[發(fā)明專利]一種基于深度學(xué)習(xí)的預(yù)制橋墩鋼筋孔制造誤差智能識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110234516.2
• 申請(qǐng)日: 2021-03-03
• 公開(kāi)（公告）號(hào): CN112967249B
• 公開(kāi)（公告）日: 2023-04-07
• 發(fā)明（設(shè)計(jì)）人: 李枝軍;張輝;徐后生;劉武;徐秀麗;李雪紅
• 申請(qǐng)（專利權(quán)）人: 南京工業(yè)大學(xué);南京市路橋工程總公司
• 主分類號(hào): G06V20/10
• 分類號(hào): G06V20/10;G06V10/26;G06V10/764;G06V10/82;G06T7/13;G06N3/0464;G06N3/082
• 代理公司: 南京瑞弘專利商標(biāo)事務(wù)所(普通合伙) 32249
• 代理人: 徐激波

本發(fā)明公開(kāi)了一種基于深度學(xué)習(xí)的預(yù)制橋墩鋼筋孔制造誤差智能識(shí)別方法，該方法通過(guò)TensorFlow框架構(gòu)建SegNet語(yǔ)義分割深度學(xué)習(xí)網(wǎng)絡(luò)，并對(duì)其進(jìn)行訓(xùn)練，進(jìn)而得到語(yǔ)義分割模型；通過(guò)模型對(duì)測(cè)試集中的圖像進(jìn)行檢測(cè)，輸出要素分割的圖像；對(duì)要素分割的圖像進(jìn)行邊緣檢測(cè)處理，得到鋼筋孔和底部界面的輪廓，并且進(jìn)行輪廓的查找和繪制；最后對(duì)輪廓進(jìn)行擬合，計(jì)算輪廓的長(zhǎng)度，獲得像素尺寸，并根據(jù)比例系數(shù)確定制造尺寸。本發(fā)明能夠適用于外界環(huán)境復(fù)雜條件下的預(yù)制墩柱底部截面鋼筋孔的檢測(cè)，能夠較好地對(duì)圖像目標(biāo)進(jìn)行分割，在外界復(fù)雜環(huán)境下都能達(dá)到可接受的測(cè)量精度，且優(yōu)于傳統(tǒng)的邊緣檢測(cè)方法。

技術(shù)領(lǐng)域

本發(fā)明涉及深度學(xué)習(xí)領(lǐng)域，特別是涉及一種基于深度學(xué)習(xí)的預(yù)制橋墩鋼筋孔制造誤差智能識(shí)別方法。

背景技術(shù)

裝配式橋梁對(duì)我國(guó)社會(huì)經(jīng)濟(jì)的發(fā)展有著十分重要的影響，因此裝配式橋梁的施工質(zhì)量一直以來(lái)都備受關(guān)注。而作為裝配式工程施工質(zhì)量的基礎(chǔ)和保障，預(yù)制構(gòu)件的外觀掃描和誤差測(cè)量工作是十分重要的。

裝配式橋梁預(yù)制構(gòu)件的檢測(cè)工作占有較大的比重，需要用相應(yīng)的檢測(cè)技術(shù)對(duì)其加工精度進(jìn)行檢測(cè)和控制。裝配式橋梁在吊裝施工前應(yīng)做好預(yù)制構(gòu)件檢測(cè)工作，在確保構(gòu)件尺寸符合要求后方可進(jìn)行后續(xù)的吊裝施工。傳統(tǒng)的預(yù)制構(gòu)件測(cè)量技術(shù)已經(jīng)完全無(wú)法滿足裝配式工程測(cè)量的基本需求，新的技術(shù)手段在實(shí)際測(cè)量過(guò)程中不斷被開(kāi)發(fā)和應(yīng)用，使用現(xiàn)代化技術(shù)手段以及設(shè)備進(jìn)行測(cè)量工作已經(jīng)是常態(tài)，目前使用激光掃描技術(shù)進(jìn)行構(gòu)件檢測(cè)時(shí)，三維激光掃描測(cè)量?jī)x成本高，掃描點(diǎn)云處理時(shí)間長(zhǎng)，且當(dāng)掃描測(cè)量?jī)x一旦精準(zhǔn)度不準(zhǔn)確之后，重新校準(zhǔn)精度比較困難。往往檢測(cè)耗時(shí)較長(zhǎng)，且需要特定的環(huán)境進(jìn)行點(diǎn)云掃描。

因此開(kāi)發(fā)一種靈活快速的預(yù)制構(gòu)件吊裝關(guān)鍵部位的檢測(cè)方法尤為重要，利用機(jī)器視覺(jué)和深度學(xué)習(xí)網(wǎng)絡(luò)架構(gòu)，來(lái)掃描預(yù)制橋墩底部截面獲取關(guān)鍵部位的圖像信息，并進(jìn)行處理。對(duì)橋梁的裝配面進(jìn)行圖像采集、識(shí)別分類、誤差測(cè)量與重構(gòu)。可以便捷地提供檢測(cè)數(shù)據(jù)，節(jié)約時(shí)間和費(fèi)用成本。具有非接觸性、實(shí)時(shí)性、靈活性、精確性等優(yōu)點(diǎn)。本發(fā)明針對(duì)上述問(wèn)題，研發(fā)了一種基于深度學(xué)習(xí)的預(yù)制橋墩鋼筋孔制造誤差智能識(shí)別方法。為解決上述問(wèn)題提供技術(shù)支持。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明的目的在于提供一種基于深度學(xué)習(xí)的預(yù)制橋墩鋼筋孔制造誤差智能識(shí)別方法，該方法能夠適應(yīng)環(huán)境變化，實(shí)時(shí)的，有效的解決預(yù)制裝配式橋梁橋墩鋼筋孔制造誤差的識(shí)別和測(cè)量。

為了達(dá)到上述目的，本發(fā)明基于以下技術(shù)方案來(lái)實(shí)現(xiàn)：

一種基于深度學(xué)習(xí)的預(yù)制橋墩鋼筋孔制造誤差智能識(shí)別方法，包括如下步驟：

步驟S1、獲取預(yù)制橋墩底部混凝土截面圖像和預(yù)制鋼筋孔圖像，形成數(shù)據(jù)集，并且按照一定比例，將所述數(shù)據(jù)集劃分成訓(xùn)練集和測(cè)試集；

步驟S2、對(duì)所述訓(xùn)練集中的圖像進(jìn)行標(biāo)注處理；

步驟S3、對(duì)所述數(shù)據(jù)集中的圖像進(jìn)行預(yù)處理；

步驟S4、通過(guò)TensorFlow框架構(gòu)建SegNet語(yǔ)義分割深度學(xué)習(xí)網(wǎng)絡(luò)，并且將訓(xùn)練集中的圖像作為所述SegNet語(yǔ)義分割深度學(xué)習(xí)網(wǎng)絡(luò)的輸入，對(duì)其進(jìn)行訓(xùn)練，獲得權(quán)重參數(shù)，進(jìn)而得到語(yǔ)義分割模型；

步驟S5、通過(guò)所述語(yǔ)義分割模型對(duì)所述測(cè)試集中的圖像進(jìn)行檢測(cè)，輸出要素分割的圖像；

步驟S6、對(duì)步驟S5得到要素分割的圖像進(jìn)行邊緣檢測(cè)處理，得到鋼筋孔和底部界面的輪廓，并且進(jìn)行輪廓的查找和繪制；

步驟S7、對(duì)輪廓進(jìn)行擬合，計(jì)算輪廓的長(zhǎng)度，獲得像素尺寸，并根據(jù)比例系數(shù)確定制造尺寸。

進(jìn)一步的，通過(guò)工業(yè)相機(jī)拍攝預(yù)制橋墩底部混凝土進(jìn)而獲取預(yù)制橋墩底部混凝土截面圖像和預(yù)制鋼筋孔圖像。

進(jìn)一步的，所述步驟S2具體包括：

選取Labelme作標(biāo)注工具，將所述訓(xùn)練集圖像上的鋼筋孔標(biāo)注成綠色，混凝土截面標(biāo)注成紅色，背景標(biāo)注成黑色；