CN115496000A - 一种城际铁路钢筋工程量的计算方法、系统及设备 - Google Patents

Abstract

本发明提供了一种城际铁路钢筋工程量的计算方法、系统及设备，所述方法包括：获取第一数据和第二数据；利用所述第二数据对卷积神经网络模型进行训练，得到钢筋信息生成模型；将所述第一数据输入所述钢筋信息生成模型中，得到第一结果，所述第一结果包括待计算钢筋工程量的钢筋设计图纸中包含的钢筋信息；基于所述第一结果，采用至少三种钢筋工程量计算方法计算城际铁路的钢筋工程量，得到多个钢筋工程量计算结果；基于多个所述钢筋工程量计算结果和基于密度的聚类算法，得到城际铁路的最终钢筋工程量计算结果。通过本发明的方法可以快速准确方便的获取到钢筋信息，并提高最终钢筋工程量计算结果的准确度。

Description

一种城际铁路钢筋工程量的计算方法、系统及设备

技术领域

本发明涉及铁路建筑技术领域，具体而言，涉及一种城际铁路钢筋工程量的计算方法、系统及设备。

背景技术

目前，计算钢筋工程量时，常需要获取到钢筋信息，而钢筋信息的获取又需要在图纸的基础上进行获取，目前常采用人工的方式在图纸的基础上获取到钢筋信息，而通过此种方法虽然可以获取到钢筋信息，但是耗时较长，效率较低；此外，在获取到钢筋信息之后，常常只采用一种钢筋量计算方法进行计算，若此种方法在计算的过程中，某一环节出现了偏差，可能会导致最终的结果出现偏差，从而导致施工效率低下，施工质量较差的问题。

发明内容

本发明的目的在于提供一种城际铁路钢筋工程量的计算方法、系统及设备，以改善上述问题。

为了实现上述目的，本申请实施例提供了如下技术方案：

一方面，本申请实施例提供了一种城际铁路钢筋工程量的计算方法，所述方法包括：

获取第一数据和第二数据，所述第一数据包括待计算钢筋工程量的城际铁路的钢筋设计图纸；所述第二数据包括历史钢筋设计图纸和所述历史钢筋设计图纸中包含的钢筋信息；

利用所述第二数据对卷积神经网络模型进行训练，得到钢筋信息生成模型；将所述第一数据输入所述钢筋信息生成模型中，得到第一结果，所述第一结果包括待计算钢筋工程量的钢筋设计图纸中包含的钢筋信息；

基于所述第一结果，采用至少三种钢筋工程量计算方法计算城际铁路的钢筋工程量，得到多个钢筋工程量计算结果；

基于多个所述钢筋工程量计算结果和基于密度的聚类算法，得到城际铁路的最终钢筋工程量计算结果。

第二方面，本申请实施例提供了一种城际铁路钢筋工程量的计算系统，所述系统包括获取模块、训练模块、第一计算模块和第二计算模块。

获取模块，用于获取第一数据和第二数据，所述第一数据包括待计算钢筋工程量的城际铁路的钢筋设计图纸；所述第二数据包括历史钢筋设计图纸和所述历史钢筋设计图纸中包含的钢筋信息；

训练模块，用于利用所述第二数据对卷积神经网络模型进行训练，得到钢筋信息生成模型；将所述第一数据输入所述钢筋信息生成模型中，得到第一结果，所述第一结果包括待计算钢筋工程量的钢筋设计图纸中包含的钢筋信息；

第一计算模块，用于基于所述第一结果，采用至少三种钢筋工程量计算方法计算城际铁路的钢筋工程量，得到多个钢筋工程量计算结果；

第二计算模块，用于基于多个所述钢筋工程量计算结果和基于密度的聚类算法，得到城际铁路的最终钢筋工程量计算结果。

第三方面，本申请实施例提供了一种城际铁路钢筋工程量的计算设备，所述设备包括存储器和处理器。存储器用于存储计算机程序；处理器用于执行所述计算机程序时实现上述城际铁路钢筋工程量的计算方法的步骤。

第四方面，本申请实施例提供了一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述城际铁路钢筋工程量的计算方法的步骤。

本发明的有益效果为：

1、在本发明中，利用历史的数据对模型进行训练，一方面可以充分利用历史数据中包含的信息，另一方面通过历史数据训练后可以得到钢筋信息生成模型，在后续需要获取钢筋信息时，只需要获取图纸即可得到钢筋信息，也就是说通过训练模型的方式，可以快速准确方便的获取到钢筋信息，节约了大量的时间，降低了人为工作量，极大提高了施工效率。

2、本发明考虑了多种钢筋工程量计算方法，相较于单一的钢筋工程量计算方法，本发明中的方法更为全面，同时在考虑多种钢筋工程量计算方法的基础上，还采用了基于聚类算法的筛选方法，可以准确的筛选出异常的钢筋工程量计算结果，进而在求取平均值的基础上得到准确的钢筋工程量计算结果。

本发明的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1是本发明实施例中所述的城际铁路钢筋工程量的计算方法流程示意图；

图2是本发明实施例中所述的城际铁路钢筋工程量的计算装置结构示意图；

图3是本发明实施例中所述的城际铁路钢筋工程量的计算设备结构示意图；

图中标记：701、获取模块；702、训练模块；703、第一计算模块；704、第二计算模块；7021、构建单元；7022、选取单元；7023、训练单元；70231、第一计算子单元；70232、训练子单元；70233、比较子单元；7031、计算单元；7032、接收单元；7033、获取单元；7041、组合单元；7042、聚类单元；7043、剔除单元；70421、第二计算子单元；70422、保留子单元；70423、聚类子单元；800、城际铁路钢筋工程量的计算设备；801、处理器；802、存储器；803、多媒体组件；804、I/O接口；805、通信组件。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

应注意到：相似的标号或字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

实施例1

如图1所示，本实施例提供了一种城际铁路钢筋工程量的计算方法，该方法包括步骤S1、步骤S2、步骤S3和步骤S4。

步骤S1、获取第一数据和第二数据，所述第一数据包括待计算钢筋工程量的城际铁路的钢筋设计图纸；所述第二数据包括历史钢筋设计图纸和所述历史钢筋设计图纸中包含的钢筋信息；

在本步骤中，钢筋信息可以包含钢筋的直径、类型、型号、生产工艺等信息；同时，第一数据和第二数据均采用人工上传的方式所采集；

步骤S2、利用所述第二数据对卷积神经网络模型进行训练，得到钢筋信息生成模型；将所述第一数据输入所述钢筋信息生成模型中，得到第一结果，所述第一结果包括待计算钢筋工程量的钢筋设计图纸中包含的钢筋信息；

在本步骤中，利用历史的数据对模型进行训练，一方面可以充分利用历史数据中包含的信息，另一方面通过历史数据训练后可以得到钢筋信息生成模型，在后续需要获取钢筋信息时，只需要获取图纸即可得到钢筋信息，也就是说通过训练模型的方式，可以快速准确方便的获取到钢筋信息，节约了大量的时间，降低了人为工作量，极大提高了施工效率；

本步骤的具体实现步骤包括步骤S21、步骤S22和步骤S23；

步骤S21、将所述历史钢筋设计图纸和所述历史钢筋设计图纸中包含的钢筋信息作为一个样本中包含的数据，得到样本集；

步骤S22、将所述样本集输入卷积神经网络模型中，将所述历史钢筋设计图纸作为输入，所述历史钢筋设计图纸中包含的钢筋信息作为输出，所述卷积神经网络模型包括多个卷积层，在进行卷积处理时，在多个所述卷积层中任意选取预设个数的卷积层，形成卷积层集合；

在本步骤中，可以预设个数可根据用户需求进行自定义设置，比如4个、5个等；

步骤S23、将所述卷积层集合中的卷积层进行排序标号，得到排序标号后的卷积层集合，基于所述样本集和排序标号后的卷积层集合，完成所述样本集对所述卷积神经网络模型的训练，得到所述钢筋信息生成模型。

在本步骤中，将所述卷积层集合中的卷积层进行排序标号，得到排序标号后的卷积层集合，基于所述样本集和排序标号后的卷积层集合，完成所述样本集对所述卷积神经网络模型的训练，得到所述钢筋信息生成模型的具体实现步骤包括步骤S231、步骤S232和步骤S233；

步骤S231、将所述排序标号后的卷积层集合中排列第一的卷积层记为第一卷积层，排列最后的卷积层记为第二卷积层，基于所述样本集，计算所述第一卷积层的所有的输入通道数据，并对每个所述输入通道数据按照预设的划分规则进行划分处理，得到多个数据块；

在本步骤中，预设的划分规则例如可以将每个输入通道数据划分成若干块，从而得到多个数据块，然后将所有的数据块进行排序；

步骤S232、按照每个所述数据块的序号，依次利用所述第一卷积层对每个所述数据块进行卷积处理，并依次将所述第一卷积层对每个所述数据块的卷积结果输入所述排序标号后的卷积层集合中排列第二位的卷积层，直到利用所述第二卷积层完成对每个数据块的卷积处理；将所述第二卷积层的全部输出作为位于所述第二卷积层之后的网络的输入数据，完成每个样本对所述卷积神经网络模型的训练，得到输出结果；其中，在利用每个卷积层对数据块进行处理时，引入宽度因子进行优化；

本步骤可以理解为：例如卷积层集合中包括三个卷积层，那么将第一个数据块输入第一个卷积层，再将第一个数据块的卷积结果输入第二个卷积层，再将第二卷积层的卷积结果输入第三个卷积层，得到第一个数据块对应的最终卷积结果；按照此种逻辑，将每个数据块都进行上述步骤，就可以得到全部的数据块对应的最终卷积结果，然后再将全部的数据块对应的最终卷积结果输入到位于所述第二卷积层之后的网络中，例如池化层、全连接层等；

步骤S233、将所述输出结果与所述样本对应的钢筋信息进行比较，求出两者之间的误差，将所述误差反向传播回所述卷积神经网络模型，更新权重，反复训练的过程得到所述钢筋信息生成模型。

步骤S3、基于所述第一结果，采用至少三种钢筋工程量计算方法计算城际铁路的钢筋工程量，得到多个钢筋工程量计算结果；

在本步骤中，考虑到若只利用一种钢筋工程量计算方法进行计算，可能会出现误差等情况，导致最终的计算结果不准确，影响工程施工及施工质量，因此本实施例采用了三种钢筋工程量计算方法，再根据这三个钢筋工程量计算结果得到最终的计算结果；

本步骤的具体实现步骤包括步骤S31、步骤S32和步骤S33；

步骤S31、基于所述第一结果，利用Revit软件计算城际铁路的钢筋工程量；

步骤S32、将所述第一结果发送至工作人员，并接收所述工作人员上传的城际铁路的钢筋工程量计算结果；

步骤S33、获取第三数据，所述第三数据包括历史钢筋信息和所述历史钢筋信息对应的钢筋工程量，利用所述第三数据对神经网络模型进行训练，得到训练好的模型，将所述第一结果输入所述训练好的模型，得到城际铁路的钢筋工程量计算结果。

步骤S4、基于多个所述钢筋工程量计算结果和基于密度的聚类算法，得到城际铁路的最终钢筋工程量计算结果。

本步骤的具体实现步骤包括步骤S41、步骤S42和步骤S43；

步骤S41、将所有的所述钢筋工程量计算结果进行集合，得到第一数据集合，在所述第一数据集合中任意挑选两个数据进行组合，得到数据组；

本步骤可以理解为：例如第一数据集合中包含3个钢筋工程量计算结果，然后将第一个和第二个进行组合，第一个和第三个进行组合，第三个和第二个进行组合，得到三个数据组；

步骤S42、将全部的所述数据组利用基于距离类的聚类算法进行聚类处理，得到多个聚类类别，每个所述聚类类别中包含至少一个所述数据组，利用二八法则对所述聚类类别进行分析，得到不同聚类类别对应的阈值范围；

本步骤的具体实现步骤包括步骤S421、步骤S422和步骤S423；

步骤S421、计算每个所述聚类类别中包含的所述数据组的个数，得到数据组个数，按照预设顺序对所述数据组个数进行排序并编号，得到排序后的数据组个数；

步骤S422、在所述排序后的数据组个数中，将排列在前N个的数据组个数删除，且将排列在后J个的数据组个数删除，将剩余的数据组个数对应的聚类类别进行保留，所述N和J均为正整数；

本步骤可以理解为：例如排序后的数据组个数为2，3，5，6，9，若N取值为1，则可将排列在前1个的数据组个数进行删除，若J取值为1，则可将排列在后1个的数据组个数进行删除，删除后就剩下3，5，6；然后将3，5，6对应的聚类类别进行保留处理；同时，N和J之和要小于数据组个数的数量，也就是说排序后的数据组个数为2，3，5，6，9，那么有5个数据组个数，那么N和J之和就要小于5；

步骤S423、将保留的每个聚类类别记为保留聚类类别，将每个所述保留聚类类别中包含的全部钢筋工程量计算结果进行集合，得到第二数据集合，计算所述第二数据集合的均值和方差，并将所述均值和方差作为每个所述保留聚类类别的属性，根据每个所述保留聚类类别的属性，利用利用二八法则计算每个所述保留聚类类别对应的阈值范围。

步骤S43、将全部的所述阈值范围所形成的最大阈值范围作为第一阈值范围，将处于所述第一阈值范围之外的所述钢筋工程量计算结果从所述第一数据集合中剔除，剔除后将剩余的所述钢筋工程量计算结果求取平均值，得到城际铁路的最终钢筋工程量计算结果。

当利用多种方法计算得到多个钢筋工程量计算结果时，有时可能会出现一些偏差较大的计算结果，通过本实施例中的方法，就可以将偏差较大的计算结果删除；同时本实施例考虑了多种钢筋工程量计算方法，相较于单一的钢筋工程量计算方法，本实施例中的方法更为全面，同时在考虑多种钢筋工程量计算方法的基础上，还采用了基于聚类算法的筛选方法，可以准确的筛选出异常的钢筋工程量计算结果，进而在求取平均值的基础上得到准确的钢筋工程量计算结果。

实施例2

如图2所示，本实施例提供了一种城际铁路钢筋工程量的计算系统，所述系统包括获取模块701、训练模块702、第一计算模块703和第二计算模块704。

获取模块701，用于获取第一数据和第二数据，所述第一数据包括待计算钢筋工程量的城际铁路的钢筋设计图纸；所述第二数据包括历史钢筋设计图纸和所述历史钢筋设计图纸中包含的钢筋信息；

训练模块702，用于利用所述第二数据对卷积神经网络模型进行训练，得到钢筋信息生成模型；将所述第一数据输入所述钢筋信息生成模型中，得到第一结果，所述第一结果包括待计算钢筋工程量的钢筋设计图纸中包含的钢筋信息；

第一计算模块703，用于基于所述第一结果，采用至少三种钢筋工程量计算方法计算城际铁路的钢筋工程量，得到多个钢筋工程量计算结果；

第二计算模块704，用于基于多个所述钢筋工程量计算结果和基于密度的聚类算法，得到城际铁路的最终钢筋工程量计算结果。

在本公开的一种具体实施方式中，所述训练模块702，还包括构建单元7021、选取单元7022和训练单元7023。

构建单元7021，用于将所述历史钢筋设计图纸和所述历史钢筋设计图纸中包含的钢筋信息作为一个样本中包含的数据，得到样本集；

选取单元7022，用于将所述样本集输入卷积神经网络模型中，将所述历史钢筋设计图纸作为输入，所述历史钢筋设计图纸中包含的钢筋信息作为输出，所述卷积神经网络模型包括多个卷积层，在进行卷积处理时，在多个所述卷积层中任意选取预设个数的卷积层，形成卷积层集合；

训练单元7023，用于将所述卷积层集合中的卷积层进行排序标号，得到排序标号后的卷积层集合，基于所述样本集和排序标号后的卷积层集合，完成所述样本集对所述卷积神经网络模型的训练，得到所述钢筋信息生成模型。

在本公开的一种具体实施方式中，所述训练单元7023，还包括第一计算子单元70231、训练子单元70232和比较子单元70233。

第一计算子单元70231，用于将所述排序标号后的卷积层集合中排列第一的卷积层记为第一卷积层，排列最后的卷积层记为第二卷积层，基于所述样本集，计算所述第一卷积层的所有的输入通道数据，并对每个所述输入通道数据按照预设的划分规则进行划分处理，得到多个数据块；

训练子单元70232，用于按照每个所述数据块的序号，依次利用所述第一卷积层对每个所述数据块进行卷积处理，并依次将所述第一卷积层对每个所述数据块的卷积结果输入所述排序标号后的卷积层集合中排列第二位的卷积层，直到利用所述第二卷积层完成对每个数据块的卷积处理；将所述第二卷积层的全部输出作为位于所述第二卷积层之后的网络的输入数据，完成每个样本对所述卷积神经网络模型的训练，得到输出结果；其中，在利用每个卷积层对数据块进行处理时，引入宽度因子进行优化；

比较子单元70233，用于将所述输出结果与所述样本对应的钢筋信息进行比较，求出两者之间的误差，将所述误差反向传播回所述卷积神经网络模型，更新权重，反复训练的过程得到所述钢筋信息生成模型。

在本公开的一种具体实施方式中，所述第一计算模块703，还包括计算单元7031、接收单元7032和获取单元7033。

计算单元7031，用于基于所述第一结果，利用Revit软件计算城际铁路的钢筋工程量；

接收单元7032，用于将所述第一结果发送至工作人员，并接收所述工作人员上传的城际铁路的钢筋工程量计算结果；

获取单元7033，用于获取第三数据，所述第三数据包括历史钢筋信息和所述历史钢筋信息对应的钢筋工程量，利用所述第三数据对神经网络模型进行训练，得到训练好的模型，将所述第一结果输入所述训练好的模型，得到城际铁路的钢筋工程量计算结果。

在本公开的一种具体实施方式中，所述第二计算模块704，还包括组合单元7041、聚类单元7042和剔除单元7043。

组合单元7041，用于将所有的所述钢筋工程量计算结果进行集合，得到第一数据集合，在所述第一数据集合中任意挑选两个数据进行组合，得到数据组；

聚类单元7042，用于将全部的所述数据组利用基于距离类的聚类算法进行聚类处理，得到多个聚类类别，每个所述聚类类别中包含至少一个所述数据组，利用二八法则对所述聚类类别进行分析，得到不同聚类类别对应的阈值范围；

剔除单元7043，用于将全部的所述阈值范围所形成的最大阈值范围作为第一阈值范围，将处于所述第一阈值范围之外的所述钢筋工程量计算结果从所述第一数据集合中剔除，剔除后将剩余的所述钢筋工程量计算结果求取平均值，得到城际铁路的最终钢筋工程量计算结果。

在本公开的一种具体实施方式中，所述聚类单元7042，还包括第二计算子单元70421、保留子单元70422和聚类子单元70423。

第二计算子单元70421，用于计算每个所述聚类类别中包含的所述数据组的个数，得到数据组个数，按照预设顺序对所述数据组个数进行排序并编号，得到排序后的数据组个数；

保留子单元70422，用于在所述排序后的数据组个数中，将排列在前N个的数据组个数删除，且将排列在后J个的数据组个数删除，将剩余的数据组个数对应的聚类类别进行保留，所述N和J均为正整数；

聚类子单元70423，用于将保留的每个聚类类别记为保留聚类类别，将每个所述保留聚类类别中包含的全部钢筋工程量计算结果进行集合，得到第二数据集合，计算所述第二数据集合的均值和方差，并将所述均值和方差作为每个所述保留聚类类别的属性，根据每个所述保留聚类类别的属性，利用利用二八法则计算每个所述保留聚类类别对应的阈值范围。

需要说明的是，关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

实施例3

相应于上面的方法实施例，本公开实施例还提供了城际铁路钢筋工程量的计算设备，下文描述的城际铁路钢筋工程量的计算设备与上文描述的城际铁路钢筋工程量的计算方法可相互对应参照。

图3是根据一示例性实施例示出的城际铁路钢筋工程量的计算设备800的框图。如图3所示，该城际铁路钢筋工程量的计算设备800可以包括：处理器801，存储器802。该城际铁路钢筋工程量的计算设备800还可以包括多媒体组件803，I/O接口804，以及通信组件805中的一者或多者。

其中，处理器801用于控制该城际铁路钢筋工程量的计算设备800的整体操作，以完成上述的城际铁路钢筋工程量的计算方法中的全部或部分步骤。存储器802用于存储各种类型的数据以支持在该城际铁路钢筋工程量的计算设备800的操作，这些数据例如可以包括用于在该城际铁路钢筋工程量的计算设备800上操作的任何应用程序或方法的指令，以及应用程序相关的数据，例如联系人数据、收发的消息、图片、音频、视频等等。该存储器802可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。多媒体组件803可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器802或通过通信组件805发送。音频组件还包括至少一个扬声器，用于输出音频信号。I/O接口804为处理器801和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件805用于该城际铁路钢筋工程量的计算设备800与其他设备之间进行有线或无线通信。无线通信，例如Wi-Fi，蓝牙，近场通信(Near FieldCommunication，简称NFC)，2G、3G或4G，或它们中的一种或几种的组合，因此相应的该通信组件805可以包括：Wi-Fi模块，蓝牙模块，NFC模块。

在一示例性实施例中，该城际铁路钢筋工程量的计算设备800可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit，简称ASIC)、数字信号处理器(DigitalSignal Processor，简称DSP)、数字信号处理设备(Digital SignalProcessing Device，简称DSPD)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的城际铁路钢筋工程量的计算方法。

在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的城际铁路钢筋工程量的计算方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器802，上述程序指令可由该城际铁路钢筋工程量的计算设备800的处理器801执行以完成上述的城际铁路钢筋工程量的计算方法。

实施例4

相应于上面的方法实施例，本公开实施例还提供了一种可读存储介质，下文描述的一种可读存储介质与上文描述的城际铁路钢筋工程量的计算方法可相互对应参照。

一种可读存储介质，可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述方法实施例的城际铁路钢筋工程量的计算方法的步骤。

该可读存储介质具体可以为U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可存储程序代码的可读存储介质。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种城际铁路钢筋工程量的计算方法，其特征在于，包括：

获取第一数据和第二数据，所述第一数据包括待计算钢筋工程量的城际铁路的钢筋设计图纸；所述第二数据包括历史钢筋设计图纸和所述历史钢筋设计图纸中包含的钢筋信息；

利用所述第二数据对卷积神经网络模型进行训练，得到钢筋信息生成模型；将所述第一数据输入所述钢筋信息生成模型中，得到第一结果，所述第一结果包括待计算钢筋工程量的钢筋设计图纸中包含的钢筋信息；

基于所述第一结果，采用至少三种钢筋工程量计算方法计算城际铁路的钢筋工程量，得到多个钢筋工程量计算结果；

基于多个所述钢筋工程量计算结果和基于密度的聚类算法，得到城际铁路的最终钢筋工程量计算结果。

2.根据权利要求1所述的城际铁路钢筋工程量的计算方法，其特征在于，利用所述第二数据对卷积神经网络模型进行训练，得到钢筋信息生成模型，包括：

将所述历史钢筋设计图纸和所述历史钢筋设计图纸中包含的钢筋信息作为一个样本中包含的数据，得到样本集；

将所述样本集输入卷积神经网络模型中，将所述历史钢筋设计图纸作为输入，所述历史钢筋设计图纸中包含的钢筋信息作为输出，所述卷积神经网络模型包括多个卷积层，在进行卷积处理时，在多个所述卷积层中任意选取预设个数的卷积层，形成卷积层集合；

将所述卷积层集合中的卷积层进行排序标号，得到排序标号后的卷积层集合，基于所述样本集和排序标号后的卷积层集合，完成所述样本集对所述卷积神经网络模型的训练，得到所述钢筋信息生成模型。

3.根据权利要求2所述的城际铁路钢筋工程量的计算方法，其特征在于，将所述卷积层集合中的卷积层进行排序标号，得到排序标号后的卷积层集合，基于所述样本集和排序标号后的卷积层集合，完成所述样本集对所述卷积神经网络模型的训练，得到所述钢筋信息生成模型，包括：

将所述排序标号后的卷积层集合中排列第一的卷积层记为第一卷积层，排列最后的卷积层记为第二卷积层，基于所述样本集，计算所述第一卷积层的所有的输入通道数据，并对每个所述输入通道数据按照预设的划分规则进行划分处理，得到多个数据块；

按照每个所述数据块的序号，依次利用所述第一卷积层对每个所述数据块进行卷积处理，并依次将所述第一卷积层对每个所述数据块的卷积结果输入所述排序标号后的卷积层集合中排列第二位的卷积层，直到利用所述第二卷积层完成对每个数据块的卷积处理；将所述第二卷积层的全部输出作为位于所述第二卷积层之后的网络的输入数据，完成每个样本对所述卷积神经网络模型的训练，得到输出结果；其中，在利用每个卷积层对数据块进行处理时，引入宽度因子进行优化；

将所述输出结果与所述样本对应的钢筋信息进行比较，求出两者之间的误差，将所述误差反向传播回所述卷积神经网络模型，更新权重，反复训练的过程得到所述钢筋信息生成模型。

4.根据权利要求1所述的城际铁路钢筋工程量的计算方法，其特征在于，基于所述第一结果，采用至少三种钢筋工程量计算方法计算城际铁路的钢筋工程量，得到多个钢筋工程量计算结果，包括：

基于所述第一结果，利用Revit软件计算城际铁路的钢筋工程量；

将所述第一结果发送至工作人员，并接收所述工作人员上传的城际铁路的钢筋工程量计算结果；

获取第三数据，所述第三数据包括历史钢筋信息和所述历史钢筋信息对应的钢筋工程量，利用所述第三数据对神经网络模型进行训练，得到训练好的模型，将所述第一结果输入所述训练好的模型，得到城际铁路的钢筋工程量计算结果。

5.一种城际铁路钢筋工程量的计算系统，其特征在于，包括：

获取模块，用于获取第一数据和第二数据，所述第一数据包括待计算钢筋工程量的城际铁路的钢筋设计图纸；所述第二数据包括历史钢筋设计图纸和所述历史钢筋设计图纸中包含的钢筋信息；

训练模块，用于利用所述第二数据对卷积神经网络模型进行训练，得到钢筋信息生成模型；将所述第一数据输入所述钢筋信息生成模型中，得到第一结果，所述第一结果包括待计算钢筋工程量的钢筋设计图纸中包含的钢筋信息；

第一计算模块，用于基于所述第一结果，采用至少三种钢筋工程量计算方法计算城际铁路的钢筋工程量，得到多个钢筋工程量计算结果；

第二计算模块，用于基于多个所述钢筋工程量计算结果和基于密度的聚类算法，得到城际铁路的最终钢筋工程量计算结果。

6.根据权利要求5所述的城际铁路钢筋工程量的计算系统，其特征在于，训练模块，包括：

构建单元，用于将所述历史钢筋设计图纸和所述历史钢筋设计图纸中包含的钢筋信息作为一个样本中包含的数据，得到样本集；

选取单元，用于将所述样本集输入卷积神经网络模型中，将所述历史钢筋设计图纸作为输入，所述历史钢筋设计图纸中包含的钢筋信息作为输出，所述卷积神经网络模型包括多个卷积层，在进行卷积处理时，在多个所述卷积层中任意选取预设个数的卷积层，形成卷积层集合；

训练单元，用于将所述卷积层集合中的卷积层进行排序标号，得到排序标号后的卷积层集合，基于所述样本集和排序标号后的卷积层集合，完成所述样本集对所述卷积神经网络模型的训练，得到所述钢筋信息生成模型。

7.根据权利要求6所述的城际铁路钢筋工程量的计算系统，其特征在于，训练单元，包括：

第一计算子单元，用于将所述排序标号后的卷积层集合中排列第一的卷积层记为第一卷积层，排列最后的卷积层记为第二卷积层，基于所述样本集，计算所述第一卷积层的所有的输入通道数据，并对每个所述输入通道数据按照预设的划分规则进行划分处理，得到多个数据块；

训练子单元，用于按照每个所述数据块的序号，依次利用所述第一卷积层对每个所述数据块进行卷积处理，并依次将所述第一卷积层对每个所述数据块的卷积结果输入所述排序标号后的卷积层集合中排列第二位的卷积层，直到利用所述第二卷积层完成对每个数据块的卷积处理；将所述第二卷积层的全部输出作为位于所述第二卷积层之后的网络的输入数据，完成每个样本对所述卷积神经网络模型的训练，得到输出结果；其中，在利用每个卷积层对数据块进行处理时，引入宽度因子进行优化；

比较子单元，用于将所述输出结果与所述样本对应的钢筋信息进行比较，求出两者之间的误差，将所述误差反向传播回所述卷积神经网络模型，更新权重，反复训练的过程得到所述钢筋信息生成模型。

8.根据权利要求5所述的城际铁路钢筋工程量的计算系统，其特征在于，第一计算模块，包括：

计算单元，用于基于所述第一结果，利用Revit软件计算城际铁路的钢筋工程量；

接收单元，用于将所述第一结果发送至工作人员，并接收所述工作人员上传的城际铁路的钢筋工程量计算结果；

获取单元，用于获取第三数据，所述第三数据包括历史钢筋信息和所述历史钢筋信息对应的钢筋工程量，利用所述第三数据对神经网络模型进行训练，得到训练好的模型，将所述第一结果输入所述训练好的模型，得到城际铁路的钢筋工程量计算结果。

9.一种城际铁路钢筋工程量的计算设备，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如权利要求1至4任一项所述城际铁路钢筋工程量的计算方法的步骤。

10.一种可读存储介质，其特征在于：所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述城际铁路钢筋工程量的计算方法的步骤。

Images