[發明專利]基于深度學習的建筑固廢組分快速識別與比例估算方法

在審

• 申請號: 202210891737.1
• 申請日: 2022-07-27
• 公開（公告）號: CN115294477A
• 公開（公告）日: 2022-11-04
• 發明（設計）人: 朱鑫;易軍艷;范璐璐;裴忠實;許勐;涂亮亮;馮德成
• 申請（專利權）人: 哈爾濱工業大學;深圳市市政工程總公司
• 主分類號: G06V20/17
• 分類號: G06V20/17;G06V20/00;G06T7/73;G06V10/764;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 哈爾濱龍科專利代理有限公司 23206
• 代理人: 李智慧

1.基于深度學習的建筑固廢組分快速識別與比例估算方法，其特征在于，包括以下步驟：

步驟一：收集建筑固體廢棄物，構造零散工況下的室內立體固廢場和密集工況下的室內立體固廢場，隨機調整室內兩種工況下建筑固體廢棄物的位置和姿勢，并拍攝建筑固體廢棄物照片；

步驟二：利用無人機拍攝拆遷現場堆積的建筑固體廢棄物照片；

步驟三：對采集到的室內零散工況、室內密集工況及室外拆遷現場工況下的圖像做物體標注并對訓練樣本劃分訓練集和測試集，生成包含所有訓練集圖像名稱的txt文件和標注文件名稱的txt文件，并配置訓練模型所需的路徑文件；

步驟四：將訓練集導入卷積神經網絡YOLOv5中，通過訓練得到識別模型；

步驟五：基于識別模型，導入拆遷現場建筑固體廢棄物圖像，識別圖像中的建筑固廢組分；

步驟六：統計圖像中各類建筑固體廢棄物數量，計算得到各組分比例。

2.根據權利要求1所述的方法，其特征在于：步驟一中，收集的建筑固體廢棄物包括建筑廢棄混凝土、廢棄磚、廢棄木材、廢棄瓷磚和廢棄金屬中的一種或多種的組合。

3.根據權利要求1所述的方法，其特征在于：步驟一中，零散工況下的室內立體固廢場中，每種固體廢棄物的數量為1-3塊，密集工況下的室內立體固廢場中，每種固體廢棄物的數量≥6塊。

4.根據權利要求1所述的方法，其特征在于：步驟一中，每次拍攝前調整建筑固體廢棄物，包括調整其平面位置、改變其立體姿勢和使用不同的堆疊方式。

5.根據權利要求1所述的方法，其特征在于：步驟二中，利用無人機拍攝拆遷現場堆積的建筑固體廢棄物照片時，遵循多圖多角度原則并調整無人機俯仰角度以增加更多視角下的訓練集圖像。

6.根據權利要求1所述的方法，其特征在于：步驟四中，將訓練集導入卷積神經網絡YOLOv5中，設置預訓練權重和訓練參數，配置算法所需環境，通過訓練得到識別模型。

7.根據權利要求1所述的方法，其特征在于：步驟五中，基于識別模型，將無人機拍攝的拆遷現場建筑固體廢棄物圖像導入YOLOv5的識別模塊中，識別拆遷現場建筑固廢中各類物體，輸出標有物體類型及置信度的圖像。

8.根據權利要求1所述的方法，其特征在于：步驟六中，將步驟五中輸出圖像替換為輸出txt文件，在txt文件中記錄有已識別的物體類型及對應的位置信息。

9.根據權利要求1所述的方法，其特征在于：步驟六中，讀取txt文本文件中的物體類型信息，得到不同種類的建筑固體廢棄物數量，用各類建筑固體廢棄物數量除以總數量，得到各類建筑固體廢棄物的占比。