一种基于图像的钢筋数量检测方法、装置、设备及介质与流程

本申请涉及图像处理领域，尤其涉及一种基于图像的钢筋数量检测方法、装置、设备及介质。

背景技术：

1、在建筑工地施工现场，一般项目上都设有专门的钢筋加工场或钢筋加工棚对钢筋进行存放、裁剪、焊接等工作，负责钢筋加工区域的工人需要经常对已经加工过的钢筋、库存的钢筋以及进场的的钢筋进行清点，这项工作虽然不需要很高的技术要求，却是一项非常消耗人员精力与时间的工作。现在的清点工作，往往需要两个工人配合，一个负责记录，另一个负责计数，由于每捆钢筋都是数以十计、甚至多数是数以百计，因此工人在清点时需要数一根钢筋用记号笔标记一根钢筋，清点起来十分费力。清点过程中如果钢筋散落，可能还需要重新清点的可能。因此，人为清点钢筋是一项极其耗费人员精力、时间、成本的工作。

技术实现思路

1、为了解决上述技术问题或者至少部分地解决上述技术问题，本申请提供了一种基于图像的钢筋数量检测方法、装置、设备及介质。

2、根据本申请实施例的一个方面，提供了一种基于图像的钢筋数量检测方法，包括：

3、获取对钢筋摆放区域进行采集得到的钢筋截面图像；

4、检测所述钢筋截面图像，得到所述钢筋截面图像中的感兴趣区域，其中，所述感兴趣区域包括多个钢筋；

5、检测所述感兴趣区域得到至少一个钢筋对应的包围框；

6、基于所述包围框的数量确定所述钢筋摆放区的钢筋数量。

7、进一步的，所述检测所述钢筋截面图像，得到所述钢筋截面图像中的感兴趣区域，包括：

8、确定所述钢筋截面图像中的标记区域，其中，所述标记区域包括多个钢筋；

9、对所述钢筋截面图像中非标记区域进行掩膜操作，得到掩膜图像；

10、基于所述钢筋截面图像与所述掩膜图像进行点乘，得到所述感兴趣区域。

11、进一步的，所述检测所述感兴趣区域得到至少一个钢筋对应的包围框，包括：

12、确定所述感兴趣区域在所述钢筋截面图像的区域位置，并利用所述区域位置对所述钢筋截面图像进行分割，得到目标图像；

13、获取预先训练好的识别模型，其中，所述识别模型包括第一卷积网络以及第一处理网络；

14、通过第一卷积网络检测所述目标图像中钢筋特征，基于每个钢筋特征确定多个目标关键点坐标，并将目标关键点坐标传递至第一处理网络；

15、所述第一处理网络确定所述目标关键点坐标对应的包围框，其中，每个包围框对应一个钢筋。

16、进一步的，所述识别模型的训练方法如下：

17、获取多个训练样本图像，其中，每个所述训练样本图像包括至少一个钢筋；

18、获取所述训练样本图像对应的标签信息，其中，所述标签信息包括：所述训练样本图像中每个钢筋的钢筋特征标签，以及所述钢筋对应包围框的关键点坐标标签；

19、将所述训练样本图像以及所述标签信息输入待训练的神经网络模型，其中，所述神经网络模型包括第二卷积网络以及第二处理网络；

20、通过所述第二卷积网络检测所述训练样本图像得到钢筋特征，并基于所述钢筋特征确定至少一个预测关键点坐标，将所述预测关键点坐标传递至第二处理网络；

21、通过第二处理网络确定所述预测关键点坐标对应的预测包围框；

22、基于所述预测包围框计算训练损失，并基于所述训练损失调整所述神经网络模型的参数，直至所述训练损失小于预设阈值。

23、进一步的，所述获取多个训练样本图像，包括：

24、获取样本图像集，其中，所述样本图像集包括多个原始训练样本图像；

25、从多个所述原始训练样本图像中随机选取预设数量的原始训练样本图像；

26、利用预设数量的原始训练样本图像进行裁剪拼接，得到目标训练样本图像；

27、将所述原始训练样本图像以及所述目标训练样本图像作为所述训练样本图像。

28、进一步的，所述基于所述预测包围框计算训练损失，包括：

29、计算所述钢筋特征与所述钢筋特征标签之间的第一损失，以及所述预测关键点坐标与所述关键点坐标标签之间的第二损失；

30、计算所述预测包围框与所述关键点坐标标签对应包围框之间的第三损失；

31、基于所述第一损失，所述第二损失以及所述第三损失计算所述训练损失。

32、进一步的，所述基于所述包围框的数量确定所述钢筋摆放区的钢筋数量，包括：

33、获取各个所述包围框对应的包围框边界；

34、利用非极大值抑制去除所述包围框边界中的冗余边界，得到最佳包围框；

35、基于最佳包围框的确定所述钢筋摆放区的钢筋数量。

36、根据本申请实施例的另一方面，还提供了一种基于图像的钢筋数量检测装置，包括：

37、获取模块，用于获取对钢筋摆放区域进行采集得到的钢筋截面图像；

38、识别模块，用于检测所述钢筋截面图像，得到所述钢筋截面图像中的感兴趣区域，其中，所述感兴趣区域包括多个钢筋；

39、检测模块，用于检测所述感兴趣区域得到至少一个钢筋特征，基于每个所述钢筋特征确定目标关键点，并基于所述目标关键点构建钢筋特征的包围框；

40、处理模块，用于基于所述包围框的数量确定所述钢筋摆放区的钢筋数量。

41、根据本申请实施例的另一方面，还提供了一种存储介质，该存储介质包括存储的程序，程序运行时执行上述的步骤。

42、根据本申请实施例的另一方面，还提供了一种电子装置，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；其中：存储器，用于存放计算机程序；处理器，用于通过运行存储器上所存放的程序来执行上述方法中的步骤。

43、本申请实施例还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述方法中的步骤。

44、本申请实施例提供的上述技术方案与现有技术相比具有如下优点：本申请实施例提供的方法通过对钢筋界面图像进行识别，得到钢筋界面图像中的感兴趣区域，然后对感兴趣区域进行检测，得到多个包围框，最终利用包围框的数量确定钢筋的数量，以此代替常规人工技术的方式，提高了钢筋清点效率。

技术特征：

1.一种基于图像的钢筋数量检测方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述检测所述钢筋截面图像，得到所述钢筋截面图像中的感兴趣区域，包括：

3.根据权利要求1所述的方法，其特征在于，所述检测所述感兴趣区域得到至少一个钢筋特征，基于每个所述钢筋特征确定目标关键点，并基于所述目标关键点构建钢筋特征的包围框，包括：

4.根据权利要求3所述的方法，其特征在于，所述识别模型的训练方法如下：

5.根据权利要求4所述的方法，其特征在于，所述获取多个训练样本图像，包括：

6.根据权利要求4所述的方法，其特征在于，所述基于所述预测包围框计算训练损失，包括：

7.根据权利要求3所述的方法，其特征在于，所述基于所述包围框的数量确定所述钢筋摆放区的钢筋数量，包括：

8.一种基于图像的钢筋数量检测装置，其特征在于，包括：

9.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在计算机运行，由所述计算机执行上述权利要求1至7中任一项所述的方法。

10.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；其中：

技术总结
本申请公开了一种基于图像的钢筋数量检测方法、装置、设备及介质。包括：获取对钢筋摆放区域进行采集得到的钢筋截面图像；检测所述钢筋截面图像，得到所述钢筋截面图像中的感兴趣区域，其中，所述感兴趣区域包括多个钢筋；检测所述感兴趣区域得到至少一个钢筋特征，基于每个所述钢筋特征确定目标关键点，并基于所述目标关键点构建钢筋特征的包围框；基于所述包围框的数量确定所述钢筋摆放区的钢筋数量。本申请通过对钢筋界面图像进行识别，得到钢筋界面图像中的感兴趣区域，然后对感兴趣区域进行检测，得到多个包围框，最终利用包围框的数量确定钢筋的数量，以此代替常规人工技术的方式，提高了钢筋清点效率。

技术研发人员：李鑫玉,赵忠杨,邓波,常红宾,侯绪彬,张欣俣,许秋石
受保护的技术使用者：中建八局第一数字科技有限公司
技术研发日：
技术公布日：2024/1/15