基本信息:
- 专利标题： 基于机器学习的裂隙岩体质量评价方法、电子设备及存储介质
- 申请号：CN202410256166.3 申请日：2023-07-25
- 公开(公告)号：CN118196552A 公开(公告)日：2024-06-14
- 发明人： 包含 , 李昌波 , 陈卫昌 , 李黎 , 兰恒星 , 吕洪涛 , 晏长根 , 徐玮
- 申请人： 长安大学 , 中国文化遗产研究院
- 申请人地址： 陕西省西安市雁塔区南二环路中段
- 专利权人： 长安大学,中国文化遗产研究院
- 当前专利权人： 长安大学,中国文化遗产研究院
- 当前专利权人地址： 陕西省西安市雁塔区南二环路中段
- 代理机构： 北京金咨知识产权代理有限公司
- 代理人： 方日勇
- 分案原申请号： CN202310918704.6 2023.07.25
- 主分类号： G06V10/774
- IPC分类号： G06V10/774 ; G06V10/44 ; G06V10/764 ; G06V10/82 ; G06N3/0464 ; G06N3/048 ; G06N3/08
摘要：
本发明提供一种基于机器学习的裂隙岩体质量评价方法、电子设备及存储介质，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；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；基于目标区域的面积和确定的裂隙数量，获得岩体质量评价参数。采用本发明提供的评价方法，可快速、高效进行裂隙岩体质量评价。