RebarCount - 钢筋计数应用

基于 YOLOv11 和 MNN 框架的 iOS 钢筋自动计数应用。

功能特性

• 🔍 智能检测: 使用 YOLOv11 模型自动识别图像中的钢筋
• 📊 自动计数: 准确统计检测到的钢筋数量
• 🏷️ 智能标记: 按从上到下、从左到右的顺序为每根钢筋编号
• 📱 原生体验: 基于 iOS 原生开发，流畅的用户体验
• ⚡ 高性能: 使用 MNN 框架进行模型推理，速度快、内存占用低

技术架构

• 开发语言: Swift + Objective-C++
• AI 框架: MNN (Mobile Neural Network)
• 模型: YOLOv11n (轻量化版本)
• 平台: iOS 13.0+
• 开发工具: Xcode

核心功能

1. 图像预处理

• 自动调整图像尺寸至 640x640
• 中心填充保持宽高比
• 像素值归一化处理

2. 模型推理

• 使用 YOLOv11n 模型进行目标检测
• 输出边界框坐标、置信度和类别信息

3. 后处理

• 非极大值抑制 (NMS) 去除重复检测
• 坐标转换回原始图像尺寸
• 按空间位置排序 (从上到下，从左到右)

4. 结果可视化

• 绘制红色边界框
• 在每个检测目标中心显示编号
• 圆形背景突出显示数字标记

使用方法

1. 打开应用: 启动 RebarCount 应用
2. 选择图片: 点击选择按钮，从相册选择包含钢筋的图片
3. 自动检测: 应用会自动处理图片并检测钢筋
4. 查看结果: 检测完成后显示标记了编号的结果图片
5. 获取计数: 应用会显示检测到的钢筋总数

安装要求

• iOS 13.0 或更高版本
• Xcode 12.0 或更高版本
• 支持的设备: iPhone 6s 及以上

编译运行

1. 克隆项目到本地

git clone [项目地址]
cd RebarCount

2. 使用 Xcode 打开项目

open RebarCount.xcodeproj

3. 选择目标设备或模拟器
4. 点击运行按钮 (⌘+R) 编译并运行

模型信息

• 模型类型: YOLOv11n
• 输入尺寸: 640×640×3
• 输出格式: [1, 84, 8400] (坐标 + 置信度 + 类别)
• 模型大小: 约 6MB
• 推理速度: < 100ms (iPhone 12)

模型微调

• 数据集：https://github.com/linghugoogle/RebarCountDataset
• 微调

性能优化

• 使用 MNN 框架进行模型加速
• 图像预处理优化，减少内存拷贝
• 智能缓存机制，避免重复计算
• 多线程处理，保持 UI 响应

注意事项

• 确保图片中钢筋清晰可见
• 避免严重遮挡或重叠的钢筋
• 光照条件良好时检测效果更佳
• 建议图片分辨率不低于 640×640

开发者

• 开发语言: Swift 5.0+, Objective-C++
• 框架依赖: MNN, UIKit, CoreGraphics
• 最低部署目标: iOS 13.0

许可证

本项目仅供学习和研究使用。

如有问题或建议，欢迎提交 Issue 或 Pull Request。