[发明专利]一种建筑钢筋智能识别计量方法及系统

权利要求书

1.一种建筑钢筋智能识别计量方法，其特征在于，包括以下步骤：

采集建筑钢筋端面图片，并形成原始图片数据集，对所述原始图片数据集中的各图片进行旋转、平移、灰度变换中的至少一种处理，将处理后的图片增加到原始图片数据集中，形成了最终图片数据集；

根据所述最终图片数据集获得训练样本数据集，建立卷积神经网络模型，利用所述训练样本数据集对所述卷积神经网络模型进行训练，得到训练后的卷积神经网络模型；

利用所述训练后的卷积神经网络模型对待识别的图片进行识别，得到待识别图片中的建筑钢筋的数量。

2.根据权利要求1所述的建筑钢筋智能识别计量方法，其特征在于，根据所述最终图片数据集获得训练样本数据集，具体包括，随机选取最终图片数据集的三分之二图片作为训练样本数据集，被选取后的最终图片数据集作为测试样本数据集。

3.根据权利要求2所述的建筑钢筋智能识别计量方法，其特征在于，所述卷积神经网络模型至少包括，一个输入层，至少一个卷积层、一个非线性激活层、一个批归一化层，一个输出层，所述输出层为回归层；构造卷积神经网络具体过程包括，在输入层输入训练样本，通过卷积层，经过批归一化层和非线性激活层处理，再通过dropout对其进行处理，经由回归层输出建筑钢筋的数量。

4.根据权利要求3所述的建筑钢筋智能识别计量方法，其特征在于，利用所述训练样本数据集对所述卷积神经网络模型进行训练，具体包括，对所述训练样本数据集进行正向传播，并通过反向传播更新输出层权值以及输入层与隐藏层之间的权值，利用测试样本数据集判断卷积神经网络输出层输出结果的正确率是否符合预设要求，若是，则完成卷积神经网络模型训练，若不是，则使用随机梯度下降法进行调参，直至卷积神经网络输出层输出结果的正确率符合预设要求。

5.一种建筑钢筋智能识别计量系统，其特征在于，包括图片数据集形成模块、卷积神经模型构建模块和建筑钢筋数量识别模块；

所述图片数据集形成模块，用于采集建筑钢筋端面图片，并形成原始图片数据集，对所述原始图片数据集中的各图片进行旋转、平移、灰度变换中的至少一种处理，将处理后的图片增加到原始图片数据集中，形成了最终图片数据集；

所述卷积神经模型构建模块，用于根据所述最终图片数据集获得训练样本数据集，建立卷积神经网络模型，利用所述训练样本数据集对所述卷积神经网络模型进行训练，得到训练后的卷积神经网络模型；

所述建筑钢筋数量识别模块，用于利用所述训练后的卷积神经网络模型对待识别的图片进行识别，得到待识别图片中的建筑钢筋的数量。

6.根据权利要求5所述的建筑钢筋智能识别计量系统，其特征在于，所述卷积神经模型构建模块包括样本数据集获取单元，所述样本数据集获取单元用于，根据所述最终图片数据集获得训练样本数据集，具体包括，随机选取最终图片数据集的三分之二图片作为训练样本数据集，被选取后的最终图片数据集作为测试样本数据集。

7.根据权利要求6所述的建筑钢筋智能识别计量系统，其特征在于，所述卷积神经模型构建模块还包括卷积神经网络模型训练单元，所述卷积神经网络模型训练单元，用于利用所述训练样本数据集对所述卷积神经网络模型进行训练，具体包括，对所述训练样本数据集进行正向传播，并通过反向传播更新输出层权值以及输入层与隐藏层之间的权值，利用测试样本数据集判断卷积神经网络输出层输出结果的正确率是否符合预设要求，若是，则完成卷积神经网络模型训练，若不是，则使用随机梯度下降法进行调参，直至卷积神经网络输出层输出结果的正确率符合预设要求。