基于YOLO算法實(shí)現(xiàn)鋼筋數(shù)量的智能盤點(diǎn)

建筑工地在鋼筋成車來料時(shí)，需要人工清點(diǎn)數(shù)量，然后才能開展后續(xù)工作，不僅效率低，而且增加運(yùn)營成本。隨著大數(shù)據(jù)時(shí)代的到來，建筑行業(yè)希望借助智能終端設(shè)備來減少勞動力的投入，打破傳統(tǒng)的桎梏。本文利用YOLO算法實(shí)現(xiàn)鋼筋數(shù)量的智能盤點(diǎn)。

在工地現(xiàn)場，對于進(jìn)場的鋼筋車，驗(yàn)收人員需要對車上的鋼筋進(jìn)行現(xiàn)場人工點(diǎn)根，確認(rèn)數(shù)量后鋼筋車才能完成進(jìn)場卸貨。目前現(xiàn)場采用人工計(jì)數(shù)的方式。

鋼筋點(diǎn)跟現(xiàn)場場景上述過程繁瑣、消耗人力且速度很慢（一般一車鋼筋需要半小時(shí)，一次進(jìn)場盤點(diǎn)需數(shù)個(gè)小時(shí)）。針對上述問題，希望通過手機(jī)拍照-》目標(biāo)檢測計(jì)數(shù)-》人工修改少量誤檢的方式智能、高效的完成此任務(wù)：

主要難點(diǎn)

（1）精度要求高（High precision requirement ）

鋼筋本身價(jià)格較昂貴，且在實(shí)際使用中數(shù)量很大，誤檢和漏檢都需要人工在大量的標(biāo)記點(diǎn)中找出，所以需要精度非常高才能保證驗(yàn)收人員的使用體驗(yàn)。需要專門針對此密集目標(biāo)的檢測算法進(jìn)行優(yōu)化，另外，還需要處理拍攝角度、光線不完全受控，鋼筋存在長短不齊、可能存在遮擋等情況。

（2）鋼筋尺寸不一（Various dimensions of rebars）

鋼筋的直徑變化范圍較大（12-32中間很多種類）且截面形狀不規(guī)則、顏色不一，拍攝的角度、距離也不完全受控，這也導(dǎo)致傳統(tǒng)算法在實(shí)際使用的過程中效果很難穩(wěn)定。

（3）邊界難以區(qū)分（Indistinguishable boundaries ）

一輛鋼筋車一次會運(yùn)輸很多捆鋼筋，如果直接全部處理會存在邊緣角度差、遮擋等問題效果不好，目前在用單捆處理+最后合計(jì)的流程，這樣的處理過程就會需要對捆間進(jìn)行分割或者對最終結(jié)果進(jìn)行去重，難度較大。

基于鋼筋進(jìn)場現(xiàn)場的圖片和標(biāo)注，綜合運(yùn)用計(jì)算機(jī)視覺和機(jī)器學(xué)習(xí)/深度學(xué)習(xí)等技術(shù)，實(shí)現(xiàn)拍照即可完成鋼筋點(diǎn)根任務(wù)，大幅度提升建筑行業(yè)關(guān)鍵物料的進(jìn)場效率和盤點(diǎn)準(zhǔn)確性，將建筑工人從這項(xiàng)極其枯燥繁重的工作中解脫出來。

審核編輯：郭婷