1.基于计算机视觉技术的隐蔽工程钢筋质量自动检测方法,其特征在于,包括如下步骤:步骤1,采集不同带肋形状和尺寸的钢筋样本图像,并对采集的图像进行数据增强处理,对处理后的图像进行肋骨区域标注及钢筋中心区域位置、尺寸标注,得到绑扎钢筋数据集;
步骤2,使用步骤1所得的数据集对YOLOv8目标检测网络进行训练得到目标检测模型;
步骤3,将经预处理的需要检测的图像输入到步骤2所得的目标检测模型中进行目标识别,得到图像中所有钢筋数量与位置信息;
步骤4,依据步骤3所得的钢筋位置信息提取轮廓,并利用尺寸计算算法进行尺寸计算;
步骤5,将步骤4所得的尺寸及步骤3所得的钢筋数量与设计文件中注明的钢筋规格进行比对,判定指标误差是否符合验收标准;
所述步骤2中对YOLOv8目标检测网络进行训练时添加肋骨抑制损失函数,调整yolov8损失函数,降低肋骨区域对模型训练的影响。
2.根据权利要求1所述的基于计算机视觉技术的隐蔽工程钢筋质量自动检测方法,其特征在于,所述步骤4中尺寸计算具体为:对相机进行畸变校正,选取一段尺寸已知的物体,计算像素和实际尺寸之间转换比例,钢筋的直径为边界框宽度与像素和实际尺寸之间转换比例的乘积。
3.根据权利要求2所述的基于计算机视觉技术的隐蔽工程钢筋质量自动检测方法,其特征在于,所述相机畸变校正过程包括:准备标准棋盘格图案,其中每个小方格的尺寸均为已知,作为标定的基准;采集不同角度不同位置的棋盘格图像,每张棋盘格图像中棋盘格的角点分布在不同位置和方向;利用OpenCV库中的findChessboardCorners函数对每张图像中的棋盘格角点进行检测;采用calibrateCamera函数计算相机的内外部参数。
4.根据权利要求1所述的基于计算机视觉技术的隐蔽工程钢筋质量自动检测方法,其特征在于,所述步骤1中数据增强处理包括但不限于旋转、缩放、翻转、裁剪、平移以及色彩变换。
5.根据权利要求1所述的基于计算机视觉技术的隐蔽工程钢筋质量自动检测方法,其特征在于,所述步骤1中采用labelme工具在图像上标注出每根钢筋的最小外接矩形,并标注相应的位置信息和尺寸信息。
6.根据权利要求1所述的基于计算机视觉技术的隐蔽工程钢筋质量自动检测方法,其特征在于,所述YOLOv8目标检测网络损失函数为:;
其中,为总损失,是权重图的值;为定位损失的权重,为分类损失的权重;为定位损失,为交叉熵损失;是预测的边框,是真实的边框;是预测的类别,是真实类别。