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！

龙图腾网获悉昆明理工大学申请的专利一种用于露天矿区及其边坡的改进YOLOv11裂缝识别及量化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：CN119540722B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202411616284.7，技术领域涉及：G06V10/82；该发明授权一种用于露天矿区及其边坡的改进YOLOv11裂缝识别及量化方法是由刘梓硕;陈杰;李建东;张小强;李曼焘设计研发完成，并于2024-11-13向国家知识产权局提交的专利申请。

本一种用于露天矿区及其边坡的改进YOLOv11裂缝识别及量化方法在说明书摘要公布了：本发明公开了一种用于露天矿区及其边坡的改进YOLOv11裂缝识别及量化方法，包括数据预处理、模型改进和适应性调整、训练初始识别模型、应用目标识别模型进行裂缝检测、局部区域识别、后处理。本发明引入了基于AReLU函数与ACmix模型的特征提取网络改进方法、基于灰度标准差的自适应局部阈值分割算法等技术手段，实现了对裂缝的高效、准确识别。该方法不仅提高了裂缝检测的自动化程度，还降低了人力成本和时间成本，对露天矿区的安全监测具有重要意义。

本发明授权一种用于露天矿区及其边坡的改进YOLOv11裂缝识别及量化方法在权利要求书中公布了：1.一种用于露天矿区及其边坡的改进YOLOv11裂缝识别及量化方法，其特征在于包括以下步骤： S100、数据预处理：先对原始图像进行灰度转换，然后应用高斯滤波进行图像平滑，再应用伽马变换进行图像增强；使用边界框标注法对图像中的裂缝进行标注；将标注后的数据集分为训练集、验证集和测试集； S200、模型改进和适应性调整：使用数据增强方法，以模拟现实场景中的各种变换；基于YOLOv11的原始架构，对其进行特征提取网络改进； S300、训练初始识别模型：进行模型训练、模型验证以及模型测试，得到目标识别模型； S400、应用目标识别模型进行裂缝检测：对露天矿区及边坡采集图像应用数据预处理；使用目标识别模型对图像进行裂缝检测，输出检测结果，以表征露天矿区及边坡是否存在裂缝； S500、局部区域识别：对目标识别模型的识别结果应用自适应局部阈值分割方法，进一步识别裂缝纹理，分割裂缝区域；基于区域面积、区域平均灰度值，进行连通域筛选，其中区域面积阈值与图像尺寸正相关； S600、后处理：先进行形态学处理，再进行裂缝量化，得到裂缝参数； S200步骤中特征提取网络改进具体是： S2021、将部分原始SiLU替换为AReLU，通过注意力模块学习元素级别的残差； S2022、在C3模块和SPPF层中嵌入ACmix自注意力与卷积混合模型，使局部与全局特征融合，增强多尺度目标检测能力； S500步骤自适应局部阈值分割方法包括以下步骤： S501、计算改进的差值熵： S5011、自适应局部阈值分割算法的参数基于改进的差值熵进行拟合； S5012、基于滑动窗口和高斯权重矩阵计算中心像素与其它像素的加权差值，二维高斯分布的概率密度函数为： ， 其中，X=[m,n]T是二维随机变量，θ是均值向量，Σ是协方差矩阵，|Σ|表示协方差矩阵的行列式； S5013、基于每个像素的灰度差值矩阵和权重矩阵，记录灰度差值矩阵中的每个差值出现的权重数，即加权次数，进而得到该图像每个像素与其周围像素之间灰度值的差值的分布X'； S5014、代入改进的差值熵公式，改进的差值熵Hd的计算公式为： ， 其中，i为该差值的值，n为灰度级数，Pd为差值的分布率； S502、参数拟合： S5021、通过局部阈值分割参数分析实验，获取足量在裂缝识别效果最好时，最佳灵敏度与最佳最小标准差阈值数据； S5022、基于最小二乘拟合方法，将实验数据与每张图像各自的差值熵进行拟合，并建立函数关系； S503、自适应局部阈值分割： S5031、使用可定义大小的滑动窗口，计算窗口内像素灰度值的均值与标准差； S5032、基于标准差分割、与灵敏度参数，分割滑动窗口中的前景和背景。

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昆明理工大学，其通讯地址为：650000 云南省昆明市呈贡区昆明理工大学；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。