公开(公告)号：CN114037693A

公开(公告)日：2022-02-11

申请号：CN202111359095.2

申请日：2021-11-17

Applicant: 中国矿业大学

Inventor： 种照辉 ,  苏逢生 ,  岳腾泷 ,  魏敬杨 ,  姚强岭 ,  李学华 ,  刘嘉

IPC: G06T7/00 ,  G06T7/11 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06V10/25 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明涉及一种基于深度学习的岩石孔‑裂隙及杂质特征评价方法，首先构建岩样CT扫描图像样本库，并分为训练集和测试集，对训练集进行实例人工分割标注，构建Mask R‑CNN实例分割模型，使用训练集对模型进行训练及参数调整，使用训练后的实例分割模型对测试集进行实例分割，利用Python函数对岩样的孔‑裂隙及杂质特征进行评价。本发明创造性地将卷积神经网络Mask R‑CNN实例分割应用于岩石的CT扫描图像识别上，并将其与Python函数相融合。模型采用端到端的学习方法，省去了在每一个独立学习任务执行之前所做的数据标注，解决了岩样两端CT扫描图像灰度异常区域的分割问题，且无需人工参与中间过程，分析更加快速、准确，且所需成本更低。