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！

龙图腾网获悉吉林大学申请的专利一种基于深度学习的岩石薄片层级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：CN121053652B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202511596509.1，技术领域涉及：G06V20/69；该发明授权一种基于深度学习的岩石薄片层级识别方法是由马银龙;卢帅屹;李宗政;俞嘉宝设计研发完成，并于2025-11-04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岩石薄片层级识别方法在说明书摘要公布了：本发明适用于岩性识别技术领域，提供了一种基于深度学习的岩石薄片层级识别方法，包括以下步骤：数据收集与预处理；数据增强；样本数据划分；模型构建与训练；模型应用。该方法通过构建一个并行的混合神经网络架构，分别提取图像的局部特征和全局特征，然后利用注意力机制对这两种特征进行有效融合与增强，最后通过一个层级依赖的分类模块和联合优化的损失函数，实现对岩石类别从粗到细的精准识别。该方法将传统的人工鉴定过程转变为自动化、标准化的流程，为大规模地质数据处理提供了高效、客观以及可重复的岩性判别基准，在深部资源勘探和地质灾害评估等领域具有重要的应用价值。

本发明授权一种基于深度学习的岩石薄片层级识别方法在权利要求书中公布了：1.一种基于深度学习的岩石薄片层级识别方法，其特征在于，包括以下步骤： 步骤1：数据收集与预处理； 筛选和整理包含变质岩、火成岩、沉积岩三大岩类的岩石薄片显微图像，构建原始图像数据集，为每张图像建立包含粗粒度和细粒度的双重分类标签； 步骤2：数据增强； 对预处理后的图像数据集进行数据增强操作，形成样本数据集； 步骤3：样本数据划分； 将增强后的样本数据集按预设比例随机划分为训练图像样本数据集和测试图像样本数据集； 步骤4：模型构建与训练； 构建混合架构的深度学习模型，将图像同时输入预训练的ResNet骨干网络和SwinTransformer骨干网络，提取局部特征图和全局特征图；对两个特征图进行通道对齐和融合，得到融合特征图；将融合特征图送入通道注意力模块和空间注意力模块进行注意力增强；将注意力增强后的特征图通过池化层转换为特征向量，送入层级分类模块，先预测粗粒度类别，再将粗分类结果与特征向量拼接后预测细粒度类别；使用双任务联合损失函数优化模型； 步骤5：模型应用； 将训练完成的模型用于岩石薄片识别，输出粗粒度和细粒度双重类别。

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吉林大学，其通讯地址为：130012 吉林省长春市朝阳区前进大街2699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。