欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2025102913506
申请人: 成都理工大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种致密砂岩岩心天然裂缝特征参数表征模型的构建方法,其特征在于,包括:

步骤100.自制致密砂岩岩心天然裂缝图像的数据集;

以岩心裂缝照片为数据基础,使用LabelImg标定致密砂岩天然岩心裂缝分割的数据集,利用LabelImg制作好致密砂岩岩心天然裂缝数据集后,将致密砂岩岩心天然裂缝数据集输入网络,让网络学习数据集中致密砂岩天然岩心裂缝并分割出致密砂岩岩心天然裂缝;

步骤200.建立高效的自适应Frac-YOLOv8岩心天然裂缝分割网络;

将YOLOv8m原本颈部的上采样模块更换为轻量级计算的CARAFE模块,在YOLOv8颈部提出了新型的Neck网络结构BiFPN;

步骤300,利用岩心天然裂缝图像的数据集,对Frac-YOLOv8分割网络进行训练,得到岩心天然裂缝分割模型;

步骤400,将待分割的致密砂岩岩心天然裂缝图像输入到岩心天然裂缝分割模型中,分割出岩心天然裂缝;

YOLOv8分割模型使用交叉熵损失和Dice Loss来训练分割任务;

步骤500,将分割出来的掩码图生成二值化的裂缝数据集;

根据步骤100在Frac-YOLOv8产生预测的分割结果后,采用数字图像处理技术来获得定量指标;

步骤600,利用裂缝骨架化提取算法,提取出二值图中裂缝骨架,量化裂缝的长度;

通过像素的值评估图像中裂缝的覆盖区域,并将二值图像的数字矩阵从预测的分割结果转换出来,并按像素遍历,统计值为1的像素总数表示裂缝区域计算如下:其中表示几何校准指数,表示裂缝单元的有限小区域;

步骤700,利用像素统计算法计算出裂缝占有的像素个数,量化出裂缝的实际面积,并通过裂缝长度计算出裂缝平均宽度;

步骤800,利用裂缝可变圆算法计算出裂缝的最大宽度像素值,通过内切圆直径的像素值量化出最大宽度;

可变圆算法:从具有初始直径值的圆开始,然后适当地改变直径,直到圆域裂缝边界相切,在这种方法中,以裂缝边缘上的点为切点的裂缝的最大内切圆直径被视为该点的裂缝宽度,首先遍历每个连接的域并确定每个域的最大裂缝宽度,然后将最大值视为该连接域的裂缝最大宽度,通过遍历每个裂缝连接域,得到一系列内切圆,最后,比较一系列内切圆的最大直径被选为整个图像的裂缝的最大宽度。

2.根据权利要求1所述的方法,其特征在于,步骤100包括:通过输入端输入的图片,高效的Frac-YOLOv8致密砂岩岩心天然裂缝分割网络的输入图像大小为640*640,通常包含图片预处理阶段,即将输入图像缩放到网络的输入大小并进行归一化,在网络训练阶段,高效的Frac-YOLOv8致密砂岩岩心天然裂缝分割网络使用Mosaic数据增强。

3.根据权利要求2所述的方法,其特征在于,高效的Frac-YOLOv8致密砂岩岩心天然裂缝分割网络,包括:特征提取单元、特征融合单元和分割单元;所述特征提取单元,包括卷积模块、C2f模块和SPPF模块;

所述特征融合单元,包括卷积模块、拼接模块、CARAFE模块以及新型的Neck网络结构BiFPN;所述分割单元,包括分割头模块。

4.根据权利要求1所述的方法,其特征在于,步骤200,CAREAF由两个核心构成:上采样核预测模块和特征重组模块,在上采样核预测阶段,首先运用1×1的卷积操作将输入的特征图的通道数减缩至,接着,通过卷积运算,通道数进一步转化为,依次实现内容的编码过程,随后,对通道进行空间维度的扩展,并对生成的上采样核执行softmax规范化,确保其权重之和为1,进入特征重组阶段,每个输出特征图的位置被反向映射至输入特征图,与该点为中心的区域的原始特征图及对应的预测上采样核进行点积运算,不同通道在同一位置共享同一上采样核,由此产生最终的新特征图;

Neck网络结构BiFPN, BiFPN在设计上的改变有以下几点:

(1).连接特征图大小相同的节点;

(2).当原始输入节点和输出节点处于同一层时,建立一条新的路径连接原始输入节点和输出节点;

(3).引入带权特征融合机制;

其中,带权特征融合机制中权重的学习采用的是快速归一化方法,如公式1所示其中,式中,为节点处融合特征图的数量;为节点处输入的特征映射;、为附加给输入特征映射的权重,在0到1之间随机选取权重初始值;用于使分母不为零的常数,该方法将权重范围放缩到[0,1]之间,经过多次训练,得到最优的权重,在融合节点表征每个输入的重要性:

5.根据权利要求1所述的方法,其特征在于,所述步骤300模型训练的硬件平台配置参数如下:NVIDIA GeForce RTXA5000 GPU显卡;软件配置:基于64位的windows11操作系统,基于pytorch的detectron2的框架,基于CUDA11.3,OpenCV2库及PyCharm集成开发环境。

6.根据权利要求1所述的方法,其特征在于,所述步骤600还包括采用Zhang-Suen细化算法获得具有单像素宽度的岩心裂缝骨架,在Zhang-Suen算法中将图像分为前景区域和背景区域,前景区域中点的像素值为1,背景区域中点的像素值为0,Zhang-Suen算法的实现步骤分为两步:第一步,根据公式7中的条件,对待测点的状态进行判定,若点的八邻域满足公式7中的条件,则将该点的状态设置为待删除状态,如果不满足条件,则暂时给予保留,在判断过程中,并不会将满足条件的点进行删除,而是先对该点进行标记,当每次迭代结束时,再将所有已经被标记的点进行统一删除,待测点的八邻域需要满足的条件为:式中,表示图像中待测点及其八邻域内点的像素值,的取值为0或1,表示点的八邻域内的像素值为1的点数,表示在点的八邻域模版中,从点开始以点为中心沿顺时针循环一周,累计出现像素值从0到1变化的次数;

第二步,根据公式8中的条件,对待测点的状态进行判定,与第一步相同,对满足判断条件的待测点加以标记且暂时不删除,当结束本次迭代,也即遍历完图像中所有像素点之后,对已经被标记的前景点进行统一删除,不断进行循环迭代,直至图像中所有像素点均不满足上述条件,则结束循环:

7.根据权利要求1所述的方法,其特征在于,步骤700包括:采用Zhang-Suen细化算法获得具有单像素宽度的裂缝骨架,总长度不规则裂缝通过逐部分求和方法计算,长度等于骨架中统计值为1的像素数,并根据以下关系进行评估:其中,表示骨架单元的无限小的有限长度;

裂缝的平均宽度按如下方式进行评估:

8.根据权利要求1所述的方法,其特征在于,步骤800包括致密砂岩天然岩心裂缝最大宽度计算:首先将模型的分割结果转换为灰色图像,随后,搜索并识别所有连接的域,总共N,并根据结果得到每个连接域的外接矩形,称为RectA,接下来,对RectA进行网格化以获得一系列坐标点,Point_List中表示,还需要选择位于已连接域中的所有点的组合,其次,遍历上一步获得的坐标点,以每个坐标为中心绘制圆,并增加半径,直到圆与裂缝边缘相切,此时,半径表示为Piont_R,采用2倍Point_R作为该点对应的裂缝宽度,计算出所有点的裂缝宽度值,然后,将最大值作为该连接域的最大半径,即R,在对应的R_List中记录R,然后更改连接的域,并按照上述过程进行操作,最后,从R_List,即每个连通域中的最大半径,选择最大的一个,并采用最大值的两倍作为该图像的裂缝最大宽度。