(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210478695.9 (22)申请日 2022.05.05 (71)申请人 惠州学院 地址 516007 广东省惠州市惠城区河南岸 冷水坑 (72)发明人 黄思博　邱嘉伟　黄剑锋　崔晗　 魏晓慧　蔡昭权　罗中良　 (74)专利代理 机构 广州三环 专利商标代理有限 公司 44202 专利代理师 邓聪权 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/762(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种成捆钢筋端面的识别计数及中心定位 方法与其存 储器 (57)摘要 本发明涉及机器视觉技术领域， 特别涉及一 种成捆钢筋端面的识别计数及中心定位方法与 其存储器， 该方法包括S1， 拍摄钢筋端面的 图像， 处理后获得待识别图像； S2， 采用第一预设算法 对所述待识别图像进行数据增强操作； S3， 采用 具有轻量级卷积神经网络的第二预设算法在所 述待识别图像中形成最终检测框， 并计算所述最 终检测框的数量； S4， 生成计数结果。 本发明的提 出解决了现有的钢筋端面识别技术通常采用普 通机器视觉算法进行， 导致的计数结果不准确， 无法满足 实用性需要的问题。 权利要求书2页 说明书6页 CN 115222652 A 2022.10.21 CN 115222652 A 1.一种成捆钢筋端面的识别计数及中心定位方法， 其特 征在于， 包括以下步骤： S1， 拍摄钢筋端面的图像， 处 理后获得待识别图像； S2， 采用第一预设算法对所述待识别图像进行 数据增强操作； S3， 采用具有轻量级卷积神经网络的第二预设算法在所述待识别图像 中形成最终检测 框， 并计算所述 最终检测框的数量； S4， 生成计数 结果。 2.根据权利要求1所述的一种成捆钢筋端面的识别计数及中心定位方法， 其特征在于， 所述步骤S3具体包括： S31， 预先形成包括具有轻量级卷积神经网络的第二预设算法； S32， 采用所述第 二预设算法在所述待识别图像 中形成最终检测框， 并计算所述最终检 测框的数量； 其中， 步骤S31中的第二预设算法具体为， 通过改进其骨干特征提取网络， 将YoloV3原 网络中的Dark net53骨干特征提取网络替换成Shf flenetv2骨干特 征提取网络 。 3.根据权利要求2所述的一种成捆钢筋端面的识别计数及中心定位方法， 其特征在于， 所述步骤S31具体包括： S311， 对训练图像进行聚类操作形成锚框； S312， 对训练图像进行划分， 并形成多个小分块； S313， 在每一小分块中生成多个矩形框， 且所述矩形框的长 宽由所述锚框确定； S314， 对同一所述小分块下的多个矩形框进行微调后形成初级检测框； S315， 判断任一所述小分块中是否包含目标检测物， 若是则计算当前所述小分块中的 多个初级检测框与训练图像的真实框间的IOU值， 若所有所述初级检测框都大于设定阈值 时， 选取IOU值 最大的所述初级检测框作为 正样本； S316， 保存所述 正样本的框形后生成具 备轻量级卷积神经网络的第二预设算法。 4.根据权利要求3所述的一种成捆钢筋端面的识别计数及中心定位方法， 其特征在于， 所述步骤S314具体包括： S314a， 获取 所述锚框的多个参数值； S314b， 根据获取的多个所述 参数值对所述矩形框进行调整后形成初级检测框； 其中， 所述步骤S314a中的所述多个参数值包括四个拐角的坐标值， 并分别记为tx， ty， tw， th， 还包括所述锚框相对训练图像的偏移量(cx， cy)； 所述步骤S314b中， 对所述矩形框进行调整包括以下公式， bx＝σ(tx)+cx； by＝σ(ty)+cy； 记当前所述矩形框的宽度为pw， 所述矩形框的高度为ph； 记所述矩形框坐标的真实值为 所述预设坐标值 为t*。权　利　要　求　书 1/2 页 2 CN 115222652 A 25.根据权利要求4所述的一种成捆钢筋端面的识别计数及中心定位方法， 其特征在于， 在所述步骤S315后， 步骤S316之前， 设置有步骤： SX， 采用以下公式进行损失计算， Wbox＝2.0 ‑tw*th Loss＝lossbox+lossconf+lossclass 其中， 其中S2代表训练图像大小为S乘S， B代表box， 代表若在坐标[i,j]处的box有 目标则其值为1否则为0， 主要计算3个损失函数， 分别是与真实框中心坐标， 宽高之间的损 失， 以及预测框中是否包含检测物的损失， 以及预测类别损失最 终将3种损失进 行相加作为 一个层级的损失函数值， 最终计算损失时采用三个层级损失函数的平均 作为最终损失值。 6.根据权利要求1～5任一项所述的一种成捆钢筋端面的识别计数及中心定位方法， 其 特征在于： 所述步骤S1中， 所述处理后获得待识别图像， 包括， 图像随机翻转， 随机缩放， 随机裁 剪， 随机改变亮暗。 7.根据权利要求1～5任一项所述的一种成捆钢筋端面的识别计算及中心定位方法， 其 特征在于： 所述步骤S2中， 所述采用第一预设算法对所述待识别图像进行数据增强操作， 包括， 对 脏污或纹理等数据集进行 Fmix增强混合。 8.一种计算机可读存储器， 其特征在于： 所述计算机可读存储器包括存储的计算机程 序， 其中在所述计算机程序运行时控制所述计算机可读存储器所在设备执行如权利要求1 ～7任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115222652 A 3