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！

龙图腾网获悉重庆交通大学申请的专利一种基于深度学习网络的库区消落带岩缝图像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：CN119516363B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202411535516.6，技术领域涉及：G06V20/10；该发明授权一种基于深度学习网络的库区消落带岩缝图像识别方法是由潘国兵;邵帅;张昌清;王汉通;李嘉峻;张志淳;杨鑫设计研发完成，并于2024-10-31向国家知识产权局提交的专利申请。

本一种基于深度学习网络的库区消落带岩缝图像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网络的库区消落带岩缝图像识别方法，包括：步骤S1、构建岩石裂缝分割模型，并利用预先处理好的岩缝图像样本集对岩石裂缝分割模型进行训练；步骤S2、利用岩石裂缝分割模型对目标图像中的岩缝区域进行识别，得到第一类识别结果；步骤S3、基于图像中像素点的坐标位置、像素值以及色彩空间属性，通过多算法加权融合的裂缝掩膜优化算法对第一类识别结果进行优化得到第二类识别结果；步骤S4、针对第二类识别结果，通过最大内切圆法及正交投影法对岩缝宽度进行测量，从而得到岩缝的几何表征信息。通过本发明能够实现了对消落带岩缝图像几何表征信息的自动识别，提高了库区消落带岸坡岩石裂缝检测的智能化和信息化水平。

本发明授权一种基于深度学习网络的库区消落带岩缝图像识别方法在权利要求书中公布了：1.一种基于深度学习网络的库区消落带岩缝图像识别方法，其特征在于，包括： 步骤S1、基于深度学习网络构建岩石裂缝分割模型，并利用预先处理好的岩缝图像样本集对岩石裂缝分割模型进行训练； 步骤S2、利用训练完毕的岩石裂缝分割模型对需要进行识别的目标图像中的岩缝区域进行识别，得到第一类识别结果； 步骤S3、基于图像中像素点的坐标位置、像素值以及色彩空间属性，通过多算法加权融合的裂缝掩膜优化算法对第一类识别结果进行优化得到第二类识别结果； 步骤S4、针对第二类识别结果，通过最大内切圆法及正交投影法对岩缝宽度进行测量，从而得到岩缝的几何表征信息； 所述步骤S3包括： 步骤S301、将原始的目标图像分别转换至RGB通道以及Lab通道，得到两类的通道图像； 步骤S302、使用Otsu阈值分割法对任意一类通道图像进行阈值分割提取，得到初步裂缝掩膜； 步骤S303、使用K-means++聚类算法对初步裂缝掩膜进行聚类，得到第一类裂缝掩膜； 步骤S304、以Hu矩阵及Canny算子对初步裂缝掩膜进行轮廓识别及裂缝提取，得到第三类裂缝掩膜； 步骤S305、对初步裂缝掩膜进行去噪、骨架提取以及膨胀处理，得到第二类裂缝掩膜； 步骤S306、根据RGB类通道图像所对应的第一类裂缝掩膜、第二类裂缝掩膜以及第三类裂缝掩膜，通过加权投票的方式进行融合及输出，得到裂缝掩膜-R； 步骤S307、根据Lab类通道图像所对应的第一类裂缝掩膜、第二类裂缝掩膜以及第三类裂缝掩膜，通过加权投票的方式进行融合及输出，得到裂缝掩膜-L； 步骤S308、将原始的目标图像转换至HSV三通道颜色分量，通过增强对比度及Otsu阈值分割法得到初步的裂缝掩膜图像，以裂缝掩膜图像内的图像像素点与背景区域像素点的HSV三通道均值作为聚类迭代的参考指标，对初步的裂缝掩膜图像进行迭代提取，得到裂缝掩膜-H； 步骤S309、根据第一类识别结果，提取被判定为裂缝所在位置的图层，得到裂缝掩膜-U； 步骤S310、根据裂缝掩膜-R、裂缝掩膜-L、裂缝掩膜-H和裂缝掩膜-U，基于预设的权重进行加权融合，得到最终的裂缝掩膜图并将其作为第二类识别结果； 所述步骤S310包括： 将裂缝掩膜-U、裂缝掩膜-R、裂缝掩膜-L和裂缝掩膜-H分别记作、、、，将裂缝图像的标签掩膜作为参考项，记为，加权融合后的裂缝掩膜记为，相对应的设置随机的权重参数表示为： 其中为总融合权重，为掩膜对应权重，为掩膜对应权重，为掩膜对应权重，为掩膜对应权重； 对所有裂缝掩膜进行数据标准化操作： 其中，表示为标准化操作后的数据，为掩膜上对应像素点的值，为掩膜上各像素点均值，为掩膜上各像素点标准差； 把裂缝掩膜转换成矩阵进行计算： 将裂缝图像数据集的标签掩膜作为参考预测值，构建线性回归模型： 其中为误差项，为偏置项且常数； 定义误差项为参考标签掩膜与加权融合掩膜的差值： 误差项属于标准正态分布，由于独立，则独立； 通过最小化误差项的平方和来优化权重参数： 其中，为标签掩膜对应像素点的值，为每一部分掩膜对应像素点的权重，为每一部分掩膜对应像素点的值，； 通过计算的最小值从而得到最佳的权重参数： 其中为参与加权的每一部分掩膜，为； 最后通过计算从而得到需要的权重。

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重庆交通大学，其通讯地址为：400074 重庆市南岸区学府大道66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。