox_s网络包括依次连接的主干网络、neck部分和检测头，所述主干网络采用cspdarknet网络，所述neck部分采用特征金字塔网络；
10、在所述改进的yolox网络中，所述主干网络和neck部分之间通过所述注意力模块连接，所述特征金字塔网络中在上采样和下采样过程中均加入所述注意力模块。
11、可选地，所述获得钢筋交叉点数据集，具体包括：
12、采用图像采集装置对钢筋网片进行图像采集，获得钢筋交叉点图像；
13、采用标注工具对钢筋交叉点图像中钢筋交叉点进行标注，将标注后的钢筋交叉点图像作为所述钢筋交叉点样本图像。
14、可选地，所述图像采集装置包括工业相机以及位于铝合金框架上的水平模组和纵向模组，所述纵向模组位于所述水平模组，所述工业相机位于所述纵向模组，所述水平模组用于携带所述工业相机水平运动，所述纵向模组用于携带所述工业相机竖直运动，所述工业相机用于拍摄钢筋交叉点图像。
15、本专利技术还公开了一种钢筋交叉点识别系统，包括：
16、钢筋交叉点数据集获取模块，用于获得钢筋交叉点数据集；所述钢筋交叉点数据集中包括不同钢筋交叉点类型的钢筋交叉点样本图像；
17、改进的yolox网络训练模块，用于采用所述钢筋交叉点数据集对改进的yolox网络进行训练，获得钢筋交叉点识别模型；所述改进的yolox网络为引入注意力模块后的yolox网络；采用所述钢筋交叉点数据集对改进的yolox网络进行训练时，采用的损失函数为ciou损失函数；
18、钢筋交叉点识别模块，用于将待识别钢筋交叉点图像输入所述钢筋交叉点识别模型，输出钢筋交叉点识别结果，所述钢筋交叉点识别结果为钢筋交叉点的预测框；
19、中心坐标确定模块，用于根据钢筋交叉点的预测框确定钢筋交叉点的中心坐标。
20、本专利技术还公开了一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行所述的钢筋交叉点识别方法。
21、本专利技术还公开了一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序被处理器执行时实现所述的钢筋交叉点识别方法。
22、根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
23、本专利技术钢筋交叉点数据集采用不同钢筋交叉点类型的钢筋交叉点样本图像，考虑了不同直径比种类的钢筋交叉点特征在神经网络中对交叉点识别的影响，实现了对不同类型的钢筋交叉点的识别，提高了钢筋交叉点识别的泛化能力，另外在yolox网络中加入了注意力模块和替换预测边界框损失函数，提高了交叉点识别的精准度。
本文档来自技高网...【技术保护点】
1.一种钢筋交叉点识别方法，其特征在于，包括：
2.根据权利要求1所述的钢筋交叉点识别方法，其特征在于，所述钢筋交叉点类型包括等直径比交叉点和异直径比交叉点；所述钢筋交叉点数据集中，所述等直径比交叉点的钢筋交叉点样本图像中钢筋交叉点尺寸为25mm×25mm，所述异直径比交叉点的钢筋交叉点样本图像中钢筋交叉点尺寸为6mm×40mm。
3.根据权利要求1所述的钢筋交叉点识别方法，其特征在于，所述改进的YOLOX网络为改进的YOLOX_S网络，改进的YOLOX_S网络包括依次连接的主干网络、Neck部分和检测头，所述主干网络采用CSPDarknet网络，所述Neck部分采用特征金字塔网络；
4.根据权利要求1所述的钢筋交叉点识别方法，其特征在于，所述获得钢筋交叉点数据集，具体包括：
5.根据权利要求4所述的钢筋交叉点识别方法，其特征在于，所述图像采集装置包括工业相机以及位于铝合金框架上的水平模组和纵向模组，所述纵向模组位于所述水平模组，所述工业相机位于所述纵向模组，所述水平模组用于携带所述工业相机水平运动，所述纵向模组用于携带所述工业相机
6.一种钢筋交叉点识别系统，其特征在于，包括：
7.一种电子设备，其特征在于，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行根据权利要求1至5中任一项所述的钢筋交叉点识别方法。
8.一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的钢筋交叉点识别方法。
...【技术特征摘要】
1.一种钢筋交叉点识别方法，其特征在于，包括：
2.根据权利要求1所述的钢筋交叉点识别方法，其特征在于，所述钢筋交叉点类型包括等直径比交叉点和异直径比交叉点；所述钢筋交叉点数据集中，所述等直径比交叉点的钢筋交叉点样本图像中钢筋交叉点尺寸为25mm×25mm，所述异直径比交叉点的钢筋交叉点样本图像中钢筋交叉点尺寸为6mm×40mm。
3.根据权利要求1所述的钢筋交叉点识别方法，其特征在于，所述改进的yolox网络为改进的yolox_s网络，改进的yolox_s网络包括依次连接的主干网络、neck部分和检测头，所述主干网络采用cspdarknet网络，所述neck部分采用特征金字塔网络；
4.根据权利要求1所述的钢筋交叉点识别方法，其特征在于，所述获得钢筋交叉点数据集，具体包括：
【专利技术属性】
技术研发人员：朱炯亦，葛潇峰，蒋海里，汪德江，杜晓庆，刘攀攀，
申请(专利权)人：上海大学，
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。