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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD