导读：近年来，上海建工积极探索人工智能在建筑工程领域的技能运用，自主开拓了基于打算机视觉、深度学习与5G技能的“钢筋云点数”微信小程序，通过手机拍照，仅用时2.3秒便可自动完成钢筋/钢管点数。截至目前，该小程序优化至V5.0版本，已在上海建工在建的上海大歌剧院、徐家汇中央、世博酒店等重点工程得到充分运用，并已对外部企业、科研院所、高校等开放利用。小程序调用次数约4万次，涉及实际工程项目300余个，完成钢筋/钢管云点数约350万根。
“钢筋/钢管云点数”微信小程序由上海建工四建集团自主研发， 2020年10月26日正式上线发布，个中的钢筋/钢管识别及点数核心算法全部由四建集团独立编写完成，目前已对外部单位开放利用。
截至2022年1月31日，小程序注册用户2800余位，调用次数约4万次，完成钢筋/钢管云点数约350万根。按照人工点数每根钢筋/钢管需2秒打算，人工不间断点数同等数量钢筋/钢管共需1950小时，利用小程序点数仅需32小时，点数效率提高60倍，显著提升了此项重复性事情的事情效率。
四建集团唐镇项目钢管云点数
四建集团徐汇长桥项目钢筋云点数
“钢筋/钢管云点数”微信小程序由小程序前端和后台记录管理平台两部分组成。小程序前端紧张用于输入待点数钢筋图像、在线编辑图像、智能点数钢筋、校核钢筋数量、天生钢筋点数报告；后台记录管理平台紧张用于实时记录小程序前端运行情形，包括记录用户姓名、所在项目、单位等用户信息以及利用韶光、钢筋云点数数量、校核后钢筋数量等小程序利用信息。
小程序系统架构及运行流程示意图
小程序利用界面展示
四大技能特点
基于FPN的多尺度特色领悟卷积神经网络模型
图像中的钢筋具有物体目标小、物体重叠、物体尺寸互异、拍照背景多样等繁芜视觉特色，为了提升卷积神经网络模型提取钢筋特色的效果，四建集团建立了基于FPN的多尺度特色领悟卷积神经网络模型，通过领悟检测目标多尺度特色图，提高了模型检测重叠小物体的准确率。在最新发布的V5.0小程序版本中，钢筋云点数准确率靠近95%，钢管云点数准确率靠近98.5%。
FPN特色金字塔网络构造
基于Adam方法的动态学习率改动策略
深度学习模型中，学习率是一项极其主要的模型超参数，传统学习率改动办法采取基于履历的手动调度方法，通过不雅观察演习模型loss值随迭代次数的变革曲线，探求特定区间内梯度低落速率最快的学习率设定值，此方法须要大量模型试验，效率较低。鉴于此，四建集团采取基于Adam方法的动态学习率改动策略，通过打算梯度的一阶矩估计和二阶矩估计，实现学习率自适应调度。
基于Adam方法的梯度优化器构造
基于层权重的模型裁剪技能
除了云点数准确率外，小程序运行速率也是影响用户利用体验的关键指标。针对此问题，四建集团基于层权重的模型裁剪技能，打算、评估并筛选模型中对模型效果敏感程度较低的模型参数，将其剔除，以最大程度地减小神经网络打算量。同时，搭建80算力64g显存的GPU云端做事器进行模型加速打算，并利用5G网络，担保手机设备端与做事器云端之间的数据传输快速和通畅。在最新发布的V5.0小程序版本中，最快云点数测试速率可达2.3秒/次，均匀云点数测试韶光仅需5秒。
卷积神经网络模型裁剪关键环节
基于OpenCV修正传统矩形识别锚框显示办法
小程序云点数测试准确率高达98.5%，当偶尔涌现误点、漏点的情形时，也可以通过人工进行及时、高效的点数校核及改动。传统深度学习物体检测模型的显示办法大多采取矩形识别锚框，给人工校核图像等分布密集、排列重叠的钢筋点数结果带来极大不便。因此四建集团基于OpenCV打算机视觉库，编写了独立的钢筋识别显示模块，实现了“矩形透明蓝色背景加赤色圆点”的显示办法，方便用户校核钢筋云点数结果。
小程序钢筋识别显示办法优化效果
目前，“钢筋/钢管云点数”微信小程序已对外部单位开放，包括施工企业、脚手架租赁公司、地产公司、科技公司、高校、科研院等，受到广泛欢迎。