買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜中國地質大學(武漢)申請的專利基于光學特征與莫氏硬度融合的巖性識別方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN116229223B 。

龍圖騰網通過國家知識產權局官網在2025-05-16發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202310025565.4，技術領域涉及：G06V10/80；該發明授權基于光學特征與莫氏硬度融合的巖性識別方法是由劉福江;郭艷;林偉華;黎卓武;蘇軍順設計研發完成，并于2023-01-09向國家知識產權局提交的專利申請。

本基于光學特征與莫氏硬度融合的巖性識別方法在說明書摘要公布了：本發明公開了一種基于光學特征與莫氏硬度融合的巖性識別方法，包括構建圖像分類模型，加載預訓練權重，通過MSI方法仿真莫氏硬度，并加入到圖像分類模型中；構建MFI?TF模型，輸入批量樣本，輸出預測值為一個序列，將預測序列中最大值的索引值作為預測類別；判斷批量樣本是否為訓練集中的樣本，若是，則根據預測序列與實際類別計算損失值，更新模型的權重；否則計算預測的準確率；判別當前準確率是否高于歷史訓練的最優準確率，若是，則保存最優模型權重；否則重復訓練直至完成所有模型的訓練，并根據準確率篩選出排名前n個模型用于構建CVCR模型，訓練完成后，輸出最終的巖性預測結果。本發明能實現自動化巖性識別，且提高了識別效率和準確率。

本發明授權基于光學特征與莫氏硬度融合的巖性識別方法在權利要求書中公布了：1.一種基于光學特征與莫氏硬度融合的巖性識別方法，其特征在于，包括以下步驟：S1：采集巖石數據集樣本，并進行預處理后，分割成訓練集和驗證集，并通過數據采樣獲得批量樣本；S2：構建圖像分類模型，加載預訓練權重，通過MSI方法仿真莫氏硬度，并加入到圖像分類模型中；S3：構建MFI-TF模型，將批量樣本輸入MFI-TF模型，輸出的預測值為一個序列，將預測序列中最大值的索引值作為預測的類別；S4：判斷批量樣本是否為訓練集中的樣本，若是，則將預測序列與實際類別經過交叉熵損失函數得到損失值，并用損失值更新模型的權重；否則為驗證集中的樣本，計算預測結果的準確率；S5：判別當前的準確率是否高于歷史訓練的最優準確率，若是，則保存最優的模型權重；否則重復步驟S3-S5，完成所有模型的訓練工作，并將模型按照預測結果的準確率進行排名，篩選出排名前n個模型；S6：將步驟S5得到的n個模型，用于構建CVCR模型，并訓練CVCR模型，通過訓練好的CVCR模型輸出最終的巖性預測結果；圖像分類模型包括CNN框架模型和ViT架構模型；所述構建MFI-TF模型的步驟具體包括：a將圖像分類模型和MSI的輸出端與Concat層相連，其中圖像分類模型的輸入為圖像樣本，MSI輸入為莫氏硬度范圍；b創建若干組依次連接的Linear層、BatchNormalization層、Activation層，并將其堆疊成一個多層感知機MLP，其輸入端與Concat層相連接；c創建一個Linear層，輸出維度設定為目標類別數，其輸入端與MLP相連；所述訓練CVCR模型的步驟，具體包括：a創建若干個過濾器，以過濾識別正確的樣本；b將所有模型以相互間隔一個過濾器的方式堆疊；c將樣本輸入，從第一個模型一直到最后一個模型，模型間還有過濾后的數據，每個模型的輸入數據包含前一個模型的過濾數據和本次訓練的一批數據，將這兩部分數據一起輸入下一個模型中；d最終將所有模型的預測結果通過加權累加，得到最終的預測結果；e參考步驟S3-S4，進行模型的訓練和保存工作。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人中國地質大學(武漢)，其通訊地址為：430000 湖北省武漢市洪山區魯磨路388號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。