0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

基于YOLO算法实现钢筋数量的智能盘点

3D视觉工坊 来源:3D视觉工坊 作者:3D视觉工坊 2022-10-18 15:39 次阅读

建筑工地在钢筋成车来料时,需要人工清点数量,然后才能开展后续工作,不仅效率低,而且增加运营成本。随着大数据时代的到来,建筑行业希望借助智能终端设备来减少劳动力的投入,打破传统的桎梏。本文利用YOLO算法实现钢筋数量的智能盘点。

在工地现场,对于进场的钢筋车,验收人员需要对车上的钢筋进行现场人工点根,确认数量后钢筋车才能完成进场卸货。目前现场采用人工计数的方式。

钢筋点跟现场场景上述过程繁琐、消耗人力且速度很慢(一般一车钢筋需要半小时,一次进场盘点需数个小时)。针对上述问题,希望通过手机拍照-》目标检测计数-》人工修改少量误检的方式智能、高效的完成此任务:

主要难点

(1)精度要求高(High precision requirement )

钢筋本身价格较昂贵,且在实际使用中数量很大,误检和漏检都需要人工在大量的标记点中找出,所以需要精度非常高才能保证验收人员的使用体验。需要专门针对此密集目标的检测算法进行优化,另外,还需要处理拍摄角度、光线不完全受控,钢筋存在长短不齐、可能存在遮挡等情况。

(2)钢筋尺寸不一(Various dimensions of rebars)

钢筋的直径变化范围较大(12-32中间很多种类)且截面形状不规则、颜色不一,拍摄的角度、距离也不完全受控,这也导致传统算法在实际使用的过程中效果很难稳定。

(3)边界难以区分(Indistinguishable boundaries )

一辆钢筋车一次会运输很多捆钢筋,如果直接全部处理会存在边缘角度差、遮挡等问题效果不好,目前在用单捆处理+最后合计的流程,这样的处理过程就会需要对捆间进行分割或者对最终结果进行去重,难度较大。

基于钢筋进场现场的图片和标注,综合运用计算机视觉机器学习/深度学习等技术,实现拍照即可完成钢筋点根任务,大幅度提升建筑行业关键物料的进场效率和盘点准确性,将建筑工人从这项极其枯燥繁重的工作中解脱出来。

8ee0e0dc-4e72-11ed-a3b6-dac502259ad0.jpg

使用方法安装:git clone https://github.com/tutan123/detect_steel_yolov3_darknet.gitcd detect_steel_darknetyolomake -jpip install -r requirements.txt下载数据并解压,训练和测试图像分别放到train目录和test目录,目录结构如下:- detect_steel_darknetyolo train_labels.csv train/ test/生成训练的label文件- python gen_labels.py将label/文件夹下的文件拷贝到train/目录- cp -r label/* train/训练:./get_weight.sh./train.sh预测:python infer.py单张照片预测:./darknet detector test voc.data cfg/yolov3.cfg backup/yolov3_final.weights test/FF5AE15C.jpg

效果:线上 0.96+

审核编辑:郭婷

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 智能终端
    +关注

    关注

    6

    文章

    874

    浏览量

    34685
  • 大数据
    +关注

    关注

    64

    文章

    8865

    浏览量

    137315

原文标题:智能盘点!基于Yolov3的钢筋检测计数

文章出处:【微信号:3D视觉工坊,微信公众号:3D视觉工坊】欢迎添加关注!文章转载请注明出处。

收藏 人收藏

    评论

    相关推荐

    【「从算法到电路—数字芯片算法的电路实现」阅读体验】+内容简介

    内容简介这是一本深入解读基础算法及其电路设计,以打通算法研发到数字IC设计的实现屏障,以及指导芯片设计工程师从底层掌握复杂电路设计与优化方法为目标的专业技术书。任何芯片(如WiFi芯片、5G芯片
    发表于 11-21 17:14

    【「从算法到电路—数字芯片算法的电路实现」阅读体验】+一本介绍基础硬件算法模块实现的好书

    作为嵌入式开发者往往比较关注硬件和软件的协调。本书介绍了除法器,信号发生器,滤波器,分频器等基本算法的电路实现,虽然都是基础内容,但是也是最常用到的基本模块,本书的内容比较对本人胃口。 我们先来
    发表于 11-20 13:42

    《DNK210使用指南 -CanMV版 V1.0》第四十一章 YOLO2物体检测实验

    第四十一章 YOLO2物体检测实验 在上一章节中,介绍了利用maix.KPU模块实现YOLO2的人手检测,本章将继续介绍利用maix.KPU模块实现
    发表于 11-14 09:22

    《DNK210使用指南 -CanMV版 V1.0》第四十章 YOLO2人手检测实验

    第四十章 YOLO2人手检测实验 在上一章节中,介绍了利用maix.KPU模块实现YOLO2的人脸检测,本章将继续介绍利用maix.KPU模块实现Y
    发表于 11-14 09:20

    《DNK210使用指南 -CanMV版 V1.0》第三十九章 YOLO2人脸检测实验

    第三十九章 YOLO2人脸检测实验 从本章开始,将通过几个实例介绍Kendryte K210上的KPU,以及CanMV下KPU的使用方法,本章将先介绍YOLO2网络的人脸检测应用在CanMV上的实现
    发表于 11-13 09:37

    剖析圆钢与带肋钢筋区别 解读八轴测径仪的通用检测

    对圆钢和其他钢筋的严格尺寸检测要求,确保钢筋的质量符合标准,此外还能对螺纹钢的负公差轧制进行检测。 4、自动化检测需求 现代建筑工程中,对钢筋的检测需要高效、准确的自动化设备。八轴测径仪能够
    发表于 10-21 14:39

    使用OpenVINO C# API部署YOLO-World实现实时开放词汇对象检测

    YOLO-World是一个融合了实时目标检测与增强现实(AR)技术的创新平台,旨在将现实世界与数字世界无缝对接。该平台以YOLO(You Only Look Once)算法为核心,实现
    的头像 发表于 08-30 16:27 566次阅读
    使用OpenVINO C# API部署<b class='flag-5'>YOLO</b>-World<b class='flag-5'>实现</b>实时开放词汇对象检测

    电压放大器在钢筋剥离损伤识别试验中的应用

    实验名称:钢筋剥离损伤识别试验研究方向:无损检测测试目的:采用压电导波检测技术针对钢筋混凝土结构中钢筋的腐蚀问题进行研究,提出一种基于压电超声导波利用连续小波变换技术的钢筋腐蚀检测基本
    的头像 发表于 07-24 17:39 363次阅读
    电压放大器在<b class='flag-5'>钢筋</b>剥离损伤识别试验中的应用

    安全帽佩戴检测算法

    安全帽佩戴监控是铁路工程施工人员安全管理中的重点和难点,它对检测算法的准确 率与检测速度都有较高的要求。本文提出一种基于神经网络架构搜索的安全帽佩戴检测算法 NAS-YOLO。该神经网络架构由上
    的头像 发表于 06-26 22:22 366次阅读
    安全帽佩戴检测<b class='flag-5'>算法</b>

    纵观全局:YOLO助力实时物体检测原理及代码

    YOLO 流程的最后一步是将边界框预测与类别概率相结合,以提供完整的检测输出。每个边界框的置信度分数由类别概率调整,确保检测既反映边界框的准确性,又反映模型对对象类别的置信度。
    的头像 发表于 03-30 14:43 2276次阅读

    射频功率放大器在钢筋混凝土结构中超声导波检测中的应用

    线,并实现了采用120kHz的模态导波对钢筋与混凝土接触界面进行有效检测。   通过接收到钢筋与混凝土接触界面损伤超声导波波形,在时域内,分析首波峰值,找出了钢筋和混凝土界面剥离长度对
    发表于 02-27 17:17

    AI算法的本质是模拟人类智能,让机器实现智能

    电子发烧友网报道(文/李弯弯)AI算法是人工智能领域中使用的算法,用于模拟、延伸和扩展人的智能。这些算法可以通过机器学习、深度学习、强化学习
    的头像 发表于 02-07 00:07 5647次阅读

    【EASY EAI Nano】RV1126实时读取摄像头并进行yolo检测显示

    实现了三个并行模块,分别是 摄像头读取,使用opencv转换到适合大小 yolo检测 托管到Qt进行现实 检测的DEMO从每帧10次改到每帧2次,可以看到还是具备一定实时性。 代码:仓库
    发表于 01-14 18:53

    浮点LMS算法的FPGA实现

    引言 LMS(最小均方)算法因其收敛速度快及算法实现简单等特点在自适应滤波器、自适应天线阵技术等领域得到了十分广泛的应用。为了发挥算法的最佳性能,必须采用具有大动态范围及运算精度的浮点
    的头像 发表于 12-21 16:40 739次阅读

    基于YOLO技术的植物检测与计数

    利用Roboflow平台对数据进行有效的管理和标注。对于植物检测,使用实时目标检测能力强的YOLO方法。YOLO通过将输入图像划分为网格并预测每个网格单元的边界框和类别概率,在不牺牲精度的情况下实现了令人印象深刻的检测速度。
    的头像 发表于 12-12 09:41 810次阅读
    基于<b class='flag-5'>YOLO</b>技术的植物检测与计数