计算机辅助设计与图形学学报

作者：成彬, 邓磊

关键词：MobileNetV3-SSD, 图像处理, 特征投影, 钢筋绑扎识别

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.

来源：2024年第8期

《计算机辅助设计与图形学学报》期刊编辑部

查看计算机辅助设计与图形学学报杂志2024年第8期