基于卷积神经网络的预制叠合板多目标智能化检测方法
作者:姚刚; 廖港; 杨阳; 李青泽; 魏伏佳
更新时间:
预制构件在生产过程中尺寸不合格,会导致施工现场安装不顺畅,影响工期。为了推进预制构件的智能化生产过程,以叠合板预制构件为例,研究了基于卷积神经网络的生产过程智能检测方法。设计并在生产线上安装图像采集系统,建立预制叠合板尺寸检测数据集,通过v5算法YOLO实现混凝土底板、嵌入式PVC线盒和延伸钢筋的识别,并以固定磁盒为基准进行尺寸检测。误差分析实现了混凝土底板尺寸和嵌入式PVC线盒坐标的检测,在减少训练数据集参数规模的情况下,保持了较高的识别精度。结果表明,该方法能有效地检测预制底板的数量和尺寸、预埋线盒的数量和坐标,实现弯曲方向不合格延伸钢筋的检测。该方法可以降低人工成本,提高检测精度,加快检测速度,提高预制构件的出厂质量。