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！

龙图腾网获悉北京中煤矿山工程有限公司申请的专利一种基于深度神经网络的煤矿井壁渗水识别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：CN115482445B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202211237913.6，技术领域涉及：G06V10/80；该发明授权一种基于深度神经网络的煤矿井壁渗水识别方法是由付文俊;张亮设计研发完成，并于2022-10-10向国家知识产权局提交的专利申请。

本一种基于深度神经网络的煤矿井壁渗水识别方法在说明书摘要公布了：本发明公开一种基于深度神经网络的煤矿井壁渗水识别方法，利用图像采集设备获取煤矿井壁图像，挑选出含有渗水的图像作为原始煤矿井壁渗水图像；对原始煤矿井壁渗水图像进行预处理，构建煤矿井壁渗水检测数据集；构建改进的YOLOv5模型；将煤矿井壁渗水检测数据集输入到改进的YOLOv5模型中进行训练；将待检测的图像输入到训练好的模型中完成渗水目标检测。改进的YOLOv5模型在原始YOLOv5模型的颈部网络中加入Cross‑Transformer模块，且Cross‑Transformer模块中采用多头交叉注意力机制，实现不同层次特征图之间关键信息的交互与融合，解决长距离依赖问题，检测精度从78％提高到85％。

本发明授权一种基于深度神经网络的煤矿井壁渗水识别方法在权利要求书中公布了：1.一种基于深度神经网络的煤矿井壁渗水识别方法，其特征在于， 步骤100：利用图像采集设备获取煤矿井壁图像，挑选出含有清晰渗水区域的图像，作为原始煤矿井壁渗水图像； 步骤200：对原始煤矿井壁渗水图像进行预处理，构建煤矿井壁渗水检测数据集； 步骤300：构建改进的YOLOv5模型，在原始的YOLOv5模型颈部网络中加入Cross-Transformer模块，Cross-Transformer模块中采用多头交叉注意力机制；Cross-Transformer模块分别放置在YOLOv5模型颈部网络中四个关键的特征融合节点，即各分支特征在进入Concat之前的位置； Cross-Transformer模块分别插入在四个位置： 1在第一条上采样Upsample与BottleNeckCSP之后、进入特征拼接Concat之前； 2在第二条1×1卷积与3×3卷积处理后、进入特征拼接Concat之前； 3在另一条路径的上采样Upsample与BottleNeckCSP之后、与进入特征拼接Concat之前； 4在底部分支1×1卷积与3×3卷积处理后、进入特征拼接Concat之前； 步骤400：将煤矿井壁渗水检测数据集输入到改进的YOLOv5模型中进行训练； 步骤500：将待检测的图像输入到训练好的模型中完成渗水目标检测； 所述Cross-Transformer模块，采用双分支结构，其中包括线性投影、前馈网络、层归一化操作，并采用多头交叉注意力机制实现两个分支之间的信息交互； 对输入的两个特征映射x1和x2进行降维操作，为了对特征映射的位置信息进行编码，引入可学习的位置嵌入，并通过直接添加的方式将其与输入的特征映射分别融合，接着对y1和y2进行层归一化操作，得到特征嵌入后的特征y1和y2，这一过程描述为： 2； 式2中，LP为线性投影操作，PE为位置编码，LN表示层归一化； 利用多头交叉注意力机制实现y1和y2特征图之间的信息交互，并与原始特征图相加，得到特征图z1和z2，这一过程描述为： 3； 式3中，MCA1和MCA2分别表示两个输入y1和y2对应的多头交叉注意力； 为了适应网络的下一个维度，采用层归一化、前馈网络、特征映射操作，并将两个特征图z1和z2相加，得到特征图f，实现进一步信息融合，这一过程描述为； 4； 式4中，LN表示层归一化，FM表示特征映射，FFN为前馈网络。

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北京中煤矿山工程有限公司，其通讯地址为：100013 北京市朝阳区和平里青年沟路5号64号楼；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。