- 综合排序
- 最热优先
- 最新优先
- 来自专栏技术汇总专栏
基于YOLO的钢筋目标检测系统 | 钢筋计数识别与检测【完整源码+部署】
基于YOLO的钢筋目标检测系统 | 钢筋计数识别与检测【完整源码+部署】源码包含：完整YOLOv8训练代码+数据集(带标注)+权重文件+直接可允许检测的yolo检测程序+直接部署教程/训练教程源码在文末哔哩哔哩视频简介处获取 项目摘要本项目基于 YOLOv8 深度学习模型，针对建筑工地常见的钢筋识别与计数任务进行优化，实现了高精度的目标检测系统。 使用YOLOv8训练模型进行目标检测钢筋计数 自动统计检测框中目标数量 可视化结果 输出带标签与置信度的结果图 模型训练功能 支持从零训练或基于预训练微调 PyQt5图形界面图形化操作 完整源码至项目实录视频下方获取：https://www.bilibili.com/video/BV1Lphuz7Ezd/包含：完整项目源码 预训练模型权重️ 数据集地址（含标注脚本）总结本项目围绕建筑行业中常见的钢筋识别与计数问题 项目不仅实现了多场景支持（图片、视频、实时流）与目标自动计数，还通过 PyQt5 提供了友好的用户交互界面，极大地降低了使用门槛。
47810编辑于 2025-08-31 使用pyqt5搭建yolov8钢筋计数一次性钢材计数系统
在钢筋计数任务中，Yolov8可以有效地识别和计数图像中的钢筋。下面是对如何使用Yolov8实现钢筋计数的介绍。 首先，需要收集包含钢筋的图像数据集。这些图像应该清晰地显示出钢筋，并且有适当的背景。 在训练过程中，模型会学习从图像中识别和计数钢筋的特征。为了提高模型的准确性，可以使用数据增强技术，如旋转、缩放和翻转等，来增加训练数据。 训练完成后，可以使用测试集对模型进行评估。 对于每个输入图像，模型会输出钢筋的数量和位置。这些信息可以用于自动化钢筋计数，提高生产效率和质量。 需要注意的是，Yolov8虽然是一种强大的目标检测模型，但在钢筋计数任务中可能仍然存在一些挑战。 总之，使用Yolov8实现钢筋计数是一种有效的方法。通过收集合适的数据集、训练模型、评估性能和调整参数，可以获得准确的钢筋计数结果，提高生产效率和质量。 , 'camera') self.picture.setPixmap(QPixmap("")) 【模型数据集】 模型采用yolov8n模型，数据集为250张钢筋计数数据集，数据集详情介绍如下
24210编辑于 2025-07-17- 来自专栏数据魔术师
AI数钢筋
目前，工地现场是采用人工计数的方式对进场的车辆装载的钢筋进行计数，验收人员需要对车上的钢筋进行现场人工点根，在对钢筋进行打捆后，通过不同颜色的标记来区分钢筋是否计数，在确认数量后钢筋车才能完成进场卸货， 如图中所示： 这种人工计数的方式不仅浪费大量的时间和精力、效率低下，并且工人长时间高强度的工作使其视觉和大脑很容易出现疲劳，导致计数误差大大增加，人工计数已经不能满足钢筋生产厂家自动化生产和工地现场物料盘点精准性的需求 目标检测算法通过与摄像头结合，可以实现自动钢筋计数，再结合人工修改少量误检的方式，可以智能、高效地完成钢筋计数任务。 2 算法介绍 2.1 目标检测介绍 首先，让我们一起了解一下什么是“目标检测”。 、类别及置信度，并给出检测框的总个数，从而实现了钢筋自动计数。 对更多的图片场景进行钢筋计数，并将输入的实际位置与识别出的效果图进行对比，观察YOLO v5算法对于该场景的计数效果。 上图中，左图为输入成捆钢筋，右图为数识别出的效果图，方框上数字为置信度。
2.8K50编辑于 2022-07-12 钢筋计数检测数据集VOC+YOLO格式5610张1类别84万个框
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)
15300编辑于 2025-07-17- 来自专栏毛利学Python
智能盘点—钢筋数量AI识别
赛题名称 https://www.datafountain.cn/competitions/332 智能盘点—钢筋数量AI识别 赛题背景 在工地现场，对于进场的钢筋车，验收人员需要对车上的钢筋进行现场人工点根 ，确认数量后钢筋车才能完成进场卸货。 目前现场采用人工计数的方式，如图1-1中所示： 上述过程繁琐、消耗人力且速度很慢（一般一车钢筋需要半小时，一次进场盘点需数个小时）。 针对上述问题，希望通过手机拍照->目标检测计数->人工修改少量误检的方式（如图1-2）智能、高效的完成此任务： 赛题任务 本赛题基于广联达公司提供的钢筋进场现场的图片和标注，希望参赛者综合运用计算机视觉和机器学习 /深度学习等技术，实现拍照即可完成钢筋点根任务，大幅度提升建筑行业关键物料的进场效率和盘点准确性，将建筑工人从这项极其枯燥繁重的工作中解脱出来。
1.2K10编辑于 2022-12-20 - 来自专栏用户9688323的专栏
钢筋与混凝土的相互作用
这种材料上的不兼容性导致钢筋和混凝土间发生粘结破坏、钢筋滑移及局部变形等。 下图展示了几种重要的钢筋和混凝土相互作用的机理，分别为拔出效应、受拉刚化相应、销栓效应。 1.拔出效应 “拔出”通常发生在构件支座处，由于钢筋的锚固长度不足而导致粘结破坏，钢筋被拔出。可以用沿钢筋表面分布的一系列弹簧模拟钢筋和混凝土间的接触力，进而模拟拔出效应。 这种效应对于研究钢筋混凝土构件在混凝土开裂后的荷载-变形特性是重要的。 、钢筋布置及数量等因素，方法三相对简单易用。 受拉刚化效应的大小与配筋率、钢筋与混凝土间的粘结力的大小等因素有关。在重复和反复荷载作用下，钢筋和混凝土的粘结状况会逐渐退化，受拉刚化效应也会因此减弱。
1.4K50编辑于 2022-06-20 - 来自专栏SaaS加速器
WakeData：算法提速2.3倍，速度决胜智慧经营｜腾讯SaaS加速器·学员动态
▶ AI钢筋计数 在钢铁工业中，钢铁企业在钢筋的生产、运输、销售等环节都必须精确计算钢筋根数，此项工作在过去是由多方工作人员进行的，不仅费时费力，而且在精神疲劳的情况下还会出错。 AI钢筋计数功能，对各个钢筋截面形状、状态、颜色、光线等方面的差异进行数据记录，利用算法进行深度学习，可以对钢筋精确计数，大大减少人力与时间成本。 WakeData AI钢筋计数在 DCIC AI数钢筋比赛的数据集上进行了验证，F1值达99%以上，精度高、适用性强，而本次算法的优化亦将进一步提升计数的效率。
59810发布于 2020-06-15 - 来自专栏学习
【数据结构&&计数排序】计数排序
非比较要求输入数据满足一定条件，或者对数据特征进行合理利用 常见的非比较排序算法包括 计数排序 通常适用于范围比较小的整数排序，通过统计每个元素的出现次数，然后将元素按顺序放入数组 桶排序 将数据放到若干个桶中 ，随后对每个桶进行排序，最后再将所有桶的数据进行合并 基数排序 通过将待排序数值按位数分组，逐位进行排序，通常配合计数排序实现 计数排序 计数排序是一种非比较的排序算法，适用于特定条件下的排序，尤其是当待排序的元素范围较小其重复元素较多的时候 ，数组的大小通常为最大值和最小值的差+1，用于存放每个元素的出现次数 3.计数：遍历原始数组，统计每个元素相同的次数，对每个元素在计数数组中对应的位置进行计数。 即：若元素为x，则计数数组的第x位置加一。 4.计算位置：通过累加计数数组的数值，得到每个元素在已排序数组中的最终位置。 5.排序输出，根据计数数组生成的已排序数组，遍历计数数组，按次数将对应的元素输出到结果数组中 计数排序的时间复杂度O（n+k），其中n是待排序元素的数量，k是计数数组的大小。
58510编辑于 2024-12-24 【HDU】5701 - 中位数计数（计数 & 思维）
51Nod题目链接：点击打开题目 HDU题目链接：点击打开题目 中位数计数 Time Limit: 12000/6000 MS (Java/Others) Memory Limit: 65536 1 2 3 4 5 Sample Output 1 2 3 2 1 Source 2016"百度之星" - 初赛（Astar Round2B） 中文题： 1682 中位数计数 遇到一个大的就+1，一个小的就-1，遇到0就直接在ans上计数。 然后扫到右边的时候，如果碰到和前面的数互为相反数的时候，那么以这个数为右区间，可以和前面的每一个该数量的数都形成一个区间。
26310编辑于 2025-08-27- 来自专栏kyle的专栏
计数质数
若一个数为质数，则它的n倍就一定是一个合数。初始化数组isPrimes，数量为n，每一项赋值为1。遍历数组isPrimes，当它为1时说明是一个质数，之后求出它的n倍，并赋值0。
1.7K00发布于 2020-12-06 - 来自专栏Tech Explorer
Church计数
9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 ;Church计数 multi (add one two) two)) (show-num (expon two two)) (show-num (expon (expon two two) two)) Church计数 Church计数就是这个思想。 show-num用来把Church计数方式的数字转换成普通数字。
96520发布于 2021-06-25 - 来自专栏算法与编程之美
元素计数
解决方法 首先对给定的数组去重以及升序得到一个新列表,去重是为了排除相同元素在枚举过程中的影响.随后利用for循环枚举出数组中的元素,再添加if 语句判断是否满足题意.若找到满足的元素,对此元素在原数组进行计数 if nums2[j-1]<nums2[j]<nums2[j+1]: m=nums.count(nums2[j]) ans+=m print(ans) 4 结语 针对元素计数问题 ，提出利用枚举的方法，通过输入多组示例数据，最终能够得到题目给出的标准输出,证明该方法是有效的，本文的方法理解起来有点麻烦,尤其是步骤对数组去重.但在后面的对满足题目要求的元素计数时,需要统计的是最初的数组中该元素的个数
1.1K20编辑于 2022-05-23 - 来自专栏hotarugaliの技术分享
计数排序
简介 计数排序属于非比较排序算法类，故其时间复杂度不受比较排序算法时间复杂度下界的限制，可以达到 。其中， 为待排序序列的排序关键字的最大范围。 计数排序是稳定的、非原址的。 2. 思想 计数排序假设 个输入元素中的每一个的排序关键字都是在 0 到 区间（左闭右开）内的一个整数。 using namespace std; #ifndef _COUNTING_ #define _COUNTING_ #define ll int #define MAXN 100005 // 计数排序 template < typename T > struct Counting { ll C[MAXN]; T B[MAXN]; Counting() {} // 计数排序 ; ll *K = bK; // 判断关键字数组大小与元素数组大小是否吻合 assert(len_A == len_K); // 初始化计数数组
2.3K10编辑于 2022-03-01 - 来自专栏数据结构与算法
计数排序
算法思想 编辑 计数排序对输入的数据有附加的限制条件： 1、输入的线性表的元素属于有限偏序集S； 2、设输入的线性表的长度为n，|S|=k（表示集合S中元素的总数目为k），则k=O(n)。 在这两个条件下，计数排序的复杂性为O(n)。 计数排序的基本思想是对于给定的输入序列中的每一个元素x，确定该序列中值小于x的元素的个数（此处并非比较各元素的大小，而是通过对元素值的计数和计数值的累加来确定）。
1.4K100发布于 2018-04-12 - 来自专栏Vegout
计数排序
计数排序和原来说过的几个排序算法有一个特别大的不同之处：它是一个不基于比较的排序算法。不管是快排，归并，还是堆排，它们都难以突破NlogN的运行时间下限，而计数排序是一个线性时间级别的排序算法。 总之，计数排序是一种对整数进行排序非常有效的排序算法。 计数排序的思想就是记录每个元素出现的次数，通过数组下标确定每个元素的先后关系。 下面给出完整代码： public class CountSort { public static void sort(int[] A){ System.out.println("开始计数排序
1.1K30发布于 2019-07-03 - 来自专栏机器学习养成记
计数排序
计数排序是典型排序算法之一，今天就来介绍一下计数排序，并通过LeetCode的1365题进行python实例演示。 1 概念 通常的排序算法是要进行元素之间的比较，而计数排序是记录下每个元素出现的个数，是一种空间换时间的排序方法。适合整数数组排序，并且不同元素个数不宜过多。 （图片来自网络） 2 python实例展示 题目1365：有多少小于当前数字的数字 给你一个数组 nums，对于其中每个元素 nums[i]，请你统计数组中比它小的所有数字的数目。 ? 思路一：计数排序 建立中间数组记录每个值出现的次数，因为最后要输出的是小于某元素的所有数字个数，因此最后一步不是之间遍历输出，而是要把前面的出现次数相加。
1.2K20发布于 2020-11-03 - 来自专栏工程监测
振弦传感器钢筋计埋设与安装方法
振弦传感器钢筋计埋设与安装方法振弦传感器是一种常用的钢筋计测量设备，它通过测量钢筋振动的频率和振幅来判断钢筋的应力状态和疲劳程度，从而实现对钢筋的检测和监测。 振弦传感器的钢筋计埋设和安装是使用该设备的关键步骤，下面将详细介绍其方法。1. 前期准备在进行埋设和安装之前，需要做一些前期准备工作。 其次，准备好相应的工具和材料，包括钻机、扳手、螺丝刀、钢筋、振弦传感器等。2. 钢筋计埋设（1）钻孔首先，在预先确定的测量点位置，采用电钻或其他相应工具进行钻孔。 钻孔深度应根据钢筋计的长度和深度要求来确定，一般要求深度不少于钢筋计长度的1.2倍。（2）准备振弦传感器将振弦传感器的两端插入两段钢管中，使其固定好，并将其连接好。 总结，振弦传感器的钢筋计埋设和安装方法需要有严谨的操作和自己的经验，一定要按照标准的程序进行操作，以确保测量结果的准确和可靠度。
29920编辑于 2023-11-15 - 来自专栏计算机视觉漫谈
YOLO v3实战之钢筋数量AI识别（一）
目录 题目重述 数据准备 修改相关配置路径 开始训练 测试结果 题目重述 题目背景 在工地现场，对于进场的钢筋车，验收人员需要对车上的钢筋进行现场人工点根，确认数量后钢筋车才能完成进场卸货。 目前现场采用人工计数的方式，如下图所示： ? 上述过程繁琐、消耗人力且速度很慢（一般一车钢筋需要半小时，一次进场盘点需数个小时）。 针对上述问题，希望通过手机拍照->目标检测计数->人工修改少量误检的方式（如图）智能、高效的完成此任务： ? 主要难点 精度要求高。 需要专门针对此密集目标的检测算法进行优化，另外，还需要处理拍摄角度、光线不完全受控，钢筋存在长短不齐、可能存在遮挡等情况。 钢筋尺寸不一。 一辆钢筋车一次会运输很多捆钢筋（如图1-3），如果直接全部处理会存在边缘角度差、遮挡等问题效果不好，目前在用单捆处理+最后合计的流程，这样的处理过程就会需要对捆间进行分割或者对最终结果进行去重，难度较大
2.2K30发布于 2020-06-02 - 来自专栏编程学习
计数排序详解
一、什么是计数排序？ 计数排序(CountSort)是一个非基于比较的排序算法，该算法于1954年由 Harold H. Seward 提出。 在这两个条件下，计数排序的复杂性为O(n)。 计数排序的基本思想是对于给定的输入序列中的每一个元素x，确定该序列中值小于x的元素的个数（此处并非比较各元素的大小，而是通过对元素值的计数和计数值的累加来确定）。 这样计数排序就完成了。 二、计数排序的实现方式： 计数排序实现其实就比较简单了，按照上述步骤来一步一步的实现出来，代码如下： #include<stdio.h> #include<stdlib.h> #include
1.3K10编辑于 2024-06-04 - 来自专栏计算机技术
计数排序算法
计数排序算法是一种典型的以空间换时间的一种算法。 这种算法主要是适合于正整数进行 排序。还是比较好理解的，而且在很多场合确实能提高效率。 计数的关键点: 数组中的数据是正整数 找出数组中的最大值,建立一个下标辅助数组 统计待排序数组在下标辅助数组中出现的次数 遍历下标辅助数组 举例说明一下计数排序的过程, 以数组: 6, 7, 4, 3, index的值的个数， b[3]= 1, b[4]=1,b[6]=1,b[7]=1,b[8]=1 遍历数组b把不为0的数赋值给原数据，可以得到排序结果 3,4,6,7,8 以下是python代码实现的计数排序
86920编辑于 2022-03-22
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号