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一种基于图像识别与机器学习的破岩效率预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：CN120337723B 。

龙图腾网通过国家知识产权局官网在2026-01-09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：202510355772.5，技术领域涉及：G06F30/27；该发明授权一种基于图像识别与机器学习的破岩效率预测方法是由闫和平;徐梦舟;杨玉贵;仇超;尚润芃;刘旺;侯珊珊设计研发完成，并于2025-03-25向国家知识产权局提交的专利申请。

本一种基于图像识别与机器学习的破岩效率预测方法在说明书摘要公布了：一种基于图像识别与机器学习的破岩效率预测方法，获取岩石表面图像，并应用图像处理技术进行灰度化处理，再进行像素分类和图像分割，以将不同的矿物清晰地划分成独立的若干个结构图；对岩石材料依据矿物组分进行建模，并将若干个结构图的边界信息导入至模型中，生成与若干个结构图相等尺寸的若干个大颗粒填充岩块，并且依据岩石力学特性进行细观参数值的标定；建立滚刀破岩离散元计算模型，针对不同矿物含量的岩石试样进行多次侵入破岩模拟试验；收集模拟结果构建破岩效率数据集；基于PSO‑BPNN算法建立预测模型，并经训练后获得破岩效率预测模型；利用建立的模型进行破岩效率实时预测。该方法能通过考虑岩石矿物成分对滚刀破岩效果影响，利用岩石微观成分与宏观破岩行为相结合的方法，实现滚刀破岩效率的高效精准预测。

本发明授权一种基于图像识别与机器学习的破岩效率预测方法在权利要求书中公布了：1.一种基于图像识别与机器学习的破岩效率预测方法，其特征在于，包括以下步骤： 步骤一：获取岩石表面图像，并应用图像处理技术对获取的岩石表面图像进行灰度化处理，再进行像素分类和图像分割，以将不同的矿物清晰地划分成独立的若干个结构图； 步骤二：基于VoronoiGrain-BasedModel模型对岩石材料进行建模，并将若干个结构图的边界信息导入至模型中，生成与若干个结构图相等尺寸的若干个大颗粒填充岩块，并连接接触多边形质心形成矿物晶体边界，同时，在多边形区域内填充更小的颗粒；在数值模拟软件中根据定义的矿物层将大颗粒填充岩块进行分组，对不同矿物类型的细观力学性质进行划分和调整，标定出一组最合适的细观参数值，以准确反映岩石的组分与微观结构特征； 步骤三：建立滚刀破岩模型，采用GBM模型根据岩石矿物的粒度随机生成填充颗粒的若干个划分区域，并用球颗粒填充划分区域，对各个划分区域分别按照岩样矿物成分含量比例分组、命名，再根据分组结果，分别赋予不同组分的矿物成分及相应的细观参数；在颗粒生成后对其施加围压，采用墙体模拟滚刀的截面形状，针对不同矿物含量的岩石试样进行多次侵入模拟试验，并改变岩石矿物含量、滚刀刀间距、贯入深度，依次组合进行侵入模拟试验，以实现矿物晶体内的破坏； 步骤四：根据数值模拟过程，收集每次模拟结果，记录岩样各矿物含量、滚刀刀间距、贯入度、破岩效率，并构建数据集，以便后续的分析和建模使用； 步骤五：基于PSO-BPNN算法建立预测模型；将构建的数据集按设定比例划分为训练集和测试集，使用训练集对基于粒子群优化的反向传播神经网络进行训练，同时，利用PSO算法优化反向传播神经网络的权重和偏置，使其在训练过程中能够更有效地学习输入与输出之间的复杂关系；通过调整粒子的速度和位置，使PSO算法不断寻找适应度最优解，从而提升模型的性能，得到破岩效率预测模型；将测试数据输入至破岩效率预测模型中，以获得对应的破岩效率预测结果，并利用设定的评价指标评估模型的预测准确性和可靠性； 步骤六：破岩效率的预测；在破岩作业过程中，实时采集岩石表面图像，在对岩石表面图像进行预处理后，将其输入至破岩效率预测模型，利用破岩效率预测模型实现对破岩效率的预测，并输出预测结果。

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。