[發(fā)明專利]建筑材料強度等級檢測方法、裝置、設備及可讀存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 201910984098.1
• 申請日: 2019-10-16
• 公開（公告）號: CN112669253A
• 公開（公告）日: 2021-04-16
• 發(fā)明（設計）人: 王維;鄧露;史鵬;褚鴻鵠;何維
• 申請（專利權(quán)）人: 湖南大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/00;G06K9/62;G06N3/04
• 代理公司: 上海愉騰專利代理事務所(普通合伙) 31306
• 代理人: 唐海波

1.一種基于圖像識別的建筑材料強度等級檢測方法，其特征在于，包括以下步驟：

構(gòu)建建筑材料強度等級檢測模型；

獲取待測建筑材料的結(jié)構(gòu)圖像；

將獲得的待測建筑材料的結(jié)構(gòu)圖像輸入至構(gòu)建的建筑材料強度等級檢測模型進行檢測，得到待測建筑材料的強度等級；

所述構(gòu)建建筑材料強度等級檢測模型包括以下步驟：利用訓練樣本集訓練神經(jīng)網(wǎng)絡模型得到建筑材料強度等級檢測模型；

其中，所述訓練樣本集至少包括一種材料的試驗構(gòu)件的多張?zhí)幱诓煌瑥姸鹊燃壍臉颖緢D像，每個樣本圖像預先標注相應的強度等級。

2.根據(jù)權(quán)利要求1所述的基于圖像識別的建筑材料強度等級檢測方法，其特征在于，在所述將待測結(jié)構(gòu)圖像輸入至預先構(gòu)建的建筑材料強度等級檢測模型之前，還包括以下步驟：對建筑材料強度等級檢測模型進行驗證。

3.根據(jù)權(quán)利要求2所述的基于圖像識別的建筑材料強度等級檢測方法，其特征在于，所述對建筑材料強度等級檢測模型進行驗證包括以下步驟：

獲取模型驗證數(shù)據(jù)集，所述模型驗證數(shù)據(jù)集包括多張驗證樣本圖像，各驗證樣本圖像為已知實際強度等級、且與所述待測結(jié)構(gòu)材料相同的試驗構(gòu)件的圖像；

將各驗證樣本圖像輸入至所述建筑材料強度等級檢測模型中，得到各驗證樣本圖像的預測強度等級；

基于各驗證樣本圖像的預測強度等級和已知實際強度等級、驗證樣本圖像總數(shù)量，計算所述建筑材料強度等級檢測模型的準確率；

判斷所述建筑材料強度等級檢測模型的準確率是否不小于預設閾值；

若所述建筑材料強度等級檢測模型的準確率不小于預設閾值，則將所述建筑材料強度等級檢測模型用于后續(xù)計算所述待測結(jié)構(gòu)的強度等級；

若所述建筑材料強度等級檢測模型的準確率小于預設閾值，則增加所述訓練樣本集中的樣本圖像，并重新訓練所述建筑材料強度等級檢測模型直至準確率不小于所述閾值。

4.根據(jù)權(quán)利要求3所述的基于圖像識別的建筑材料強度等級檢測方法，其特征在于，所述基于各驗證樣本圖像的預測強度等級和實際強度等級、驗證樣本圖像總數(shù)量，計算所述建筑材料強度等級檢測模型的準確率包括以下步驟：

統(tǒng)計預測強度等級和已知實際強度等級的差值大于預設偏離值的驗證樣本圖像的不合格個數(shù)；

計算所述不合格個數(shù)與所述總數(shù)量的比率，以作為所述建筑材料強度等級檢測模型的準確率。

5.根據(jù)權(quán)利要求1至4之一所述的基于圖像識別的建筑材料強度等級檢測方法，其特征在于，所述利用訓練樣本集訓練神經(jīng)網(wǎng)絡模型得到建筑材料強度等級檢測模型具體為：基于遷移學習方法，利用所述訓練樣本集訓練Faster-RCNN模型得到建筑材料強度等級檢測模型；其中，所述訓練樣本集包括與待測建筑材料相同的材料的試驗構(gòu)件的多張?zhí)幱诓煌瑥姸鹊燃壍臉颖緢D像，每個樣本圖像預先標注相應的強度等級。

6.根據(jù)權(quán)利要求5所述的基于圖像識別的建筑材料強度等級檢測方法，其特征在于，所述利用所述訓練樣本集訓練Faster-RCNN模型之前還包括以下步驟：將所述訓練樣本集中的各樣本圖像轉(zhuǎn)換為便于深度學習格式的數(shù)據(jù)集。

7.一種基于圖像識別的建筑材料強度等級檢測裝置，其特征在于，包括以下模塊：

模型預構(gòu)建模塊，用于訓練神經(jīng)網(wǎng)絡模型得到建筑材料強度等級檢測模型；

圖像獲取模塊，用于獲取待測結(jié)構(gòu)圖像；

強度等級計算模塊，用于將所述待測結(jié)構(gòu)圖像輸入至所述建筑材料強度等級檢測模型，得到所述待測結(jié)構(gòu)的強度等級。