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！

龙图腾网获悉中铁十四局集团有限公司;川藏铁路有限公司申请的专利基于图像与深度学习的TBM支护等级决策方法与系统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：CN121033590B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202511554442.5，技术领域涉及：G06V10/774；该发明授权基于图像与深度学习的TBM支护等级决策方法与系统是由李庆民;王华伟;史林肯;刘四进;王旭华;马浴阳;刘鹏;周军伟;陈剑锋;罗勋设计研发完成，并于2025-10-29向国家知识产权局提交的专利申请。

本基于图像与深度学习的TBM支护等级决策方法与系统在说明书摘要公布了：本发明公开基于图像与深度学习的TBM支护等级决策方法与系统，属于TBM智能监测的技术领域。以围岩支护结构类型及结构参数为指标，基于筛选后的历史图片数据集生成围岩支护等级决策方案；建立岩渣出渣图片分割模型，利用训练好的岩渣出渣图片分割模型，对新采集的TBM岩渣出渣图片进行分割处理输出岩渣分割预测图；构建多维度岩渣参数计算体系，在岩渣分割预测图中确定大块区域；基于大块区域的岩渣颗粒参数判断围岩破碎程度；结合围岩支护等级决策方案，匹配得到相适配的支护决策方案。本发明通过采集岩渣出渣图片构建数据集，以岩渣图像特征关联地质参数，结合聚类分析与量化模型生成支护等级决策方案，将经验判断转化为数据驱动的量化决策。

本发明授权基于图像与深度学习的TBM支护等级决策方法与系统在权利要求书中公布了：1.基于图像与深度学习的TBM支护等级决策方法，其特征在于，包括以下步骤： 采集历史TBM岩渣出渣图片，构建历史图片数据集；以围岩支护结构类型及其结构参数为目标，基于筛选后的历史图片数据集生成围岩支护等级决策方案； 建立岩渣出渣图片分割模型，将历史图片数据集作为训练数据，引入多任务损失函数对岩渣出渣图片分割模型进行迭代训练直至损失函数值收敛，得到训练好的岩渣出渣图片分割模型； 利用训练好的岩渣出渣图片分割模型，对新采集的TBM岩渣出渣图片进行分割处理，输出岩渣分割预测图； 构建多维度岩渣参数计算体系，在岩渣分割预测图中确定大块区域；基于大块区域的岩渣颗粒参数判断围岩破碎程度；所述大块区域为单块岩渣等效直径大于直径判断阈值的岩渣区域，所述直径判断阈值利用多维度岩渣参数计算体系计算得到； 结合所述围岩支护等级决策方案，匹配得到与围岩破碎程度相适配的支护决策方案； 所述围岩支护等级决策方案的生成过程如下： 以筛选后的图片历史数据集对应的TBM施工地质参数为聚类依据，采用聚类法进行聚类分析得到四个稳定的聚类簇； 结合工程规范，将四个聚类簇分别标注为I级支护等级、II级支护等级、III级支护等级和IV级支护等级； 根据项目实际地质情况和施工规范，建立钢拱架间距与地质参数的量化关系模型，将I级支护等级、II级支护等级、III级支护等级和IV级支护等级的对应聚类簇的地质参数均值作为输入，计算得到各支护等级的结构参数，并确定围岩支护结构类型； 其中，所述量化关系模型的表达形式如下： ； 式中，为基础间距系数，、和均为影响系数，为某支护等级聚类簇内围岩完整性系数的均值，为某支护等级聚类簇内围岩单轴抗压强度的均值，为某支护等级聚类簇内岩体体积节理数的均值； 根据所述量化关系模型得到满足以下关系的I级支护间距阈值、II级支护间距阈值、III级支护间距阈值和IV级支护间距阈值： ； 根据预先设置的规则给出对应支护等级的锚杆间距，并匹配相应的网片规格或钢筋排布置形式。

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铁十四局集团有限公司;川藏铁路有限公司，其通讯地址为：250000 山东省济南市历下区奥体西路2666号铁建大厦A座；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。