论文部分内容阅读
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数。在检测方面,设计了一种轻量级的单尺度特征图钢筋检测网络,采用计算量小的深度分离卷积网络提取特征,根据钢筋端面目标尺度单一的特点设计单层特征图,在特征图上设置目标候选框以检测钢筋端面目标;在跟踪方面,采用核相关滤波算法(Kernel Correlation Filter-KCF)对视频帧中已检测到的钢筋目标进行跟踪。实验表明所提动态钢筋计数算法具有较高的计数精度和较好的实时性,完全满足实际需求。第三,设计实现了红外热轧钢筋视频智能计数系统。基于Qt开发环境和tensorflow深度学习框架,将轻量级单尺度特征图钢筋检测网络部署到Windows平台。结合KCF目标跟踪算法,实现对读入的红外热轧钢筋视频进行动态计数。并采用放大跟踪信息区域框和流入钢筋目标辨别机制,消除了钢筋端面目标高度相似性和传送带振动带来的计数误差。