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！

龙图腾网获悉中国矿业大学申请的专利基于自监督学习的煤矿巷道形变检测基础模型及检测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：CN120101674B 。

龙图腾网通过国家知识产权局官网在2026-02-13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：202510169408.X，技术领域涉及：G01B11/16；该发明授权基于自监督学习的煤矿巷道形变检测基础模型及检测方法是由杨旭;廖先强;李茂涛;余颖;杨磊;牛强;尹雨晴;徐晓设计研发完成，并于2025-02-17向国家知识产权局提交的专利申请。

本基于自监督学习的煤矿巷道形变检测基础模型及检测方法在说明书摘要公布了：一种基于自监督学习的煤矿巷道形变检测基础模型及检测方法，模型：包括依次连接的巷道形变点云数据生成模块、数据增强模块和巷道形变智能检测模块，巷道形变智能检测模块包括自监督学习模块和形变检测模块；方法：利用巷道形变点云数据生成模块通过模拟方法生成具有不同形变类型的巷道点云数据；利用数据增强模块对形变巷道点云数据进行变形处理；构建自监督学习模块，用于从未标注的点云数据中自动提取特征；构建形变检测模块，实现对巷道形变区域的精准识别和形变程度的评估；利用巷道形变智能检测模块进行巷道形变区域的自动化识别及评估。该模型及方法能有效提高巷道形变检测的准确性与效率，能为巷道的安全监测提供高效、智能化的解决方案。

本发明授权基于自监督学习的煤矿巷道形变检测基础模型及检测方法在权利要求书中公布了：1.一种基于自监督学习的煤矿巷道形变检测方法，包括如下步骤： 步骤一：利用巷道形变点云数据生成模块通过模拟方法生成具有不同形变类型的巷道点云数据； 对于已标注的煤矿巷道原始点云数据，根据巷道几何结构和不同形变类型，并结合物理模型和数值计算，利用公式1得到形变巷道点云数据；其中，，表示巷道中的第个三维点坐标，N为点云中点的总数； 1； 式中，表示形变类型，表示形变类型相关的变换矩阵，表示平移偏移量； 步骤二：利用数据增强模块对形变巷道点云数据进行变形处理； 对形变巷道点云数据进行增强处理，同时，引入噪声和扰动来逼真模拟实际数据，利用公式2得到经过增强处理后的点云数据； 2； 式中，是增强变换矩阵；为平移向量；表示随机化加入的噪声，表示通过随机化加入噪声变化的缩放因子； 步骤三：构建巷道形变智能检测模块，并进行巷道形变区域的自动化识别及评估； S31：构建自监督学习模块，以用于从未标注的点云数据中自动提取特征； 将变分自编码器和对比学习相结合，形成变分自编码对比学习网络结构，利用变分自编码对比学习网络结构对未标注的点云数据进行自监督特征学习；利用变分自编码器提取点云数据的潜在特征表示，通过对比学习，使编码器提取的正样本特征的分布收敛到相似，同时区分正样本和负样本之间的分布；同时，引入交叉熵损失函数来监督训练过程，引入生成对抗机制，通过对比学习优化生成的潜在特征，使模型能够有效地捕捉到点云数据中的本质特征，同时，通过两种不同数据增强生成的正样本计算交叉熵损失，以保留更多的不变特征，并促进正样本之间分布的一致性；利用训练好的自监督学习网络作为巷道形变智能检测模块的主干网络，以用于从输入的巷道点云数据中提取出与巷道形变有关的深度特征； S32：构建形变检测模块，以实现对巷道形变区域的精准识别和形变程度的评估； 利用多层全连接层和卷积层生成3D候选框，并细化3D候选框作为巷道形变智能检测模块的检测头，以用于根据潜在特征表示来实现对巷道形变区域的精准识别和形变程度的评估； S33：利用巷道形变智能检测模块进行巷道形变区域的自动化识别及评估； 通过自监督学习模块和形变检测模块组成巷道形变智能检测模块；利用布置在巷道中的三维传感器以设定采样频率自动扫描巷道并生成点云数据，将点云数据输入至自监督学习模块中，利用自监督学习模块从点云数据中自动提取出与巷道形变有关的深度特征，并将得到的特征数据输入至形变检测模块中，利用形变检测模块进行巷道形变区域的精准识别和形变程度的评估，最终，输出识别出的形变区域和评估报告。

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中国矿业大学，其通讯地址为：221000 江苏省徐州市大学路1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。