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！

龙图腾网获悉北京中煤矿山工程有限公司申请的专利一种基于深度神经网络的煤矿井壁裂缝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：CN115496982B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202211237746.5，技术领域涉及：G06V10/80；该发明授权一种基于深度神经网络的煤矿井壁裂缝识别方法是由付文俊;张亮设计研发完成，并于2022-10-10向国家知识产权局提交的专利申请。

本一种基于深度神经网络的煤矿井壁裂缝识别方法在说明书摘要公布了：本发明公开一种基于深度神经网络的煤矿井壁裂缝识别方法，数据收集模块从矿井井下机器人采集数据收集图像数据；对井下机器人采集的图像信息使用图像增强算法进行增强；获取煤矿井壁裂缝目标图像、剔除低质裂缝图像、对图像中的裂缝目标进行标注，构建成煤矿井壁裂缝数据集；将数据集构建模块所建立的井壁裂缝数据集送入改进Efficientdet模型训练模块进行训练，将待检测的裂缝图像输入到改进Efficientdet模型中进行检测，生成最终的检测结果；本发明改进了Efficientdet模型，在现有的模型的基础上增加多空间视角融合模块和三元坐标注意力模块，使得该模型可以克服复杂的煤矿井下环境干扰并且解决细小裂缝漏检问题，提升检测精度。

本发明授权一种基于深度神经网络的煤矿井壁裂缝识别方法在权利要求书中公布了：1.一种基于深度神经网络的煤矿井壁裂缝识别方法，其特征在于，包括如下步骤： 步骤100：数据收集模块102从矿井井下机器人采集数据101中按照时间顺序收集原始煤矿井壁裂缝视频数据和原始煤矿井壁裂缝图像数据，将原始煤矿井壁裂缝视频数据切分成一帧一帧的切分井壁裂缝图像数据，并将切分井壁裂缝图像数据与原始煤矿井壁裂缝图像数据保存到数据收集模块102； 步骤200：数据处理增强模块103获取数据收集模块102收集的井壁裂缝图像数据，并人工手动剔除质量差的井壁裂缝图像数据、剔除无裂缝的图像数据；将筛选过后的井壁裂缝图像数据进行数据增强； 步骤300：将使用数据处理增强模块103处理后得到优质井壁裂缝图像数据，输入到数据集构建模块104中；对优质井壁图像数据进行手动标注裂缝区域；将标注完成的图像数据按照比例分成训练集与测试集，完成井壁裂缝数据集的构建； 步骤400：将数据集构建模块104所建立的井壁裂缝数据集送入改进Efficientdet模型训练模块105进行训练学习，将训练过程中测试集裂缝检测精度最高的权重模型保存，用以检测待检的井壁裂缝图像； 步骤500：将待检测的井壁裂缝图像送入到结果检测模块106,由步骤400获取的裂缝检测精度最高的权重模型进行检测，展示检测结果并保存； 步骤400改进Efficienedet模型训练模块，包括以下步骤： 步骤410：构建改进的主干特征提取网络：改进的主干特征提取网络中加入多空间视角融合模块和三元坐标注意力模块，多层次特征的前三层依旧是由Efficient的不同深度的特征层构成，分别命名为：；后两层的特征分别为：由经过多空间视角融合模块和上采样形成；由经过多空间视角融合模块和上采样形成； 步骤420：将步骤410构建的多层次主干特征送入三元坐标注意力模块以形成改进的多层次主干特征； 步骤430：将改进的多层次主干特征送入加强特征提取网络BiFPN，通过将改进的多层次特征相互融合以获取更全面的多层次加强特征； 步骤440：将多层次加强特征送入解码器ClassPredictionNet和BoxPredictionNet获取预测的目标类别和预测框的位置； 步骤450：将步骤440中获取的预测框的位置与标注的井壁裂缝数据集带有的真实预测框输入至公式1中计算损失值； 其中为超参数，均设为0.5；为二元交叉熵损失函数，为focal损失函数，二者的计算方式如下： 2 3 其中，式2和式3中，表示数据真实标签值；表示模型预测标签值；表示权重参数，设为2； 步骤460：通过步骤450计算出的损失值进行反向传播，更新网络参数，如此往复循环步骤410-460直至训练至模型收敛；根据实际经验，模型训练轮数设置为30轮； 步骤410包括以下子步骤： 步骤411：将Efficient骨干网络提取的特征送入多空间视角融合模块； 步骤412：沿通道维度切分为两部分：,；其中为原始特征，不参与多空间视角融合运算，保证原始特征图可以访问；参与多视角建模操作；其中N，C，H，W和α分别表示训练数据批量大小、通道数、图像高度、图像宽度、通道数切分率； 步骤413：首先将送入多视角分支1；分别经过1*1卷积、3*1卷积和1*3卷积获取； 步骤414：然后将送入多视角分支2；分别经过1*1卷积、5*1卷积和1*5卷积获取； 步骤415：最后将送入多视角分支3；分别经过1*1卷积、7*1卷积和1*7卷积获取； 步骤416：利用公式4计算多视角空间特征； 4 其中为激活函数，为可以通过梯度反向传播进行学习更新的参数； 步骤417：利用公式5计算整体融合特征X； 5 其中代表将特征沿着通道维度拼接。

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北京中煤矿山工程有限公司，其通讯地址为：100013 北京市朝阳区和平里青年沟路5号64号楼；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。