申请/专利权人：长安大学;中国文化遗产研究院

申请日：2023-07-25

公开（公告）日：2024-06-07

公开（公告）号：CN117152060B

主分类号：G06T7/00

分类号：G06T7/00;G06N3/0464;G06N3/048;G06T5/80;G06V10/77;G06V10/82

优先权：

专利状态码：有效-授权

法律状态：2024.06.07#授权;2024.03.22#专利申请权的转移;2023.12.19#实质审查的生效;2023.12.01#公开

摘要：本发明提供一种基于机器学习的裂隙岩体裂隙数量确定方法、电子设备及存储介质，确定方法包括：通过采集原位裂隙岩体的试验区域的岩体表面热红外图像及其岩体浅表层内的裂隙数量数据；对温度序列矩阵进行处理，结合所采集的裂隙数量数据构建热红外图像数据集；对热红外图像数据集进行裂隙特征提取；将卷积特征向量通过全卷积层进行特征识别，获得裂隙数量预测概率模型；训练深度学习模型直至收敛；获取原位裂隙岩体的目标区域的岩体表面热红外图像对应的温度序列矩阵，导入满足要求的预测概率模型，确定目标区域的岩体浅表层内的裂隙数量。采用本发明提供的确定方法，可快速、高效确定岩体裂隙数量。

主权项：1.一种基于机器学习的裂隙岩体裂隙数量确定方法，其特征在于，所述确定方法包括以下步骤：通过采集原位裂隙岩体的划分的N块矩形试验区域的岩体表面热红外图像，基于热红外图像采用Smartview软件获得对应的温度序列矩阵拍摄第n个试验区域岩体表面中第i张热红外图像的时间为ti,n，拍摄第n个试验区域初始温度为温度矩阵I为第n个试验区域岩体表面对应拍摄的热红外图像的总张数，通过采集原位裂隙岩体的试验区域的岩体浅表面10cm以内的裂隙数量数据jn；对温度序列矩阵进行增加样本数量和格式转换处理，结合所采集的裂隙数量数据构建热红外图像数据集，包括：对温度序列矩阵进行上下、左右反转各一次；基于划分的试验区域四个顶点坐标，得出几何校正矩阵B，再对温度序列矩阵进行几何校正， [x′y′z′]＝[uv1]B 其中，u、v为第n个试验区域岩体表面中第i个温度序列矩阵的坐标，x、y为温度序列矩阵通过几何校正后得到的坐标，x′、y′和z′是把二维坐标系转换为三维坐标系，然后把三维坐标系投影到新的二维坐标系的相关参数；a11、a12、a21和a22是仿射变换参数；a31和a32是平移变换参数；a13和a23表示变换后边缘交点关系，a33是一个缩放因子，会归一化为1；温度序列矩阵的元素根据坐标变换后重新排列得到温度矩阵缺失的元素按双线性插值补充；计算第n个试验区域岩体表面的第i张到第i+1张热红外图像的温差矩阵对温差矩阵进行标准化，获得矩阵构建热红外图像数据集data， 其中，data0的一条数据结构是由样本矩阵Ti,n和以第n个试验区域岩体浅表面内的裂隙数量jn作为的标签信息组成，由于温度序列矩阵进行了上下、左右反转各一次，按照相同步骤可得到data1和data2；基于深度学习模型对热红外图像数据集进行裂隙特征提取，并通过增加特征提取的维度以获得卷积特征向量；将卷积特征向量通过全卷积层进行特征识别，获得深度学习模型识别到的裂隙数量对应的预测概率模型；训练深度学习模型直至收敛，输出此时满足要求的预测概率模型；获取原位裂隙岩体的目标区域的岩体表面热红外图像对应的温度序列矩阵，经格式转换后导入满足要求的预测概率模型，获得预测概率最高的裂隙数量，确定目标区域的岩体浅表层内的裂隙数量。

全文数据：

权利要求：

百度查询： 长安大学;中国文化遗产研究院 基于机器学习的裂隙岩体裂隙数量确定方法、电子设备及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD