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！

龙图腾网获悉北京科技大学申请的专利一种岩石裂隙识别与扩展预测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：CN118506104B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202410820791.6，技术领域涉及：G06V10/764；该发明授权一种岩石裂隙识别与扩展预测方法及系统是由苗胜军;代宗晟;张少宁;潘宝强;常宁东;刘泽京设计研发完成，并于2024-06-24向国家知识产权局提交的专利申请。

本一种岩石裂隙识别与扩展预测方法及系统在说明书摘要公布了：本发明提供一种岩石裂隙识别与扩展预测方法及系统，所述方法包括：利用CT扫描三轴循环加卸载试验中的粉砂岩试样以获取原始切片图像，并进行预处理；将预处理后的切片图像输入SAM分割模型中进行岩石裂隙识别，并提取几何空间特征参数；基于几何空间特征参数构建用于图卷积神经网络训练和测试的数据库；在Pytorch框架下建立图卷积神经网络，对图卷积神经网络进行训练得到训练后的GCN模型；基于训练后的GCN模型分析裂隙之间的连接关系，对裂隙扩展路径进行预测。本发明基于SAM大模型和图卷积神经网络混合策略，提高了神经网络在岩石裂隙识别领域的效率和精度，并对后续岩体裂隙扩展路径预测具有一定指导作用。

本发明授权一种岩石裂隙识别与扩展预测方法及系统在权利要求书中公布了：1.一种岩石裂隙识别与扩展预测方法，其特征在于，包括以下步骤： S1、利用CT扫描三轴循环加卸载试验中的粉砂岩试样以获取原始切片图像，并进行预处理； 所述步骤S1中，将尺寸为Φ50mm×100mm且端面非平行度控制在0.02mm以下的粉砂岩试样通过伺服控制岩石力学测试系统MTS815进行三轴循环加卸载试验，并在每次加卸载后通过CT对试样进行全方位、螺旋式扫描获取试样内部裂隙三维信息，其中CT扫描点设置为粉砂岩峰值强度的30％、60％、90％以及试样破裂后，以此建立裂隙的原始切片图像库； 对CT扫描粉砂岩试样所获取的原始切片图像进行统一预处理，使试验过程中各个阶段的岩样在分辨率上对齐，并只保留含岩样的切片图像； S2、将预处理后的切片图像输入SAM分割模型中进行岩石裂隙识别，并提取几何空间特征参数； 所述步骤S2中，将预处理后的切片图像输入微调后的SAM分割模型中，实现岩石裂隙的智能识别；利用OpenCV库获取裂隙二值图的轮廓，并在轮廓的基础上通过库函数提取裂隙的长度、宽度、倾角参数，再根据切片图像信息，将裂隙的二维几何空间特征参数转换为三维几何空间特征参数； S3、基于所述几何空间特征参数构建用于图卷积神经网络训练和测试的数据库； 所述步骤S3中，将每条裂隙定义为一个节点，将裂隙的几何空间特征参数作为节点的相关特征，裂隙通过边连接并以距离远近形成邻接矩阵，得到用于图卷积神经网络训练和测试的数据库； 粉砂岩在三轴循环加卸载试验过程中根据不同应力加卸载点将数据划分为多个阶段的数据，在训练图卷积神经网络时，以上一阶段的数据作为模型的输入，下一阶段的数据作为模型的输出；将数据库中的数据划分为多个类别，每类数据分别训练不同图卷积神经网络，以此得到用于预测不同阶段下岩石裂隙扩展路径的模型； S4、在Pytorch框架下建立图卷积神经网络，对所述图卷积神经网络进行训练得到训练后的GCN模型，并进行验证； 所述步骤S4中，图卷积神经网络的操作表示为： 其中，Hl是第l层的节点特征矩阵，Wl是第l层的权重矩阵，是归一化后的邻接矩阵，是的度矩阵，σ是激活函数； 每一层图卷积层均对节点的特征进行线性变换，并通过邻接矩阵进行加权求和，再应用非线性激活函数逐层提取节点的高阶特征； 为预测岩石裂隙在三轴循环加卸载试验中每一断点的下一步扩展路径，建立GCN模型的节点回归任务，选择随机梯度下降SGD作为优化器，损失函数Loss的计算公式为： 其中，N是节点的数量，yi是第i个节点的真实值，是第i个节点的预测值； 将数据库中的训练集输入GCN模型中进行训练，得到训练后的GCN模型；在GCN模型的训练过程中，节点间通过信息传递和聚合，使得节点不仅包含自身的特征信息，还包含其他节点的特征信息，利用上述机制解析裂隙之间的连接关系，进而揭示出裂隙之间的相互影响关系和潜在结构模式； 通过Loss值检验模型的收敛性，并利用准确率Accuracy、精确率Precision、召回率Recall和Dice系数评估模型的预测精度； 计算公式如下： 式中：TP为在三维空间坐标下真实和预测都是同一裂隙的数量的总数，FP为真实是背景预测为裂隙的数量的总数，TN为真实和预测都是背景的数量的总数，FN为真实是裂隙预测为背景的数量的总数； S5、基于训练后的GCN模型分析裂隙之间的连接关系，对裂隙扩展路径进行预测； 所述步骤S5中，通过对训练后的GCN模型进行分析，提取并可视化节点特征和边权重，量化裂隙之间的连接关系，分析节点特征对裂隙扩展路径的影响，从而揭示裂隙发育各异的内在机制以及裂隙间的相互作用。

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科技大学，其通讯地址为：100083 北京市海淀区学院路30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”。

以上内容由龙图腾AI智能生成。