融合深度学习与特征投影曲线的钢筋绑扎节点检测方法

作     者：成彬 邓磊 

作者机构：西安建筑科技大学机电工程学院 

出 版 物：《计算机辅助设计与图形学学报》 (Journal of Computer-Aided Design & Computer Graphics)

年 卷 期：2024年

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 081402[工学-结构工程] 080203[工学-机械设计及理论] 0835[工学-软件工程] 0802[工学-机械工程] 0814[工学-土木工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：陕西省自然科学基础研究计划(2021JM-360) 

主　　题：MobileNetV3-SSD 图像处理 特征投影 钢筋绑扎识别 

摘      要：针对传统人工钢筋绑扎过程中操作效率低、成本高等问题， 将深度学习技术应用于钢筋绑扎节点检测， 提出一种融合深度学习与特征投影曲线的钢筋绑扎节点检测方法. 首先， 通过原始数据采集和增强构建3 300幅图像的钢筋绑扎节点数据集， 基于TensorFlow深度学习框架构建MobileNetV3-SSD钢筋绑扎节点识别模型， 实现钢筋已绑扎/未绑扎节点的自动识别及分类， 初步提取预测框区域图像; 然后， 对提取的未绑扎节点预测框区域进行图像预处理， 提出一种由控制因子α与特征投影曲线相结合的节点定位方法实现未绑扎节点精确定位; 最后， 通过性能测试实验对方法评估， 并根据评价指标确定识别模型与定位方法的最优阈值. 实验结果表明， 采用MobileNetV3-SSD钢筋绑扎节点识别模型的宏精确率和宏召回率分别为95.40%和96.70%; 采用特征投影曲线定位方法的定位准确率达90.45%， 平均相对误差为6.15%; 所提方法可实现快速、非接触的智能化检测， 具有良好的鲁棒性和应用价值.