[发明专利]基于邻域像素值差分比例的钢筋焊接质量检测方法

说明书

本申请公开了一种基于邻域像素值差分比例的钢筋焊接质量检测方法，其包括：获取待检测钢筋的图像；将所述待检测钢筋图像输入卷积神经网络以获得特征图；确定所述特征图中对应连接区域的位置为感兴趣区域；提取所述感兴趣区域内的特征值，以获得感兴趣区域特征图；将所述感兴趣区域特征图进行在所述待检测钢筋的延伸方向上的平均值池化以获得连接特征向量；对所述连接特征向量，计算所述连接特征向量中各个位置的特征值与其对应的在所述特征图的邻域内的各个像素的特征值之间的邻域像素值差分比例值，以获得分类特征向量；以及，将所述分类特征向量输入Softmax分类函数以获得分类结果，所述分类结果用于表示所述待检测钢筋的焊接连接是否符合预定标准。

技术领域

本申请涉及人工智能领域，且更为具体地，涉及一种基于邻域像素值差分比例的钢筋焊接质量检测方法、基于邻域像素值差分比例的钢筋焊接质量检测系统和电子设备。

背景技术

钢筋是指钢筋混凝土用和预应力钢筋混凝土用钢材，其横截面通常为圆形，有时也为带有圆角的方形，包括光圆钢筋、带肋钢筋、扭转钢筋。大部分钢筋是钢筋混凝土配筋用的直条或盘条状钢材，其外形分为光圆钢筋和变形钢筋两种，交货状态为直条和盘圆两种。钢筋的应用范围非常广泛，而且在钢筋的生产和使用过程中，由于钢筋的长度一定，往往需要将两组钢筋进行组合，也就是两组钢筋进行焊接以延长钢筋长度。

对于通过焊接形成的钢筋而言，其焊接稳定性是最基本的指标，因为，如果焊接连接处不稳定，则会带来安全影响。

因此，期望一种用于钢筋焊接质量检测的技术方案。

目前，深度学习以及神经网络已经广泛应用于计算机视觉、自然语言处理、文本信号处理等领域。此外，深度学习以及神经网络在图像分类、物体检测、语义分割、文本翻译等领域，也展现出了接近甚至超越人类的水平。

近年来，深度学习以及神经网络的发展为钢筋焊接质量检测提供了新的解决思路和方案。

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基于邻域像素值差分比例的钢筋焊接质量检测方法、基于邻域像素值差分比例的钢筋焊接质量检测系统和电子设备，其基于深度神经网络提取出对应于焊接连接处的焊接线的特征，并用于局部描述的邻域像素值差分比例的方法进行处理，以使得一方面可以强化该焊接线的特征表达，另一方面可以使得处理后的特征能够包含与该焊接线紧密相邻的两组钢筋的部分的图像特征信息，通过这样的方式，来提高钢筋焊接质量检测的准确度。

根据本申请的一个方面，提供了一种基于邻域像素值差分比例的钢筋焊接质量检测方法，其包括：

获取待检测钢筋的图像，所述待检测钢筋通过至少两根子钢筋焊接而成，所述待检测钢筋图像中包含所述至少两根子钢筋之间的连接区域；

将所述待检测钢筋图像输入卷积神经网络以获得特征图；

基于所述连接区域在所述待检测钢筋图像中的位置，确定所述特征图中对应位置的区域为感兴趣区域；

提取所述感兴趣区域内的特征值，以获得感兴趣区域特征图；

将所述感兴趣区域特征图进行在所述待检测钢筋的延伸方向上的平均值池化以获得连接特征向量；

在所述特征图中确定与所述连接特征向量中各个位置对应的邻域，所述邻域具有预设尺寸；

对所述连接特征向量，计算所述连接特征向量中各个位置的特征值与其对应的在所述特征图的邻域内的各个像素的特征值之间的邻域像素值差分比例值，以获得分类特征向量；以及

将所述分类特征向量输入Softmax分类函数，以获得分类结果，所述分类结果用于表示所述待检测钢筋的焊接连接是否符合预定标准。