【技术实现步骤摘要】
本申请涉及人工智能，尤其是一种钢筋检测方法、系统、设备及存储介质。
技术介绍
1、钢筋混凝土结构在建筑工程中得到了广泛应用，而对于钢筋的定位和检测是工程中重要的任务之一。传统的钢筋检测方法，通常需要拆除部分结构或使用昂贵的设备，效率低且不能实现实时监测。因此，如何实现一种高效、准确的钢筋检测方法成为当前工程领域急需解决的问题。
2、相关技术中，存在有基于深度学习模型等人工智能技术实现建筑内钢筋检测的应用，但是，在实际应用中发现，现有的算法往往存在误报率过高的问题，如将其他物体误判为钢筋或者存在钢筋没有识别出来，从而影响检测结果的准确性。
3、因此，现有技术存在的问题还亟需解决和优化。
技术实现思路
1、本申请的目的在于至少一定程度上解决相关技术中存在的技术问题之一。
2、为此，本申请实施例的一个目的在于提供一种钢筋检测方法、系统、设备及存储介质。
3、为了达到上述技术目的，本申请实施例所采取的技术方案包括：
4、一方面，本申请实施例提供了一种钢筋检测方法，所述方法包括：
5、获取待检测地点的第一地质信息和第一地下介质参数；
6、通过探地雷达设备对所述待检测地点进行探测，得到第一雷达数据；
7、将所述第一地质信息、所述第一地下介质参数和所述第一雷达数据输入到训练好的钢筋目标检测模型中，通过所述钢筋目标检测模型预测所述待检测地点下的建筑对象，得到第一检测结果；所述第一检测结果用于表征所述钢筋
8、根据所述第一检测结果，确定所述待检测地点对应的钢筋检测结果。
9、另外，根据本申请上述实施例的一种钢筋检测系统，还可以具有以下附加的技术特征：
10、进一步地，在本申请的一个实施例中，所述钢筋目标检测模型通过以下步骤训练得到：
11、获取多个参考地点的第二地质信息、第二地下介质参数和第一标签数据；其中，所述第一标签数据用于表征所述参考地点下的各个建筑对象的类别信息和位置信息的标记结果；
12、通过探地雷达设备对所述参考地点进行探测，得到第二雷达数据；
13、将所述第二地质信息、所述第二地下介质参数和所述第二雷达数据输入到待优化的钢筋目标检测模型中，通过所述钢筋目标检测模型预测所述参考地点下的建筑对象，得到第二检测结果；所述第二检测结果用于表征所述钢筋目标检测模型预测所述参考地点下的各个建筑对象的第二类别信息和第二位置信息；
14、根据所述第二检测结果和所述第一标签数据，确定第一损失值；
15、根据所述第一损失值，对所述钢筋目标检测模型的参数进行更新，得到训练好的钢筋目标检测模型。
16、进一步地，在本申请的一个实施例中，所述根据所述第二检测结果和所述第一标签数据，确定第一损失值，包括：
17、基于预定的损失函数，根据各个对应的所述第二检测结果和所述第一标签数据，确定原始损失值；
18、根据对应的建筑对象的类别信息，将所述原始损失值划分为第二损失值和第三损失值；其中，所述第二损失值为钢筋对象对应的损失值，所述第三损失值为非钢筋对象对应的损失值；
19、对所述第二损失值和所述第三损失值进行加权求和，得到所述第一损失值；其中，所述第二损失值对应的加权权重大于所述第三损失值对应的加权权重。
20、进一步地，在本申请的一个实施例中，所述损失函数包括交叉熵损失函数。
21、进一步地，在本申请的一个实施例中，所述钢筋目标检测模型通过以下步骤训练得到：
22、获取多个参考地点的第二地质信息、第二地下介质参数和人工对部分所述参考地点标记得到的第一标签数据；其中，所述第一标签数据用于表征所述参考地点下的各个建筑对象的类别信息和位置信息的标记结果；
23、通过探地雷达设备对所述参考地点进行探测，得到第二雷达数据；
24、根据已进行标记的参考地点对应的第一训练数据对待优化的钢筋目标检测模型进行训练，得到第一钢筋目标检测模型；其中，所述第一训练数据包括已进行标记的参考地点对应的第二地质信息、第二地下介质参数和第一标签数据；
25、通过所述第一钢筋目标检测模型预测未进行标记的参考地点下的建筑对象，得到第三检测结果；
26、将未进行标记的参考地点对应的第二地质信息、第二地下介质参数和所述第三检测结果输入到训练好的条件生成对抗网络中，通过所述条件生成对抗网络生成未进行标记的参考地点对应的第二标签数据；
27、根据未进行标记的参考地点对应的第二训练数据对所述第一钢筋目标检测模型进行微调训练，得到训练好的钢筋目标检测模型；其中，所述第二训练数据包括未进行标记的参考地点对应的第二地质信息、第二地下介质参数和第二标签数据。
28、进一步地，在本申请的一个实施例中，所述条件生成对抗网络通过以下步骤训练得到：
29、将未进行标记的参考地点对应的第二地质信息、第二地下介质参数和所述第三检测结果输入到待优化的条件生成对抗网络的生成器中，通过所述条件生成对抗网络生成未进行标记的参考地点对应的标签预测数据；
30、将所述第一训练数据、第三训练数据输入到条件生成对抗网络的判别器中，得到判别结果；其中，所述第三训练数据包括未进行标记的参考地点对应的第二地质信息、第二地下介质参数和标签预测数据；
31、根据所述判别结果，确定训练的第四损失值；
32、根据所述第四损失值，对所述条件生成对抗网络的参数进行更新，得到训练好的条件生成对抗网络。
33、进一步地，在本申请的一个实施例中，在得到所述第一雷达数据的步骤之后，所述方法还包括：
34、对所述第一雷达数据进行去噪处理以及归一化处理。
35、另一方面，本申请实施例提供了一种钢筋检测系统，所述系统包括：
36、获取单元，用于获取待检测地点的第一地质信息和第一地下介质参数；
37、探测单元，用于通过探地雷达设备对所述待检测地点进行探测，得到第一雷达数据；
38、预测单元，用于将所述第一地质信息、所述第一地下介质参数和所述第一雷达数据输入到训练好的钢筋目标检测模型中，通过所述钢筋目标检测模型预测所述待检测地点下的建筑对象，得到第一检测结果；所述第一检测结果用于表征所述钢筋目标检测模型预测所述待检测地点下的各个建筑对象的第一类别信息和第一位置信息；
39、处理单元，用于根据所述第一检测结果，确定所述待检测地点对应的钢筋检测结果。
40、另一方面，本申请实施例提供一种计算机设备，包括：
41、至少一个处理器；
42、至少一个存储器，用于存储至少一个程序；
43、当所述至少一个程序被所述至少一个处理器执行时，使得所述至少一个处理器实现上述的一种钢筋检测本文档来自技高网...
【技术保护点】
1.一种钢筋检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种钢筋检测方法，其特征在于，所述钢筋目标检测模型通过以下步骤训练得到：
3.根据权利要求2所述的一种钢筋检测方法，其特征在于，所述根据所述第二检测结果和所述第一标签数据，确定第一损失值，包括：
4.根据权利要求3所述的一种钢筋检测方法，其特征在于，所述损失函数包括交叉熵损失函数。
5.根据权利要求1所述的一种钢筋检测方法，其特征在于，所述钢筋目标检测模型通过以下步骤训练得到：
6.根据权利要求5所述的一种钢筋检测方法，其特征在于，所述条件生成对抗网络通过以下步骤训练得到：
7.根据权利要求1所述的一种钢筋检测方法，其特征在于，在得到所述第一雷达数据的步骤之后，所述方法还包括：
8.一种钢筋检测系统，其特征在于，所述系统包括：
9.一种计算机设备，其特征在于，包括：
10.一种计算机可读存储介质，其中存储有处理器可执行的程序，其特征在于：所述处理器可执行的程序在由处理器执行时用于实现如权利要求1-7中
...【技术特征摘要】
1.一种钢筋检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种钢筋检测方法，其特征在于，所述钢筋目标检测模型通过以下步骤训练得到：
3.根据权利要求2所述的一种钢筋检测方法，其特征在于，所述根据所述第二检测结果和所述第一标签数据，确定第一损失值，包括：
4.根据权利要求3所述的一种钢筋检测方法，其特征在于，所述损失函数包括交叉熵损失函数。
5.根据权利要求1所述的一种钢筋检测方法，其特征在于，所述钢筋目标检测模型通过以下步骤训练得到：
<...【专利技术属性】
技术研发人员：张维镇，利嘉豪，刘奕显，詹霖凡，
申请(专利权)人：广州水木星尘信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。