Abstract：
为了解决传统钢筋间距测量方法在施工现场复杂背景和噪声下精度不佳的问题,利用YOLO-Pose算法提出了一种新的检测方法.该方法通过深度学习技术识别钢筋交点关键点,相比传统方法具备更高的鲁棒性和适应性.经过对不同检测网络的比较,YOLOv8-Pose模型在钢筋交点检测任务中表现出色,关键点检测平均准确率mAP-kp达到99.3％,FPS为77.实验结果显示,该方法通过像素标定和直径检测,能够精确计算钢筋间距,平均相对误差为2.6％,最大相对误差为8.9％,符合GB50204-2015混凝土结构工程施工质量验收规范标准.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
佳木斯大学学报（自然科学版）
ISSN： 1008-1402
Year： 2024
Issue： 11
Volume： 42
Page： 65-70
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 2
Affiliated Colleges：
