【技术实现步骤摘要】
本专利技术涉及物料数据处理，具体涉及一种施工物料盘点模型生成方法、装置及施工物料盘点方法。
技术介绍
1、在建筑行业，为了有效跟进施工进度，通常需要每隔一段周期对施工物料进行一次盘点，在施工阶段，需求量极高的物料种类有钢筋和钢管，这些物料的数量级通常较大，盘点的工作通常耗费巨大。
2、目前，传统的物料盘点通常依赖人工计数或称重，人工计数方式通过粉笔或者记号笔标记盘点过的物料，这不仅费时费力，而且十分容易造成较大误差，费时费力的盘点工作使得盘点周期通常以月、季度计，导致施工进度的跟进相对滞后。因此为了物料盘点提高效率和准确性，同步跟进施工进度，如何实现高效的物料盘点任务成为建筑业面临的一个重要难题。
技术实现思路
1、有鉴于此，有必要提供一种施工物料盘点模型生成方法、装置及施工物料盘点方法，用以实现对施工场地的物料进行高效盘点的目的。
2、为了实现上述目的，本专利技术提供了一种施工物料盘点模型生成方法，包括：
3、获取施工场地的物料图像数据；
4、对所述物料图像数据依次进行标注和增强，得到预处理数据；
5、将mpdiou函数作为包围框损失函数，并基于所述预处理数据训练预设的yolo改进模型，得到施工物料盘点模型；
6、其中，所述施工物料盘点模型用于对待评估物料图像进行识别，得到物料盘点结果；
7、所述yolo改进模型，是基于如下方式得到：
8、在yolo模型中增加小目标检测层，并将颈部网络
9、在一种可能的实现方式中，所述对所述物料图像数据依次进行标注和增强，得到预处理数据，包括：
10、将所述物料图像数据进行物料类别和物料包围框的位置进行标注，得到标注数据；
11、对所述标注数据进行增强，得到预处理数据。
12、在一种可能的实现方式中，所述对所述标注数据进行增强，得到预处理数据，包括：
13、对所述标注数据进行翻转、随机旋转、缩放、平移、添加噪声、随机遮挡、cutmix以及mixup中的至少一种增强操作，得到预处理数据。
14、在一种可能的实现方式中，所述主干网络中的下采样层，包括：4倍下采样层、8倍下采样层、16倍下采样层和32倍下采样层。
15、在一种可能的实现方式中，所述物料图像数据，包括：钢筋图像和钢管图像。
16、在一种可能的实现方式中，所述将mpdiou函数作为包围框损失函数，并基于所述预处理数据训练预设的yolo改进模型，得到施工物料盘点模型，包括：
17、将所述预处理数据划分为训练集、验证集和测试集；
18、基于所述训练集对预设的yolo改进模型进行训练，在训练过程中，基于mpdiou函数确定对应的损失函数值，基于所述损失函数值对训练的yolo改进模型进行参数优化，得到训练后的yolo改进模型；
19、基于所述验证集和所述测试集，对所述训练后的yolo改进模型进行验证和测试，得到施工物料盘点模型。
20、另一方面，本专利技术还提供一种施工物料盘点方法，包括：
21、获取待评估物料图像，将所述待评估物料图像输入至权利要求1-6任一项所述方法得到的施工物料盘点模型，得到所述施工物料盘点模型输出的物料盘点结果。
22、另一方面，本专利技术还提供一种施工物料盘点模型生成装置，包括：
23、获取模块，用于获取施工场地的物料图像数据；
24、预处理模块，用于对所述物料图像数据依次进行标注和增强，得到预处理数据；
25、训练模块，用于将mpdiou函数作为包围框损失函数，并基于所述预处理数据训练预设的yolo改进模型，得到施工物料盘点模型；
26、其中，所述施工物料盘点模型用于对待评估物料图像进行识别，得到物料盘点结果；
27、所述yolo改进模型，是基于如下方式得到：
28、在yolo模型中增加小目标检测层，并将颈部网络中的特征融合网络设置为bifpn网络。
29、另一方面，本专利技术还提供一种电子设备，包括存储器和处理器，其中，
30、所述存储器，用于存储程序；
31、所述处理器，与所述存储器耦合，用于执行所述存储器中存储的所述程序，以实现如上述任意一项所述的施工物料盘点模型生成方法，或者上述的施工物料盘点方法。
32、另一方面，本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述的施工物料盘点模型生成方法，或者上述的施工物料盘点方法。
33、采用上述实现方式的有益效果是：本专利技术提供的施工物料盘点模型生成方法、装置及施工物料盘点方法，本专利技术提供的施工物料盘点模型生成方法生成的施工物料盘点模型，可以结合物料堆放现场的图像信息对施工物料进行盘点，大大提高了盘点效率，解决了人工盘点耗时、盘点周期较长的问题。本专利技术基于深度学习、计算机视觉等技术，采用了先进的yolo模型，并对yolo模型进行改进，将传统人工物料盘点计数模式转变为视觉检测模式，针对图像中单个物料目标相对较小问题，在原始yolo模型上增加小目标检测层，可以提高对小目标的检测效率和精度，降低检测误差，还增加了bifpn网络，解决不同尺度特征的融合问题，提升不同大小目标的检测能力，在损失函数方面，采用更为先进的mpdiou，能够充分挖掘水平矩形的几何特征，简化了计算过程，实现对施工场地的物料进行高效盘点的目的。
本文档来自技高网...【技术保护点】
1.一种施工物料盘点模型生成方法，其特征在于，包括：
2.根据权利要求1所述的施工物料盘点模型生成方法，其特征在于，所述对所述物料图像数据依次进行标注和增强，得到预处理数据，包括：
3.根据权利要求2所述的施工物料盘点模型生成方法，其特征在于，所述对所述标注数据进行增强，得到预处理数据，包括：
4.根据权利要求1所述的施工物料盘点模型生成方法，其特征在于，所述主干网络中的下采样层，包括：4倍下采样层、8倍下采样层、16倍下采样层和32倍下采样层。
5.根据权利要求1所述的施工物料盘点模型生成方法，其特征在于，所述物料图像数据，包括：钢筋图像和钢管图像。
6.根据权利要求1所述的施工物料盘点模型生成方法，其特征在于，所述将MPDIoU函数作为包围框损失函数，并基于所述预处理数据训练预设的YOLO改进模型，得到施工物料盘点模型，包括：
7.一种施工物料盘点方法，其特征在于，包括：
8.一种施工物料盘点模型生成装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括存储器和处理器，其中，
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的施工物料盘点模型生成方法，或者权利要求7所述的施工物料盘点方法。
...【技术特征摘要】
1.一种施工物料盘点模型生成方法，其特征在于，包括：
2.根据权利要求1所述的施工物料盘点模型生成方法，其特征在于，所述对所述物料图像数据依次进行标注和增强，得到预处理数据，包括：
3.根据权利要求2所述的施工物料盘点模型生成方法，其特征在于，所述对所述标注数据进行增强，得到预处理数据，包括：
4.根据权利要求1所述的施工物料盘点模型生成方法，其特征在于，所述主干网络中的下采样层，包括：4倍下采样层、8倍下采样层、16倍下采样层和32倍下采样层。
5.根据权利要求1所述的施工物料盘点模型生成方法，其特征在于，所述物料图像数据，包括：钢筋图像和钢管图...
【专利技术属性】
技术研发人员：刘博林，裴以军，朱紫威，汪咏琳，王浩，
申请(专利权)人：中建三局信息科技有限公司，
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。