[发明专利]一种基于深度卷积神经网络的钢筋检测方法

摘要

本发明公开了一种基于深度卷积神经网络的钢筋检测方法，包括步骤：1)数据获取；2)数据处理；3)模型构建与训练；4)模型评估；5)模型部署。本发明将基于深度卷积神经网络的目标检测算法应用至钢筋检测与计数中，并提出了一种多尺度与形变容忍的钢筋检测网络框架。该框架集成了检测性能较好的级联R‑CNN、可有效解决多尺度检测问题的特征金字塔网络、更加稳定的的组归一化以及可提高网络学习空间几何形变能力的可变形卷积等模块。该网络框架相比于传统钢筋检测方法，检测精度更高，泛化性更好，并可部署于远程服务器或可移动设备。

主权项

1.一种基于深度卷积神经网络的钢筋检测方法，其特征在于，包括以下步骤：1)数据获取基于深度卷积神经网络的钢筋检测方法需要大量关于钢筋的数据，对实际工地中的钢筋进行图片采集，并完成相应的人工标注，最后划分为训练集与测试集；2)数据处理为了充分利用有限的钢筋数据集，解决部分钢筋图片中存在的钢筋捆区域小、钢筋直径变化大、钢筋图片背景单一的问题，对训练集采用集成了图片裁剪、多尺度缩放、亮度变化以及图像融合操作的针对性数据增强；3)模型构建与训练为了减小钢筋尺度变化大、钢筋截面不规则对检测造成的影响，实现高精度的钢筋识别与计数，提出一种集成了级联R‑CNN、特征金字塔网络、可变形卷积网络与组归一化的钢筋检测网络框架，即钢筋检测网络模型，并使用数据增强后的训练集对其进行训练；4)模型评估使用测试集对训练得到的钢筋检测网络模型进行评估，验证其在钢筋检测与计数任务中的检测精度；5)模型部署将训练好的钢筋检测网络模型部署在服务器或可移动设备，以供用户使用。