“AI数钢筋”——通过人工智能技术实现钢筋数量统计的整体方案解读。

导读：在社会智能化的大趋势下，越来越多的传统行业开始向数字化转型，建筑行业也不例外，正在被AI技术悄然改变。

钢筋是建筑业的核心材料，但庞大的数量、复杂的现场环境以及人工点验容易出错等问题，让钢筋计数成了棘手环节。那么，如何快速、准确地完成这一对建筑施工至关重要的节点？今天就来聊聊“AI数钢筋”——借助人工智能技术实现钢筋数量统计的整体思路。

1 问题背景

钢筋数量统计贯穿钢材生产、销售和建筑施工的全链条。目前工地现场多采用人工计数：验收人员对进场车辆上的钢筋逐根清点，打捆后用不同颜色标记区分是否已计数，确认数量后车辆才能卸货。这种方式耗时耗力、效率低下，而且工人长时间高强度工作容易视觉疲劳、大脑迟钝，计数误差随之增大。人工计数已经无法满足钢筋生产厂家的自动化需求，也无法保证工地物料盘点的精准性。这种现状倒逼钢筋数量统计向智能化方向演进。

所谓“AI数钢筋”，就是利用多目标检测机器视觉方法，实现钢筋数量的智能统计，提升劳动效率和计数精确性。目标检测算法与摄像头结合，可以自动识别并计数钢筋，再辅以少量人工修正误检，就能智能、高效地完成这一任务。

2 算法介绍

2.1 目标检测介绍

先来看看什么是目标检测。

目标检测是图像分类任务的进阶版：不仅要识别出图片中各种类别的目标，还要把每个目标的位置找出来，用矩形框框住。

上图是目标检测的典型结果——检测出的目标被边界框圈出，框上方还显示出该目标属于该分类的置信度得分。

2.2 目标检测算法的基本流程

目标检测本质上要同时解决定位和识别两个问题。传统目标检测算法的基本流程是：给定待检测图片，先通过滑动窗口提取候选框；接着对每个窗口的局部信息进行特征提取；然后对候选区域作分类判定，判断当前窗口中的对象是目标还是背景；最后用非极大值抑制（NMS）筛选，去除重复窗口，找到最佳检测位置。

2.3 算法选择

本次钢筋计数任务选用单阶段目标检测YOLO系列算法。YOLO系列是目前使用最广的目标检测算法，最大特点就是检测速度快，而且检测精度（mAP）也在逐步提升，因此成为时下最热门的算法之一。YOLO系列共有五个版本，其中YOLO v1到v3由Joseph设计，YOLO v4到v5由其他作者完成。目前YOLO v1到v4已有论文和算法结构，YOLO v5则只有结构设计、尚未发表论文。因此我们选择较新的YOLO v5作为本次研究的对象。

YOLO算法将目标检测转化为回归问题，直接在输入图像的多个位置上回归出目标边框和类别。给定输入图像，将其划分为S×S网格，如果某目标的中心落在某个网格中，该网格就负责预测该目标。每个网格预测B个边界框及置信度（包含目标的可能性及边框准确性），此外还需预测多个类别的概率。完成预测后，根据阈值滤除低置信度的窗口，再用NMS去除冗余窗口，整个过程简洁高效，不需要中间的候选框生成网络。下图是YOLO v5的基本框架：

由图可知，YOLO v5主要由输入端、Backbone、Neck和Prediction四部分组成。各部分含义如下：

Backbone：在不同图像细粒度上聚合并形成图像特征的卷积神经网络。

Neck：一系列混合和组合图像特征的网络层，将图像特征传递到预测层。

Prediction（输出端）：对图像特征进行预测，生成边界框并预测类别。

YOLO v5各组成部分包括的基础组件有：

CBL：由Conv+BN+Leaky_relu激活函数组成。

Res unit：借鉴ResNet中的残差结构，用于构建深层网络。

CSP1_X：借鉴CSPNet结构，由CBL模块、Res unit模块以及卷积层、Concate组成。

CSP2_X：借鉴CSPNet结构，由卷积层和X个Res unit模块Concate而成。

Focus：先将多个slice结果Concat，再送入CBL模块。

SPP：采用1×1、5×5、9×9和13×13的最大池化，进行多尺度特征融合。

YOLO v5各组成部分详细介绍

(1) 输入端

YOLO v5使用Mosaic数据增强操作提升训练速度和网络精度，并提出了自适应锚框计算与自适应图片缩放方法。

Mosaic数据增强：利用四张图片，按照随机缩放、随机裁剪和随机排布的方式拼接成一张新图片，每张图片都有对应的框，拼接后获得新图片及其对应的框，然后将其传入网络学习。这样一次相当于传入四张图片，极大地丰富了检测物体的背景，并且在标准化BN计算时一次计算四张图片的数据，因此对batch size的依赖较小。

自适应锚框计算：YOLO系列算法针对不同数据集需要设定特定长宽的锚点框。训练时，模型在初始锚点框基础上输出预测框，计算与GT框的差距并反向更新参数。YOLO v3和v4需要单独运行程序获得初始锚点框，而YOLO v5将此功能嵌入代码中，每次训练时根据数据集名称自适应计算出最佳锚点框。用户可以根据需求选择关闭或打开此功能。

自适应图片缩放：不同图片的长宽不同，常用方法是将原始图片统一缩放到标准尺寸再送入网络YOLO v5通过自适应添加最少的黑边进一步提升推理速度步骤如下：① 根据原始图片大小和网络输入图片大小计算缩放比例

② 根据原始图片大小与缩放比例计算缩放后的图片大小

③ 计算黑边填充数值

其中416表示YOLO v5网络要求的图片宽度，312表示缩放后图片的宽度。先相减得到需要填充的黑边长度104，再对104取余（104%32=8，32是因为整个网络执行了5次下采样），最后除以2，将填充区域分散到两边。这样将416×416的图片缩小为416×320，极大提升了推理速度。

(2) Backbone网络

Focus结构：对图片进行切片操作，每隔一个像素取一个值，类似于邻近下采样，得到四张互补的图片（没有信息丢失），将W、H信息集中到通道空间，输入通道扩充为4倍（从RGB的3通道变成12通道），再经过卷积操作，最终得到没有信息丢失的二倍下采样特征图。例如，原始输入608×608×3，经Slice和Concat后输出304×304×12，再经过通道数32的Conv层，输出304×304×32。

CSP结构：将feature map拆成两部分，一部分卷积，另一部分与卷积结果Concate。分类问题中使用CSPNet可降低计算量，但准确率提升很小；目标检测中作为Backbone则提升较大，能有效增强CNN学习能力并降低计算量。YOLO v5设计了两种CSP结构：CSP1_X用于Backbone网络，CSP2_X用于Neck网络。

(3) Neck网络

YOLO v4开始使用FPN-PAN结构，FPN自顶向下传达强语义特征，PAN自底向上传达定位特征。

YOLO v5的Neck仍沿用FPN+PAN结构，但做了改进：YOLO v4中采用普通卷积，YOLO v5则采用CSPNet设计的CSP2结构，加强了网络特征融合能力。

(4) 输出端

YOLO v5采用CIOU_LOSS作为边界框损失函数，分类分支和conf分支均采用BCE损失。

YOLO v5最有亮点的是正样本定义方式的改变。YOLO v3中正样本区域（anchor匹配策略）比较粗暴：保证每个gt bbox有一个唯一对应anchor，匹配规则是IOU最大，且某个gt不可能在多个预测层同时匹配。但从FCOS等论文可知，增加高质量正样本anchor能加速收敛并提高召回。YOLO v5对此做出改进，提出匹配规则：

采用shape匹配规则，将ground truth的宽高与anchor的宽高求比值，如果宽高比例小于设定阈值，则该GT与anchor匹配，认定为正样本；否则滤掉，不参与bbox与分类计算。

将GT的中心最邻近网格也作为正样本anchor的参考点，因此bbox的xy回归分支取值范围不再是0-1，而是-0.5-1.5（0.5是网格中心偏移），以实现跨网格预测。

YOLO v5算法根据网络大小分为5n、5s、5m、5l、5x，具体的参数量、单帧检测速度和mAP如下图所示。

3 训练模型

3.1 数据集选择

本次选用公开钢筋计数数据集进行模型训练，数据来源为现场手机采集。钢筋车辆进库时，用手机拍摄成捆钢筋的截面（一般保证较小倾角，尽量垂直于截面）。数据包含直径12mm-32mm等不同规格的钢筋图片。训练集共250张图像，测试集200张。

由于数据集规模较小且只有一类检测目标（钢筋），为降低训练难度、防止过拟合，算法模型选择较小的yolov5s。如果采用其他数据集，可根据实际情况灵活选择模型。

3.2 模型训练

首先从GitHub获取YOLO v5源码（https://github.com/ultralytics/yolov5），项目文件包括：

data：存放超参数配置文件及官方测试图片。

models：网络构建配置文件和函数，包含五个版本（5n/5s/5m/5l/5x）。

utils：工具类函数（loss、metrics、plots等）。

weights：训练好的权重参数。

detect.py：利用训练好的权重进行目标检测（支持图像、视频、摄像头）。

train.py：训练自建数据集的函数。

test.py：测试训练结果的函数。

requirements.txt：环境依赖包。

YOLO v5各组成部分详细介绍

接下来是具体的训练步骤，包括环境搭建、数据集准备及修改配置、模型配置修改、下载预训练模型、开始训练和模型测试。

(1) 环境搭建

创建一个虚拟环境，打开conda powershell prompt执行：

conda create -n yolov5 python==3.8

激活虚拟环境后，切换工作路径至yolov5文件夹，安装所需模块：

python -m pip install -r requirements.txt -i http://pypi.douban.com/simple/ --trusted-host=pypi.douban.com/simple

如果没有安装CUDA，默认安装pytorch-cpu版；有GPU则安装pytorch-gpu版。

(2) 数据集准备及修改数据集配置

将下载好的数据集分类存放，结构如下：

然后修改data目录下的yaml文件。复制coco.yaml并重命名（如gangjin.yaml），打开修改参数：

修改结果如下图所示：第一个框填写训练集、测试集和验证集的目录地址，第二个框填写检测目标类别数，第三个框填写待检测类别名称。

(3) 修改模型配置参数

由于选择yolov5s模型训练，并使用官方yolov5s.pt预训练权重，需要修改模型配置文件。复制yolov5s.yaml并重命名：

打开重命名文件，修改第一行的检测目标类别数：

(4) 下载预训练模型

在官网（https://github.com/ultralytics/）选择所需模型下载，这里选择yolov5s.pt。

下载完成后将xx.pt复制到yolov5文件夹下。

(5) 开始训练

在yolov5文件夹下打开终端输入命令：

Python train.py --weights yolov5s.pt --data data/gangjin.yaml --workers 1 --batch-size 8

至此，模型训练正式开始。

(6) 模型测试

训练完成后，将runs/exp/weights下的best.pt复制到yolov5文件夹下，然后执行测试：

python detect.py --weights best.pt --source ../datasets/gangjin/images/val --sa ve-txt

其中--weights指定训练好的模型路径，--source指定测试数据路径。测试结果保存在runs/detect/exp文件夹下。

4 测试结果及问题分析

4.1 测试结果

算法的输入为较为清晰的成捆钢筋图片，输出为result.txt文件和预测结果图。result.txt中显示每个检测框的位置、类别及置信度，并给出检测框的总个数，实现钢筋自动计数。

从测试结果来看，YOLO v5算法对该场景中的钢筋计数具有很好的准确性，且置信度较高。

对更多图片场景进行钢筋计数，将实际位置与识别效果图对比，观察算法效果。

从测试结果可以确认，YOLO v5算法同样表现出良好的准确性和较高的置信度。

4.2 问题分析

当然，YOLO v5算法并非十全十美，在钢筋检测中也存在一些问题：

误判：将其他物体误判为钢筋头。

重复检测：一个钢筋头被多个检测框标注。

这些问题需要后续进一步优化。

5 总结

以上是对“数钢筋”问题的全面介绍，主要从问题背景、算法介绍和模型训练三部分展开。首先阐述了钢筋计数的现实痛点，然后介绍了目标检测算法的流程和YOLO v5的基础知识，最后给出了模型训练的详细步骤，并通过数据集验证了算法在钢筋计数上的效果。