申请/专利权人:西安理工大学
申请日:2024-01-08
公开(公告)日:2024-03-15
公开(公告)号:CN117710824A
主分类号:G06V20/10
分类号:G06V20/10;G06V10/26;G06V10/44;G06V10/774;G06V10/80;G06V10/82;G06N3/0464;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.02#实质审查的生效;2024.03.15#公开
摘要:本发明公开了一种基于改进CascadeMaskR‑CNN模型的岩芯图像RQD智能分析方法,包括:收集地质勘察中的钻孔岩芯图像,并经过图像预处理构建数据集;构建改进CascadeMaskR‑CNN模型,所述改进CascadeMaskR‑CNN模型采用ResNet算法提取图像特征并采用CAFPN算法进行特征融合;采用梯度密度均衡和数据增强策略提升模型性能;采用数据集对改进CascadeMaskR‑CNN模型进行训练,得到岩芯实例分割模型;采用训练好的岩芯实例分割模型,对待分析的岩芯图像进行识别,得到单个岩芯的岩芯掩膜和外接矩形;基于所述岩芯掩膜和外接矩形,得到RQD值。本发明基于改进的CascadeMaskR‑CNN模型实现准确的岩芯对象识别,并提出系统化的RQD量化方法,为水工岩体质量的智能分析提供理论和方法支撑。
主权项:1.一种基于改进CascadeMaskR-CNN模型的岩芯图像RQD智能分析方法,其特征在于,包括以下步骤:S1,收集地质勘察中的钻孔岩芯图像,并经过图像预处理构建数据集;S2,构建改进CascadeMaskR-CNN模型,所述改进CascadeMaskR-CNN模型采用ResNet算法提取图像特征并采用CAFPN算法进行特征融合;采用梯度密度均衡策略提升模型性能;S3,采用所述数据集对所述改进CascadeMaskR-CNN模型进行训练,得到岩芯实例分割模型;S4,采用训练好的岩芯实例分割模型,对待分析的岩芯图像进行识别,得到单个岩芯的岩芯掩膜和外接矩形;S5,基于所述岩芯掩膜和外接矩形,得到RQD值。
全文数据:
权利要求:
百度查询: 西安理工大学 一种基于改进Cascade Mask R-CNN模型的岩芯图像RQD智能分析方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。