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！

龙图腾网获悉武汉大学申请的专利一种基于非均匀归一化和频谱强化深度融合网络的岩土特征参数预测方法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：CN119559422B 。

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：202411471019.4，技术领域涉及：G06V10/764；该发明授权一种基于非均匀归一化和频谱强化深度融合网络的岩土特征参数预测方法是由高睿;王泽良;高钧霆;朱红西;郑超;黄祥国;李文建设计研发完成，并于2024-10-21向国家知识产权局提交的专利申请。

本一种基于非均匀归一化和频谱强化深度融合网络的岩土特征参数预测方法在说明书摘要公布了：本发明提供一种基于非均匀归一化和频谱强化深度融合网络的岩土特征参数预测方法，包括：步骤1、使用非均匀归一化NUN方法对岩土特征参数进行数据处理，所述岩土特征参数包括地基承载力特征值、压缩模量和岩土体状态；将岩土特征参数从文本类型变为图像类型，得到岩土特征参数的图像数据；步骤2、利用步骤1中所得图像数据对频谱强化深度融合网络SEDFN进行训练；步骤3、利用步骤2中训练所得的SEDFN网络对某工程的实际地质剖面图进行预测，并用相似度指数SI对预测结果进行评价。本发明可以提高勘察工作的准确性、可靠性以及精准度。

本发明授权一种基于非均匀归一化和频谱强化深度融合网络的岩土特征参数预测方法在权利要求书中公布了：1.一种基于非均匀归一化和频谱强化深度融合网络的岩土特征参数预测方法，其特征在于，包括如下步骤： 步骤1、使用非均匀归一化NUN方法对岩土特征参数进行数据处理，所述岩土特征参数包括地基承载力特征值、压缩模量和岩土体状态；将岩土特征参数从文本类型变为图像类型，得到岩土特征参数的图像数据； 步骤2、利用步骤1中所得图像数据对频谱强化深度融合网络SEDFN进行训练； 步骤3、利用步骤2中训练所得的SEDFN网络对某工程的实际地质剖面图进行预测，并用相似度指数SI对预测结果进行评价； 步骤1具体包括： 步骤1.1、收集岩土工程特征参数原始数据，根据工程需要，从原始数据中挑选出三种岩土特征参数的对应数据； 步骤1.2、利用基于NUN的数据处理方法将挑选出的原始数据进行处理： ； 其中，表示RGB图像的峰值像素值，设置为255；表示处理后的数据，c表示不同特征参数代表的通道，fr代表原始岩土特征参数数据，r为类别参数，用于区分不同的岩土特征参数；若目标特征参数描述方式为文字类型，则根据类型数量将RGB图像的峰值像素值等分，并将等分后的RGB值赋予该特征； 步骤1.3、将步骤1.2处理后的数据转换为图像数据，以便于视觉分析； 步骤2具体包括： 步骤2.1、输入图像预处理：对输入图像进行颜色空间转换，从RGB到Y'CbCr色彩空间，并且仅保留亮度通道Y'： ； 其中，R、G、B分别对应RGB三通道图像像素值的三个分量； 步骤2.2、利用修正的SRCNN网络mSRCNN提取低频特征，训练网络对于低频处理的部分；使用两层的mSRCNN卷积网络对作为训练集的输入图像进行特征提取与非线性映射，然后进行图像重建： ； ； ； 其中首层卷积核为W1，偏置项为B1，末层卷积核为W2，偏置项为B2，X为上一层输入的图块，为中间过程函数，用于表示特征提取后的内容，LeakyReLU为非线性映射激活函数，用于控制负数输入的输出，为首层的输出结果，为最终输出的包含低频特征的结果； 步骤2.3、利用频域高保留快速傅里叶卷积提取高频特征，训练网络对于高频特征处理的部分； 步骤2.4、并行融合高低频特征：整合低频和高频特征，并通过1×1卷积核进行融合，最后从Y'到RGB的逆变换，得到最终的RGB图像； 步骤2.5、将步骤2.4中得到的结果与实际情况比较，计算网络训练结果与实际情况的差异，并利用反向传播算法来计算损失函数关于每个权重的梯度；重复步骤2.1至步骤2.4，直至达到预设的训练迭代次数。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌珞珈山；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”。

以上内容由龙图腾AI智能生成。