摘要
本发明公开了一种基于深度视觉的预制梁钢筋骨架质量检测方法及系统,方法包括:基于双目结构光相机获取钢筋骨架的深度图和RGB图;采集钢筋骨架图片数据,对原始数据进行预处理操作后完成数据标注;并将标注后的数据集切分为训练集、验证集和测试集;采用ResNet‑FPN作为Mask R‑CNN的主干网络,用于提取图像的多尺度特征;基于ResNet‑FPN构建边缘检测模型;将边缘检测模型除主干网络的其余部分作为边缘检测分支集成至原始Mask R‑CNN模型中;在掩膜分支中引入特征融合模块,该模块结合边缘检测分支中的形状和位置特征;根据钢筋实例分割结果,计算钢筋的实际直径以及相邻钢筋之间的距离,并根据设计标准进行评估。克服现有只适用于单层钢筋网片、计算效率低等问题。
技术关键词
钢筋骨架
边缘检测模型
双目结构光
掩膜
深度图
分支
实例分割
视觉
像素
顶层钢筋网片
相机
图像细化算法
sigmoid函数
距离检测方法
坐标
训练集
两点间距离
中心线
系统为您推荐了相关专利信息
汽车内饰注塑件
像素点
缺陷检测方法
计算机视觉
标记方式
图像实例分割方法
深度特征提取网络
实例分割模型
卷积模块
特征融合网络
动作识别模型
生成提示词
参数
场景
深度图像数据
立体图像特征
多任务
车辆周围环境
自动驾驶系统
环视相机
噪声数据
掩膜
数据特征提取
边缘密度特征
融合方法