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！

龙图腾网获悉沈阳工业大学;中铁十九局集团第三工程有限公司申请的专利一种基于深度学习的隧道岩体智能快速区域分级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：CN114972384B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202210644217.0，技术领域涉及：G06T7/11；该发明授权一种基于深度学习的隧道岩体智能快速区域分级方法是由王军祥;邸鑫;王石磊;张业权;王永柱;郭明;咸峰设计研发完成，并于2022-06-08向国家知识产权局提交的专利申请。

本一种基于深度学习的隧道岩体智能快速区域分级方法在说明书摘要公布了：本发明涉及一种基于深度学习的隧道掌子面岩体智能快速区域分级方法，包括：划分隧道掌子面区域；凿岩台车定位，将凿岩台车固定在预设位置；通过钻进过程获取钻进参数；通过建立钻进参数与岩石单轴抗压强度关系模型，利用钻进参数求出岩石单轴抗压强度；采用改进的BQ法将步骤四中的岩石单轴抗压强度代入BQ法模型，并通过Pearson线性相关系数计算公式得到BQ法修正模型；将BQ法修正模型结合深度学习对隧道掌子面裂隙信息识别，进而对岩体进行智能快速区域分级。本发明解决现有分级方法存在人工数据采集准确性低、识别效率低、推测出的围岩等级不精准、施工效率低等问题。

本发明授权一种基于深度学习的隧道岩体智能快速区域分级方法在权利要求书中公布了：1.一种基于深度学习的隧道岩体智能快速区域分级方法，其特征在于：步骤包括： 步骤一划分隧道掌子面区域； 步骤二凿岩台车定位，将凿岩台车固定在预设位置； 步骤三通过钻进过程获取钻进参数； 步骤四通过建立钻进参数与岩石单轴抗压强度关系模型，利用钻进参数求出岩石单轴抗压强度； 步骤五采用改进的BQ法将步骤四中的岩石单轴抗压强度代入BQ法模型，并通过Pearson线性相关系数计算公式得到BQ法修正模型； 步骤六将步骤五中的BQ法修正模型结合深度学习对隧道掌子面裂隙信息识别，进而对岩体进行智能快速区域分级； 钻进参数与岩石单轴抗压强度关系模型为： ； 式中：σc为岩石单轴抗压强度，MPa；W为钻头上的轴压，N；Ω为转速，rmin；V为钻进速率，mmin；D为钻头直径，m；f为能量传递率；μ为钻头滑移摩擦系数； 改进的BQ法具体步骤如下： 步骤1采集隧道掌子面裂隙图像，生成训练集，开始网络训练至卷积神经网络训练成熟； 步骤2将待测隧道掌子面裂隙化作点云图像； 步骤3点云图像预处理； 步骤4，基于步骤1已训练成熟的卷积神经网络对点云图像进行特征识别； 步骤5基于卷积神经网络的残差网络模块对点云图像二次处理，对识别到的隧道掌子面裂隙点云图像进行反卷积，将隧道掌子面裂隙点云图像变换成更清晰、特征明显的点云图像，再对清晰的点云图像进行识别，每进行一次迭代，对隧道掌子面裂隙点云图像识别的准确率进一步提高； 步骤6利用钻进参数与岩石单轴抗压强度关系模型，得到岩石单轴抗压强度，并应用到BQ法模型； 步骤7通过步骤5得到的识别结果，输出隧道掌子面裂隙种类信息，并通过Pearson线性相关系数计算公式得出隧道掌子面裂隙影响系数，并应用到BQ法修正模型，通过BQ法修正模型对BQ法模型进行修正； BQ法模型如下： ； ； 式中：σc为使用钻头获取的岩石单轴抗压强度；Vpm为岩体岩石的弹性纵波速度，kms；Vpr为岩石的弹性纵波速度，kms； BQ法修正模型如下： ； 式中：K1为地下水影响修正系数；K2为主要软弱结构面产状影响修正系数；K3为初始应力状态影响修正系数，r1为闭合裂隙影响系数、r2为微张裂隙影响系数、r3为张开裂隙影响系数、r4为宽张裂隙影响系数。

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沈阳工业大学;中铁十九局集团第三工程有限公司，其通讯地址为：110870 辽宁省沈阳市铁西区经济技术开发区沈辽西路111号；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。