基于改进DeeplabV3+的钢筋尺寸检测算法

钢筋混凝土工程的建造规模与要求日益提升，传统的钢筋检验方法无法在效率和数量上满足工程检查的需求，且施工现场钢筋背景环境复杂多变，单一的图像识别算法无法利用到钢筋的特征信息，在精度上不能满足建筑智能监理的验收标准。为了解决这方面的问题，提出一种改进的DeeplabV3+模型对钢筋识别。研究表明：通过减小空洞卷积膨胀率以及空洞卷积密度，降低模型感受野，提高了细部边缘特征信息的提取率；通过加入注意力机制实现模型对钢筋特征信息的敏感程度。之后利用图像处理技术对识别图进行检测，获得钢筋各项尺寸。在施工现场收集钢筋图像并整理成数据集，并在此数据集上进行算法检验。实验结果表明，改进的DeeplabV3+模型和原模型相比，在平均交并比、像素精确率、召回率上分别提升了5.14%、0.27%、5.19%,钢筋直径和间距的尺寸检测精度也达到了工程验收的标准。