【技术实现步骤摘要】
本专利技术属于建筑工程智能识别，具体涉及一种基于深度学习的模板工程架体智能识别系统。
技术介绍
1、建筑领域中，模板工程架体特别是高大模板工程存在验收效率低，验收重复性问题多等问题，大面积架体验收往往还存在问题发现不全，存在无法针对架体有效全面整改等风险，当多个项目进行验收时，无疑增加了管理成本。模板工程架体验收中，特别是高大模板工程，立杆、斜拉杆、兜网、主梁、剪刀撑等构件搭设均需满足方案要求，如何针对模板工程架体进行智能识别，有效的查找隐患并进行整改是当前亟需解决的难题。
技术实现思路
1、有鉴于此，本专利技术的目的在于提出了一种基于深度学习的模板工程架体智能识别系统，用以实现对模板工程架体的自动质检工作，减少质检人员的投入并提高模板工程架体的验收效率。
2、为达到上述目的，本专利技术提供如下技术方案：
3、本专利技术提供了一种基于深度学习的模板工程架体智能识别系统包括：
4、图像获取模块，用于获取模板工程架体的图像信息以及同步对应的稀疏点云数据；p>
5、构件识本文档来自技高网...
【技术保护点】
1.一种基于深度学习的模板工程架体智能识别系统，其特征在于，包括：
2.根据权利要求1所述的一种基于深度学习的模板工程架体智能识别系统，其特征在于，所述构件识别模块包括：
3.根据权利要求2所述的一种基于深度学习的模板工程架体智能识别系统，其特征在于，所述Faster-RCNN算法包括多尺度特征提取网络、区域特征提取网络、ROI pooling层、分类和回归层4个部分，其中算法流程包括：
4.根据权利要求2所述的一种基于深度学习的模板工程架体智能识别系统，其特征在于，所述引入注意力机制的PointNet网络的算法流程包括：
<...【技术特征摘要】
1.一种基于深度学习的模板工程架体智能识别系统，其特征在于，包括：
2.根据权利要求1所述的一种基于深度学习的模板工程架体智能识别系统，其特征在于，所述构件识别模块包括：
3.根据权利要求2所述的一种基于深度学习的模板工程架体智能识别系统，其特征在于，所述faster-rcnn算法包括多尺度特征提取网络、区域特征提取网络、roi pooling层、分类和回归层4个部分，其中算法流程包括：
4.根据权利要求2所述的一种基于深度学习的模板工程架体智能识别系统，其特征...
【专利技术属性】
技术研发人员：占奕，王哲，熊豪文，苏金鸿，潘裕忠，吴诚云，侯法宇，
申请(专利权)人：中建三局集团深圳有限公司，
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。