一种基于神经网络的钢筋检测分类方法、系统及存储介质与流程

技术特征：
1.一种基于神经网络的钢筋检测分类方法，其特征在于，包括以下步骤：通过电磁波检测模块获取钢筋样品长度信息，横截面面积信息；通过脉冲涡流检测模块获取钢筋样品内部空隙信息；通过太赫兹检测模块获取钢筋样品铁素体和珠光体含量信息；通过钢筋样品的长度信息、重量信息、横截面面积信息、内部空隙信息、铁素体和珠光体含量信息获取钢筋样品的参数信息，根据所述参数信息建立钢筋评价模型；预设参数信息评价权重，通过所述钢筋评价模型生成钢筋样品的评价信息；预设所述钢筋评价指标阈值，通过所述评价信息与所述评价指标阈值进行对比判断，将钢筋样品进行分类处理；通过分析所述钢筋样品的参数信息确定不合格钢筋样品的缺陷。2.根据权利要求1所述的一种基于神经网络的钢筋检测分类方法，其特征在于，根据所述参数信息建立钢筋评价模型，具体包括：获取钢筋样品的参数信息，将所述参数信息中的子信息进行分类，提取自信息特征，生成相应子信息特征数据；对所述子信息特征数据进行权重处理得到权重信息；将所述权重信息与类别特征进行融合，构建各子信息特征数据和类别特征的映射关系将所述映射关系进行表示，建立钢筋评价模型，通过所述钢筋评价模型生成钢筋样品的评价信息。3.根据权利要求1所述的一种基于神经网络的钢筋检测分类方法，其特征在于，构建各子信息特征数据和类别特征的映射关系，则所述映射关系的函数表达式具体为：其中，g表示子信息特征数据和类别特征的映射关系，λ表示比例系数，p表示子信息特征数据总数，i表示子信息特征数据项数，β表示权重信息，f
i
表示表示第i个子信息特征数据，μ(x)表示钢筋评价模型的噪声函数。4.根据权利要求1所述的一种基于神经网络的钢筋检测分类方法，其特征在于，建立神经网络模型，通过所述神经网络模型分析所述钢筋样品的参数信息确定不合格钢筋样品的缺陷，其中神经网络模型的建立具体为:建立初始神经网络模型，将钢筋参数标准数据及钢筋样品检测数据进行预处理，生成初始训练集；将所述初始训练集导入初始神经网络模型中进行迭代训练，根据迭代训练对初始神经网络模型进行相关参数的调整；预设神经网络模型误差阈值，多次迭代训练后对神经网络模型的误差进行计算；当所述误差小于预设误差阈值时，则证明神经网络训练完毕，得到训练后神经网络模型；将钢筋样品参数信息导入训练后神经网络模型，通过神经网络模型对参数信息进行分析，生成钢筋样品的缺陷信息。5.根据权利要求1所述的一种基于神经网络的钢筋检测分类方法，其特征在于，通过神
经网络模型对参数信息进行分析，包括：扫描钢筋样品，利用建模软件生成钢筋三维模型；将钢筋样品参数信息导入神经网络模型；通过反射波于透射波频率特性的变化确定钢筋样品中内部空隙的存在情况；通过样品铁素体和珠光体含量信息分析钢筋脆性和韧性程度信息，确定钢筋样品的最佳折弯区域；根据所述内部空隙的存在情况及钢筋脆性和韧性程度信息结合钢筋重量信息及横截面面积信息生成钢筋样品的缺陷信息；同时通过所述钢筋三维模型将内部空隙及最佳折弯区域进行可视化显示，并将位置区域进行标记。6.根据权利要求1所述的一种基于神经网络的钢筋检测分类方法，其特征在于，所述电磁波检测模块及脉冲涡流检测模块嵌入集成在同一区域，检测激励源产生方波信号或阶跃信号，所述太赫兹检测模块中脉冲源产生太赫兹脉冲信号，通过获取太赫兹脉冲的振幅信息和相位信息，建立钢筋样品中成分信息与时间波形的关系，通过所述时间波形得到钢筋样品的吸收系数和折射率、透射率，确定钢筋样品这种铁素体和珠光体的含量。7.一种基于神经网络的钢筋检测分类系统，其特征在于，该系统包括：存储器、处理器，所述存储器中包括基一种基于神经网络的钢筋检测分类方法程序，所述一种基于神经网络的钢筋检测分类方法程序被所述处理器执行时实现如下步骤：获取钢筋样品的参数信息，根据所述参数信息建立钢筋评价模型；预设参数信息评价权重，通过所述钢筋评价模型生成钢筋样品的评价信息；预设所述钢筋评价指标阈值，通过所述评价信息与所述评价指标阈值进行对比判断，将钢筋样品进行分类处理；通过分析所述钢筋样品的参数信息确定不合格钢筋样品的缺陷。8.根据权利要求7所述的一种基于神经网络的钢筋检测分类系统，其特征在于，根据所述参数信息建立钢筋评价模型，具体包括：获取钢筋样品的参数信息，将所述参数信息中的子信息进行分类，提取自信息特征，生成相应子信息特征数据；对所述子信息特征数据进行权重处理得到权重信息；将所述权重信息与类别特征进行融合，构建各子信息特征数据和类别特征的映射关系将所述映射关系进行表示，建立钢筋评价模型，通过所述钢筋评价模型生成钢筋样品的评价信息。9.根据权利要求7所述的一种基于神经网络的钢筋检测分类系统，其特征在于，通过神经网络模型对参数信息进行分析，包括：扫描钢筋样品，利用建模软件生成钢筋三维模型；将钢筋样品参数信息导入神经网络模型；通过反射波于透射波频率特性的变化确定钢筋样品中内部空隙的存在情况；通过样品铁素体和珠光体含量信息分析钢筋脆性和韧性程度信息，确定钢筋样品的最佳折弯区域；根据所述内部空隙的存在情况及钢筋脆性和韧性程度信息结合钢筋重量信息及横截
面面积信息生成钢筋样品的缺陷信息；同时通过所述钢筋三维模型将内部空隙及最佳折弯区域进行可视化显示，并将位置区域进行标记。10.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质中包括一种基于神经网络的钢筋检测分类方法程序，所述一种基于神经网络的钢筋检测分类方法程序被处理器执行时，实现如权利要求1至6中任一项所述的一种基于神经网络的钢筋检测分类方法的步骤。

技术总结
本发明公开了一种基于神经网络的钢筋检测分类方法及系统及存储介质，包括以下步骤：获取钢筋样品的参数信息，根据所述参数信息建立钢筋评价模型；预设参数信息评价权重，通过所述钢筋评价模型生成钢筋样品的评价信息；预设所述钢筋评价指标阈值，通过所述评分信息与所述评价指标阈值进行对比判断，将钢筋样品进行分类处理；建立神经网络模型，将所述参数信息及评价信息导入神经网络模型中，根据神经网络模型输出结果确定钢筋样品的缺陷。本发明在检测过程中还对钢筋评价模型进行精度补偿，使得数据处理结果更加准确。得数据处理结果更加准确。得数据处理结果更加准确。


技术研发人员：陈毅 黄梓 罗文枫
受保护的技术使用者：广州市稳建工程检测有限公司
技术研发日：2021.08.09
技术公布日：2021/11/4