买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉山东大学申请的专利基于深度学习和后处理的煤岩裂隙图像识别方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119229217B 。

龙图腾网通过国家知识产权局官网在2025-08-15发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411730998.0，技术领域涉及：G06V10/764；该发明授权基于深度学习和后处理的煤岩裂隙图像识别方法及系统是由林鹏;翟晨宇;马文;许振浩;余腾飞;吴正凯设计研发完成，并于2024-11-29向国家知识产权局提交的专利申请。

本基于深度学习和后处理的煤岩裂隙图像识别方法及系统在说明书摘要公布了：本发明公开基于深度学习和后处理的煤岩裂隙图像识别方法及系统，采用煤岩裂隙图像识别模型对拼接后的煤岩裂隙图像进行识别与分类，模型包括依次按照顺序连接的改进的YOLOv5目标检测网络、图像分割网络和分类器，其中，图像分割网络输出二值化图像后，对不同角度的裂隙图像中裂隙和非裂隙进行视差深度计算，基于视差深度确定裂隙；确定裂隙后对二值化图像进行图像特征数值化，提取出裂隙图像特征参数；计算裂隙的分形维度，基于分形维度初步判断裂隙是否能够表征，若是则将所述裂隙图像特征参数输入至分类器，输出煤岩裂隙的类型，若否则输出裂隙特定类型。综合视差深度、分形维度和图像特征进行识别和分类，有效减少误识别和漏识别问题。

本发明授权基于深度学习和后处理的煤岩裂隙图像识别方法及系统在权利要求书中公布了：1.基于深度学习和后处理的煤岩裂隙图像识别方法，其特征在于，包括： 获取不同角度的煤岩裂隙图像并进行预处理，得到预处理后的不同角度的煤岩裂隙图像； 将预处理后的不同角度的煤岩裂隙图像进行拼接，得到拼接后的煤岩裂隙图像，并输入至训练好的煤岩裂隙图像识别模型进行裂隙的识别与分类，得到裂隙分类结果；所述煤岩裂隙图像识别模型包括依次按照顺序连接的改进的YOLOv5目标检测网络、图像分割网络和分类器； 具体的，煤岩裂隙图像识别模型中图像的处理步骤为：将拼接后的煤岩裂隙图像输入改进的YOLOv5目标检测网络进行裂隙边界定位，输出裂隙标注图像；将所述裂隙标注图像输入图像分割网络进行图像分割，输出分割后的二值化图像；对所述预处理后的不同角度的煤岩裂隙图像中裂隙和非裂隙进行视差深度计算，基于所述视差深度确定裂隙；确定裂隙后对所述二值化图像进行图像特征数值化，提取出裂隙图像特征参数；基于所述二值化图像计算裂隙的分形维度，基于所述分形维度初步判断裂隙是否能够表征，若是则将所述裂隙图像特征参数输入至分类器，输出煤岩裂隙的类型，若否则输出裂隙特定类型为破碎带； 所述煤岩裂隙图像的预处理流程具体为： 调整图像的亮度、对比度和灰度； 增强图像细节并进行首次全局降噪； 对图像进行阈值分割处理； 利用高斯滤波法对图像的裂隙以及顽固噪点进行二次降噪； 最后采用分段线性变换法对降噪后的煤岩裂隙图像进行对比度增强，突出裂隙特征； 所述改进的YOLOv5目标检测网络在其特征提取网络中引入可变形卷积网络，在其特征融合网络中采用加权双向特征金字塔网络替代特征金字塔网络，采用Inner-CIoU损失判断目标边界；具体的： 在可变卷积算子中，通过将卷积核中的每一个元素增加一个可学习的偏移量参数，使得将原来固定不变卷积核具有自适应物体形状的能力，计算公式如下： 其中，表示在位置的特征图上的响应，表示为目标位置，表示为卷积核内的一个元素的位置索引，R表示为卷积核覆盖的区域，W表示为权重，X表示为输入的特征图，表示偏移量；由于可变性卷积采样的位置存在不规则性，使得偏移量一般为小数，故用双线性插值实现如下： 其中，X表示为输入的特征图，表示可变形卷积所对应区域中的任意位置，是特征图的一个采样点对应的像素值，表示一个二维的双线性插值核； 采用加权双向特征金字塔网络替代特征金字塔网络FPN来适配小目标检测的主干网络，使用双向交叉连接和快速归一化的方式实现高效的加权特征融合；其中快速归一化融合如下式所示： 其中，表示为融合后的输出特征，E表示一个非常小的附加值，表示为所有参与融合的特征图，表示输入的第个特征图，，表示特征图的总数，表示输入特征的权重； Inner-CIoU损失公式如下： 其中，为损失函数，为值，表示交并比； 所述图像分割网络为SegNet网络，由编码器和解码器两部分组成；编码器基于VGG-16网络，包含若干个卷积层和最大池化层；每个卷积层执行二维卷积操作，提取图像的局部特征，用于提取输入煤岩图像的深度特征；解码器通过逐步上采样操作恢复图像的空间分辨率，并结合编码器输出的特征图，实现逐像素的分割；具体步骤为： 1）输入目标检测网络定位裁剪后的图像； 2）通过编码器的卷积和池化操作提取煤岩图像的深度特征，逐步缩小图像尺寸，捕捉煤岩中的裂隙、界面关键信息；卷积层用于提取煤岩图像的局部特征；卷积操作公式如下： 其中，表示为输入图像，表示为卷积核，为积分变量，表示卷积； 最大池化层用于降低特征图的空间维度，并保留重要特征；池化窗口的大小为2×2，最大池化操作的公式为： 其中，为池化后的输出，为输入特征图中的像素值； 3）解码器部分采用非线性上采样来恢复图像的空间分辨率；SegNet通过记录池化索引，在解码阶段利用这些索引实现精确的反池化，公式如下： ； 其中，为上采样后的像素值，为输入特征图中被池化操作保留的最大值，为最大池化时记录的最大值位置索引，表示为输入特征图中某个元素的坐标； 4）输出分割后的二值化图像，其中每个像素点都被标记为裂隙和背景； 对所述预处理后的不同角度的煤岩裂隙图像中裂隙和非裂隙进行视差深度计算，具体为：在不同角度的煤岩裂隙图像中寻找匹配的特征点，对匹配的特征点计算图像平面上的视差，利用视差、相机的内部参数和外部参数计算特征点的视差深度，公式表示如下： 其中，表示为视差深度，表示为基线距离，表示为焦距，表示为视差； 确定裂隙后对所述二值化图像进行图像特征数值化，提取出裂隙图像特征参数，具体为：使用灰度共生矩阵对所述二值化图像进行图像特征数值化，提取出裂隙图像特征参数； 灰度共生矩阵是由数据灰度之间的组合概率所组成的矩阵； 其中，代表灰度方向，代表灰度级，代表灰度共生矩阵的行号，代表灰度共生矩阵的列号；概率是把灰度级为的点作为起始点，在距离为、方向为时，出现灰度值为的点的概率；的计算公式如下： 其中，为起始点，为出现灰度值的点，选择0°、45°、90°、135°4个方向，为距离，； 通过上述步骤，提取出裂隙图像特征参数，即对比度，同质性和熵； 基于所述分形维度初步判断裂隙是否能够表征具体为： 当分形维度大于设定阈值时，则判断为否，输出裂隙特定类型为破碎带，并提取裂隙特定类型为破碎带的结构特征；定义破碎率，破损率可表示为： 其中，B表示破碎率，为图像像元总数，D表示断裂区域的断裂像元数； 当分形维度处在设定范围内时，则判断为是，将裂隙图像特征参数输入至分类器，分类器输出煤岩裂隙的类型，包括曲线裂隙和线性裂隙，并提取相应类型的结构特征； 对于线性裂隙，计算其位置、长度和视倾角，线性裂缝位置可由下式计算： 其中，L 1和L 2分别代表裂缝的起始位置和结束位置，H为煤岩长度，和分别为线性裂缝的起点和终点坐标，表示煤岩图像的垂直像素数； 视倾角可由下式计算： 其中，为煤岩宽度，和分别表示线性裂缝终点和起点的横坐标； 线性裂缝的真实长度可表示为： 其中，L 1和L 2分别代表裂缝的起始位置和结束位置，为视倾角； 对于曲线裂隙，计算其长度和曲率，长度可以通过下式估算： 其中，为曲线上某点的斜率，和分别为裂隙的起点和终点坐标； 曲线裂隙的整体弧度可以通过积分局部弧度来计算，公式如下： 其中，为整体弧度，为曲线上某点的斜率，和分别为裂隙的起点和终点坐标。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人山东大学，其通讯地址为：250000 山东省济南市历下区经十路17923号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。