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！

龙图腾网获悉江汉大学;国网经济技术研究院有限公司申请的专利一种基于深度学习的多级爆破岩体结构面智能化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：CN120580524B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202511087792.5，技术领域涉及：G06V10/764；该发明授权一种基于深度学习的多级爆破岩体结构面智能化识别方法是由孙娟娟;朱姝;王彦兵;孙金山;张济勇;赵菁;刘方翠;刘冬辉设计研发完成，并于2025-08-05向国家知识产权局提交的专利申请。

本一种基于深度学习的多级爆破岩体结构面智能化识别方法在说明书摘要公布了：本发明公开了一种基于深度学习的多级爆破岩体结构面智能化识别方法，包括：首先，通过获取空间序列爆破工作面的多源异构数据，构建多模态数据集。接着，对数据集进行预处理，依据解译标志表对数据集进行解译，标注爆破岩体结构面的位置和范围，生成标注训练数据集。然后，构建深度学习模型，最后，利用标注训练数据集进行训练，实现多级爆破岩体结构面的智能化识别。本发明能够清晰展现爆破结构面的空间效应，分析其在边坡内部的分布特征，显著提升复杂爆破工程的精细化和智能化水平。

本发明授权一种基于深度学习的多级爆破岩体结构面智能化识别方法在权利要求书中公布了：1.一种基于深度学习的多级爆破岩体结构面智能化识别方法，其特征在于，包括以下步骤： 获取空间序列爆破工作面的多源异构数据，构建多级爆破岩体结构面空间序列多模态数据集； 获取空间序列爆破工作面的多源异构数据的过程包括： 对爆破工作面进行三维点云数据和正射影像数据的采集，基于正射影像获得纹理图像；通过三维激光扫描仪，获取典型坡面密集点云数据；利用钻孔电视获取垂直孔内结构面数据；对典型露头结构面信息进行实地测量；根据实地测量的数据对三维点云数据、正射影像数据的采集、密集点云数据与垂直孔内结构面数据进行验证；其中，多源异构数据包括高分辨率三维密集点云、正射影像、纹理图像与爆破设计参数； 构建解译标志表，对多级爆破岩体结构面空间序列多模态数据集进行数据预处理，基于所述解译标志表对数据预处理后的多级爆破岩体结构面空间序列多模态数据集进行解译，标注爆破岩体结构面的位置和范围，获得爆破岩体结构面标注训练数据集； 数据预处理包括对爆破岩体结构面标注数据集中的点云数据进行数据清洗、随机下采样、法线估计、数据标准化、数据标注与分割；其中，所述数据清洗采用噪声点移除和离群点检测方法；采用PCA方法通过邻域点的局部拟合来进行法线估计；根据野外调查或点云模型对岩体结构面分组后进行数据标注； 构建基于深度学习的爆破岩体结构面识别模型并通过所述标注训练数据集对模型进行训练,实现多级爆破岩体结构面的智能化识别； 所述爆破岩体结构面识别模型包括： 样本模块、采样与分组模块、局部特征提取模块、特征聚合模块、特征传播模块、分类模块； 样本模块用于选取样本点云数据； 采样与分组模块从样本点云数据中选取新的质心并获取每个质心固定数量的邻近点，形成局部点群； 局部特征提取模块对每个局部点群计算相对于质心的相对位置编码，并与邻近点的原始特征进行结合；将结合后的局部特征进行非线性变换，获得增强的局部特征； 特征聚合模块采用并行处理方式，对局部特征提取模块输出的增强局部特征进行聚合，获得聚合后的高维特征向量； 并行处理时，一条路径对增强的局部特征进行多层感知机MLP处理后应用最大池化层MaxPooling；另一条路径分别对相对位置编码和原始局部特征进行多层感知机MLP处理，然后将结果拼接，再应用平均池化AvgPooling和最大池化MaxPooling，并将二者结果拼接；将这两条路径的聚合特征进行拼接，获得聚合后的高维特征向量； 特征传播模块将特征聚合模块输出的低分辨率特征上采样并传播回原始点云密度； 分类模块在特征传播完成后，通过若干个1D卷积层对每个点的最终特征进行处理，并输出针对每个结构面类别的分数。

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江汉大学;国网经济技术研究院有限公司，其通讯地址为：430056 湖北省武汉市三角湖路8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。