Actualmente, la medición en el sitio del tamaño de la sección transversal de un tubo de acero para la construcción de andamios se basa en herramientas de medición manuales, lo cual es un proceso que consume mucho tiempo y tiene una precisión deficiente. Por lo tanto, este documento propone un nuevo método para las mediciones del tamaño de tubos de acero que se basa en la extracción de bordes y el procesamiento de imágenes. Nuestro objetivo principal es resolver los problemas de precisión deficiente y desperdicio de mano de obra en aplicaciones prácticas de inspección de tubos de acero para construcción. Por lo tanto, el método desarrollado utiliza una red neuronal convolucional y tecnología de procesamiento de imágenes para encontrar una solución óptima. Nuestro experimento reveló que la imagen de borde propuesta en la tecnología existente de red neuronal convolucional es relativamente áspera y no puede calcular el tamaño de la sección transversal del tubo de acero. Por lo tanto, el modelo de red sugerido optimiza la tecnología actual y la combina con la tecnología de procesamiento de imágenes. Los resultados demuestran que en comparación con la red de características convolucionales más ricas (RCF), la escala de conjunto de datos óptima (ODS) se mejora en un 3%, y la escala de imagen óptima (OIS) se mejora en un 2.2%. Al mismo tiempo, el valor de error de la transformada de Hough puede reducirse efectivamente después de mejorar el algoritmo de Hough.