[发明专利]一种建筑钢筋智能识别计量方法及系统

说明书

本发明公开了一种建筑钢筋智能识别计量方法及系统，属于建筑钢筋计量技术领域，解决了建筑钢筋计量准确率较低、效率较低的问题。一种一种建筑钢筋智能识别计量方法，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，形成最终图片数据集；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。实现了对建筑钢筋的准确识别量，提高了建筑钢筋的计量效率。

技术领域

本发明涉及建筑钢筋计量技术领域，尤其是涉及一种建筑钢筋智能识别计量方法及系统。

背景技术

在实际生产中，不规则类圆形物体普遍存在，例如管状工件、钢筋、棒材等都是类圆物体，通常对这些物体进行的识别研究称为类圆识别，类圆识别技术是数字图像处理的一项重要内容，钢铁生产中的棒材计数问题就是其中一个重要应用实例；

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；钢筋在许多行业特别是建筑行业有着广泛的用途，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，还可以提高计量的效率，提高计数精度，大幅降低企业成本。

发明内容

本发明的目的在于至少克服上述一种技术不足，提出一种建筑钢筋智能识别计量方法。

一方面，本发明提供了种建筑钢筋智能识别计量方法，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。

进一步地，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。

进一步地，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。

进一步地，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。

另一方面，本发明还提供了一种建筑钢筋智能识别计量系统，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；