基于神经网络模型的工程样品识别方法、装置和一体机与流程

本技术涉及工程质量检测，具体涉及一种基于神经网络模型的工程样品识别方法、装置和一体机。

背景技术：

1、建设工程质量检测是保障建筑工程质量安全的重要环节，涉及混凝土试块、砂浆试块、钢筋原材、水泥、砂等多种建筑材料的力学性能和物理性能检测。随着我国基础设施建设已进入高质量发展新阶段，新型基建、城市更新、交通、水利等重点工程持续推进，行业对检测效率、准确性和可追溯性的要求越来越高。

2、相关技术中，人工检测登记样品已向人工智能方向转换，利用神经网络对工程样品进行图像识别的方法，其通常通过拍摄样品图像，提取全局特征并输入分类网络，输出样品的识别类别和置信度。这类方法在一定程度上减少了人工干预，提高了识别自动化水平。

3、然而，在实际检测场景中，在收样、分样和自动化检测闭环流程中，自动化收样和分样对样品识别的准确性具有较高要求，是后续自动化检测的核心前置步骤。而工程样品往往形状不规则、表面纹理复杂、尺寸差异明显，现有神经网络识别方法在处理此类样品时，当模型输出的识别置信度低于预设阈值时，通常直接判定识别失败，要求重新采集图像或转为人工处理。这种处理方式缺乏对样品多维度物理特征（如几何形态、纹理分布、实际尺寸）的综合利用与校正机制，无法在置信度不足的情况下，基于样品自身固有的、与神经网络预测结果相关的特征信息进行结合，从而导致识别精度下降，难以满足建设工程质量检测对高可靠性和高通过率的要求，实现全流程的自动化。

技术实现思路

1、本技术提供了一种基于神经网络模型的工程样品识别方法、装置和一体机，能够提高自动收样和分样识别的准确性，满足高可靠性和高通过率的要求，为自动化检测整体闭环提供坚实的基础。

2、本技术实施例的技术方案如下：

3、第一方面，本技术实施例提供了一种基于神经网络模型的工程样品识别方法，应用于自助智能一体机，所述方法包括：

4、获取放置于目标区域的多角度拍摄的工程样品和待检测文本图像；

5、对不同角度拍摄的所述工程样品进行多维度特征提取，得到不同角度对应的几何提取特征、纹理提取特征和尺寸提取特征，将多角度拍摄的所述工程样品输入预设的目标神经网络模型，得到第一识别结果，所述第一识别结果包括第一识别置信度和第一识别类别；

6、在所述第一识别置信度小于预设的第一置信阈值的情况下，利用所述几何提取特征、所述纹理提取特征和所述尺寸提取特征对所述第一识别类别进行校正，得到第二识别结果，所述第二识别结果包括第二识别置信度和第二识别类别；

7、对所述待检测文本图像进行文本提取识别，得到文本识别结果，在所述第二识别置信度大于第二置信阈值的情况下，将所述第二识别类别和所述文本识别结果进行对比，得到对比结果；

8、在所述对比结果为通过的情况下，根据所述第二识别类别进行样品分样，得到样品信息，并将所述样品信息挂接至预设的数据孪生模型。

9、在上述技术方案中，在自动化检测收样和分样过程中，获取放置于目标区域的多角度拍摄的工程样品和待检测文本图像，无需人工填写样品信息和样品单据，减少人工带来的信息错漏，为后续识别提供数据基础；针对多角度图像融合与多维特征提取，弥补单一视角或单一特征的局限性，使神经网络能够更全面地捕捉样品固有属性，获得高置信度的初始识别结果；在识别的置信度小于第一置信阈值时，复用已提取的几何、纹理、尺寸等物理特征对识别结果进行自主校正，有效提升识别可靠性与通过率，避免因单次识别失败而重复采集或人工干预，保障检测流程的连续性和稳定性；自动提取待检测文本图像信息，并与识别校正后的样品类别进行比对，极大降低因见证流程不合规或委托信息错误导致的检测风险，提高检测合规性与数据准确性，根据校正后的准确类别自动完成样品分样，并生成结构化的样品信息；同时将信息实时挂接至数据孪生模型，为后续检测过程的全流程追溯、状态实时监控、试验数据自动关联及质量闭环管理提供可靠的数字底座。

10、第二方面，本技术实施例提供了一种基于神经网络模型的工程样品识别装置，应用于自助智能一体机，所述装置包括：

11、数据获取模块，用于获取放置于目标区域的多角度拍摄的工程样品和待检测文本图像；

12、数据识别模块，用于对不同角度拍摄的所述工程样品进行多维度特征提取，得到不同角度对应的几何提取特征、纹理提取特征和尺寸提取特征，将多角度拍摄的所述工程样品输入预设的目标神经网络模型，得到第一识别结果，所述第一识别结果包括第一识别置信度和第一识别类别；

13、识别校正模块，用于在所述第一识别置信度小于预设的第一置信阈值的情况下，利用所述几何提取特征、所述纹理提取特征和所述尺寸提取特征对所述第一识别类别进行校正，得到第二识别结果，所述第二识别结果包括第二识别置信度和第二识别类别；

14、文本识别模块，用于对所述待检测文本图像进行文本提取识别，得到文本识别结果，在所述第二识别置信度大于第二置信阈值的情况下，将所述第二识别类别和所述文本识别结果进行对比，得到对比结果；

15、分样挂载模块，用于在所述对比结果为通过的情况下，根据所述第二识别类别进行样品分样，得到样品信息，并将所述样品信息挂接至预设的数据孪生模型。

16、第三方面，本技术实施例提供了一种自助智能一体机，包括处理器、存储器、用户接口、通信总线及网络接口，所述处理器、所述存储器、所述用户接口及所述网络接口分别与所述通信总线连接，所述存储器用于存储指令，所述用户接口和网络接口用于给其他设备通信，所述处理器用于执行所述存储器中存储的指令，以使所述自助智能一体机执行如第一方面提供的任意一项所述的方法。

17、第四方面，本技术实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有指令，当所述指令被执行时，执行上述第一方面提供的任意一项所述的方法。

18、综上所述，本技术实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

19、1、由于采用了在自动化检测收样和分样过程中，获取放置于目标区域的多角度拍摄的工程样品和待检测文本图像，无需人工填写样品信息和样品单据，减少人工带来的信息错漏，为后续识别提供数据基础；针对多角度图像融合与多维特征提取，弥补单一视角或单一特征的局限性，使神经网络能够更全面地捕捉样品固有属性，获得高置信度的初始识别结果；在识别的置信度小于第一置信阈值时，复用已提取的几何、纹理、尺寸等物理特征对识别结果进行自主校正，有效提升识别可靠性与通过率，避免因单次识别失败而重复采集或人工干预，保障检测流程的连续性和稳定性；自动提取待检测文本图像信息，并与识别校正后的样品类别进行比对，极大降低因见证流程不合规或委托信息错误导致的检测风险，提高检测合规性与数据准确性，根据校正后的准确类别自动完成样品分样，并生成结构化的样品信息；同时将信息实时挂接至数据孪生模型，为后续检测过程的全流程追溯、状态实时监控、试验数据自动关联及质量闭环管理提供可靠的数字底座。所以，有效解决了相关技术中识别精度下降，难以满足建设工程质量检测对高可靠性和高通过率的要求，实现全流程的自动化的问题。

20、2、通过标准化预处理彻底消除光照、背景、噪声干扰，多维度特征精准量化样品形态、纹理、尺寸核心差异，弥补单一视觉特征的局限性；改进resnet-50模型通过多通道融合和注意力机制强化关键识别特征，识别出各个特征之间的关联性，输出初始分类结果，兼顾识别速度与基础精度。