[发明专利]一种基于深度学习的棒材检测方法、装置及设备

说明书

本发明公开了一种基于深度学习的棒材检测方法，包括：将实时采集的感兴趣区域的图像输入至预先训练的基于深度学习神经网络的目标检测模型，得到置信度大于设置的置信度阈值的金属棒材的位置信息。本发明用于统计不同场景下金属棒材数量与测量其直径，并替换人工计数测量与利用传统算法测量的现状，旨在提高金属棒材计数及测量的效率与效果。

技术领域

本发明涉及图像识别领域，尤其涉及一种基于深度学习的棒材检测方法、装置及设备。

背景技术

在金属棒材产品生产与应用过程中，多个领域涉及到金属棒材的计数与测量，如在精整打捆前需要对金属棒材进行计数及测量，保证打捆的正确性；在成品库中，需要对金属棒材进行计数与测量，方便库房的记录与管理；在城建应用中，也需要对金属棒材进行计数与测量，保证城建施工顺利进行。传统的金属钢材计数方法包括人工计数与利用传统算法识别计数，对于人工计数方法，其耗时长久且准确度不高。对于传统算法识别，如霍夫圆检测、边缘检测，轮廓检测等方法，其无法适应多变的天气与场景情况，鲁棒性低。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种基于深度学习的棒材检测方法、装置及设备，用于解决现有技术的缺陷。

为实现上述目的及其他相关目的，本发明提供一种基于深度学习的棒材检测方法，包括：

将实时采集的感兴趣区域的图像输入至预先训练的基于深度学习神经网络的目标检测模型，得到置信度大于设置的置信度阈值的金属棒材的位置信息；

基于所述金属棒材的位置信息，确定所述金属棒材的数量。

可选地，所述感兴趣区域为金属棒材的端面区域。

可选地，所述棒材的位置信息为：

[[x₁min，y₁min，x₁max，y₁max]，

[x₂min，y₂min，x₂max，y₂max]，

[x₃min，y₃min，x₃max，y₃max]，

…

[x_nmin，y_nmin，x_nmax，y_nmax]]

其中，x_n min、y_n min分别为第n个金属棒材识别框在图像中的左上角的横坐标、纵坐标；x_n max、y_n max分别为第n个金属棒材识别框在图像中右下角的横坐标、纵坐标。

可选地，所述基于所述金属棒材的位置信息，确定所述金属棒材的数量，包括：

基于所述金属棒材的位置信息，得到位置信息的个数n；

根据所述位置信息的个数n得到金属棒材的数量。

可选地，采用SSD-MobileNet，Yolov、Fast-RCNN训练得到目标检测模型。

可选地，所述基于深度学习神经网络的目标检测模型的获取方法，包括：

获取金属棒材图片并对所述金属棒材进行数据标注，框出图中金属棒材的横截面并记录下识别框的位置信息，并构建训练集；

将所述训练集输入至基于深度学习的目标检测神经网络，使用目标检测神经网络对图像中的金属棒材特征进行提取学习，得到目标检测模型。