基于改进Mask R-CNN的建筑钢筋尺寸检测算法

摘要：

建筑施工现场钢筋图像背景复杂且干扰较多,传统图像检测算法无法有效利用特征信息,难以满足现阶段建筑智能监理行业中钢筋尺寸检测精度的验收要求.提出一种在Mask R-CNN模型基础上加入自下而上路径和注意力机制的改进模型BU-CS Mask R-CNN.在建筑工地现场拍摄图像后,整理自建钢筋数据集,并在此数据集上进行算法验证.实验结果表明,与Mask R-CNN模型相比,BU-CS Mask R-CNN模型的召回率、交并比和像素准确率分别提升了4.9％、6.8％、7.4％,钢筋直径和间距的尺寸检测精度分别提升了14.9％、4.4％,能得到更加准确的钢筋目标检测框和边缘分割掩膜,达到了行业中实际工程验收的精度要求.

关键词：建筑智能监理;钢筋尺寸测量;Mask R-CNN模型;自下而上路径;注意力机制

所属期刊栏目：47

分类号：TP391(计算技术、计算机技术)

资助基金：国家重点研发计划"大尺寸氢化物气相外延设备技术及外延"2017YFB0404201

在线出版日期：2021-11-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：274-281