[发明专利]一种钢筋智能识别与计数方法及系统

说明书

本发明公开了一种钢筋智能识别与计数方法及系统，包括：采集具有钢筋簇截面图像的图片数据集，并基于采集的图片数据集获得训练样本集；建立深度卷积神经网络模型，基于训练样本集数据对深度卷积神经网络模型进行训练；将待识别图片输入训练后的深度卷积神经网络模型，获得深度卷积神经网络模型的初步输出结果；利用非极大值抑制算法对初步输出结果的得分图进行处理，把每一个区域的得分转化为一个点，并利用离群点删除算法剔除初步输出结果中识别错误的钢筋，获得深度卷积神经网络模型的最终输出结果；基于深度卷积神经网络模型的最终输出结果，获得待识别图片中钢筋的数目和位置，本方法能够高效准确地智能识别钢筋和对钢筋计数。

技术领域

本发明涉及钢筋智能化处理领域，具体地，涉及一种钢筋智能识别与计数方法及系统。

背景技术

钢材已普遍使用到实际生活的许多环节，与人们生活关系密切。钢筋作为钢铁企业生产的基本成品，在许多行业特别是建筑行业有着广泛的用途。多数钢筋厂商用吨作为计量单位按重量进行生产销售，但是实际应用中常常要了解掌握的并不是钢筋的总重量，而是钢筋条数，目前工地普遍采用人工计数方法，这种方法简单，但工作强度大，同时工作效率低，成本高。因此，实现成捆钢筋的准确自动计数不但可以使工人工作相对轻松，还可以提升工作效率，提高计数精度，大幅降低企业成本。

随着科技的快速发展，计算机处理速度极大提升，图像采集设备价格越来越低，采集的图像质量越来越高，加之高效率处理图像的算法不断涌现，越来越多的科研人员把数字图像处理技术应用于目标识别，可极大程度地降低人工识别目标的处理成本，大幅提升识别效率。我国在钢筋自动计数领域的研究起步较晚，目前几乎都采用工人手工计数或者计数笔辅助计数的方法，钢筋智能识别和计数技术仍使用传统图形图像处理方法，无法应用于生产实践，并且目前尚未有利用深度学习进行钢筋识别计数的研究。

发明内容

本发明针对真实复杂场景中拍摄的钢筋正面图像，提供了一种钢筋智能识别与计数方法及系统，旨在解决当前钢筋手动计数成本高、效率低、使用传统图形图像方法无法应用于实际生产中等问题，实现将深度学习应用到钢筋智能识别与计数领域。本发明提出的一种钢筋智能识别与计数方法可以解放人工劳动力，提升计数精度与效率，加快施工工地的信息化和智能化建设。

为实现上述发明目的，本申请一方面提供了一种钢筋智能识别与计数方法，所述方法包括：

采集具有钢筋簇截面图像的图片数据集，并基于采集的图片数据集获得训练样本集；

建立深度卷积神经网络模型，基于训练样本集数据对深度卷积神经网络模型进行训练；

将待识别图片输入训练后的深度卷积神经网络模型，获得深度卷积神经网络模型的输出作为初步结果；

利用非极大值抑制算法对输出的初步结果的得分图进行处理，把每一个区域的得分转化为一个点，并利用离群点删除算法剔除初步结果中识别错误的钢筋，获得深度卷积神经网络模型的最终输出结果；

基于深度卷积神经网络模型的最终输出结果，获得待识别图片中钢筋的数目和位置信息。

其中，深度学习目前已经广泛应用于图像识别领域，本申请是利用深度学习强大的特征自学习能力，实现复杂环境下的钢筋智能识别与计数。本发明通过对钢筋端面图像的识别可以实现钢筋自动计数，对推进钢铁厂商及钢筋使用单位的现代化、信息化和智能化发展有着重要的现实意义。

进一步的，基于采集的图片数据集获得训练样本集，具体包括：裁剪采集图片中每一个钢筋截面所在区域的外接矩形作为训练集中的正样本；获取与正样本数量相当的背景区域图片数据作为负样本，利用双线性插值法将正负样本缩放到相同尺寸，获得训练样本集。