基于卷积神经网络的钢筋计数算法研究

发布时间：2024-07-06 01:27

　　钢筋是应用在各类建筑中最基本的材料之一。研究钢筋计数算法,对提高钢铁行业的自动化水平具有重要意义。论文针对建筑工地成捆钢筋的计数问题,以及生产线上钢筋的计数问题展开研究。基于卷积神经网络分别提出了针对成捆钢筋的端面图片的静态钢筋计数算法,与针对生产线上红外热轧钢筋端面视频的动态钢筋计数算法,并设计实现了红外热轧钢筋视频智能计数系统。主要研究工作可概括如下:第一,提出了基于级联式目标候选头网络的静态钢筋计数算法。针对图片中钢筋端面目标较小容易遗漏的特点,提出一种级联式目标候选头网络的钢筋端面目标检测算法,首先采用特征金字塔融合算法从特征提取网络中提取多层特征图,进而提取目标候选框,最后采用三级级联的目标候选头网络对目标候选框进行递进预测和回归,并使用软性非极大值抑制对结果进行后处理,得到钢筋端面目标检测结果。训练采用平衡目标正负样本采样方式和平衡L1损失函数,进一步提高检测精度。第二,提出了基于轻量级单尺度特征图网络的红外热轧钢筋视频计数算法。根据对固定红外摄像机视场内传送带上的热轧钢筋进行动态计数的要求,算法在视频中固定位置设定一分界线,检测钢筋目标并进行跟踪,对通过分界线的钢筋进行计...

【文章页数】：78 页

【学位级别】：硕士

【部分图文】：

图1-1某大厅行人密度估计计数

目前随着计算机视觉的不断发展，尤其是近几年卷积神经网络的兴计数也进入了发展的高峰，许多新的方法被提出，取得了大量的研究成果计算机视觉领域的目标计数大致可以分为两种应用方向，一种是静态计数获得图像中某个区域或者整幅图像中的目标数量。一种是动态计数，目的频序列中目标流过的数量，一般是....

图1-2钢筋端面图片

图1-2钢筋端面图片而对于动态式计数，要统计视频中流过的目标，无法通过密度估计的方法解决，也无法单纯使用目标检测进行解决。这类问题的解决办法需要结合目标检测和目标跟踪技术。首先在当前帧检测出目标，然后在后续帧中对检测出的目标进行跟踪，同时要不断检测新流入的目标，当被跟踪目标穿....

图1-3红外热轧钢筋端面视频截图

图1-2钢筋端面图片态式计数，要统计视频中流过的目标，无法通过密度估计用目标检测进行解决。这类问题的解决办法需要结合目先在当前帧检测出目标，然后在后续帧中对检测出的目测新流入的目标，当被跟踪目标穿过计数线后，则完成对产现场采集的红外热轧钢筋端面视频中流过的钢筋目标问题。下图为....

图2-1数据集部分图片样本

提出了一种基于级联目标候选头网络的高精度钢筋计数算法。只需拍摄堆叠钢端面图像作为输入，即可准确得到图像中的钢筋数量。与人工计数相比效率大高，并且拥有很高的计数精度。本章提出的级联式目标候选头网络，是对钢筋端面目标进行检测的网络，通测的方式来进行计数。该网络属于二阶段检测网络，与其....

本文编号：4001850