(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210615288.8 (22)申请日 2022.06.01 (71)申请人 长江大学 地址 434023 湖北省荆州市南环路1号 (72)发明人 印森林　陈娟　陈恭洋　 (74)专利代理 机构 武汉智嘉联合知识产权代理 事务所(普通 合伙) 42231 专利代理师 张璐 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/28(2022.01) G06V 10/44(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 一种区裂缝识别及产状分类方法及装置 (57)摘要 本发明涉及一种区裂缝识别及产状分类方 法及装置， 包括： 获取待检测图像； 将所述待检测 图像输入至训练完备的裂缝识别模 型， 得到预测 裂缝二值图， 其中， 所述裂缝识别模型包括基于 残差网络结构进行像素差分边缘检测的主干特 征提取层； 将所述预测裂缝二值图进行剪裁， 根 据剪裁后图像块的裂缝像素点的相邻像素信息 拟合成至少一条裂缝， 并对所述至少一条裂缝进 行分类。 本发 明构建基于像素差分的边缘检测模 型实现对野外露头区裂缝识别， 并对识别后的裂 缝角度进行计算实现裂缝分类， 解决了当前储层 裂缝研究中的野外露头区岩石裂缝识别准确度 低及分类问题， 提高岩石裂缝识别的准确度及类 别可视性。 权利要求书3页 说明书11页 附图8页 CN 115082729 A 2022.09.20 CN 115082729 A 1.一种区裂缝识别及产状分类方法， 其特 征在于， 包括： 获取待检测图像； 将所述待检测图像输入至训练完备的裂缝识别模型， 得到预测裂缝二值图， 其中， 所述 裂缝识别模型包括基于残差网络结构进行像素差分边 缘检测的主干特 征提取层； 将所述预测裂缝二值图进行剪裁， 根据剪裁后图像块的裂缝像素点的相邻 像素信息拟 合成至少一条裂缝， 并对所述至少一条裂缝进行分类。 2.根据权利要求1所述的区裂缝识别及产状分类方法， 其特征在于， 所述裂缝识别模型 的训练过程， 包括： 获取包含标注信息的露头区裂缝样本集， 其中， 所述标注信息包括所述露头区裂缝样 本集中的样本图像对应的真实裂缝二 值图； 将所述露头区裂缝样本集进行增广处理后， 输入至构建的裂缝识别模型， 输出预测裂 缝二值图； 根据所述预测裂缝二 值图和所述真实裂缝二 值图之间的误差， 确定损失函数； 根据所述损 失函数， 将所述构建的裂缝识别模型训练至收敛， 得到所述训练完备的裂 缝识别模型。 3.根据权利要求1所述的区裂缝识别及产状分类方法， 其特征在于， 所述构建的裂缝识 别模型的网络模型 结构包括图像输入层、 主干特 征提取层、 裂缝识别层， 其中： 所述图像输入层， 用于对所述样本图像进行尺寸归一 化； 所述主干特 征提取层， 用于对所述样本图像进行 特征提取， 输出有效特 征； 所述裂缝识别层， 用于对所述有效特 征进行判断预测， 得到所述预测裂缝二 值图。 4.根据权利要求3所述的区裂缝识别及产状分类方法， 其特征在于， 所述主干特征提取 层包括依次连接的中心差分卷积层、 径向差分卷积层、 角向差分卷积层和基础卷积层， 其 中： 所述中心差分卷积层， 用于采用中心差分的方式， 将卷积核提取的局部特征块的原始 像素替换成中心像素差， 生成中心特 征图， 并进行池化操作； 所述径向差分卷积层， 用于采用径向差分的方式， 将卷积核提取的局部特征块的原始 像素替换成径向像素差， 生成径向特 征图， 并进行池化操作； 所述角向差分卷积层， 用于采用角向差分的方式， 将卷积核提取的局部特征块的原始 像素替换成角向像素差， 生成角向特 征图， 并进行池化操作； 所述基础卷积层， 用于对经池化操作的角向特征图进行卷积操作， 生成基础卷积特征 图。 5.根据权利要求4所述的区裂缝识别及产状分类方法， 其特征在于， 所述主干特征提取 层还包括第一卷积采样层、 第二卷积采样层、 第三卷积采样层和第四卷积采样层， 其中： 所述第一卷积采样层， 对所述中心特征图依次进行卷积、 双线性差值上采样、 计算误差 的操作； 所述第二卷积采样层， 对所述径向特征图依次进行卷积、 双线性差值上采样、 计算误差 的操作； 所述第三卷积采样层， 对所述角向特征图依次进行卷积、 双线性差值上采样、 计算误差 的操作；权　利　要　求　书 1/3 页 2 CN 115082729 A 2所述第四卷积采样层， 对所述基础卷积特征图依次进行卷积、 双线性差值上采样、 计算 误差的操作。 6.根据权利要求5所述的区裂缝识别及产状分类方法， 其特征在于， 所述第 一卷积采样 层至所述第四卷积采样层的计算 误差的步骤 包括： 根据所述露头区裂缝样本集中的正样本集、 负样本集和平衡正负样本的平衡因子， 分 别确定第一数值和第二数值； 将预设阈值和裂缝为真值的第一 概率进行比较， 确定 至少一种情况； 针对所述至少一种情况， 根据所述第一数值、 所述第二数值和像素值为真裂缝的第二 概率， 确定侧边损失函数。 7.根据权利要求3所述的区裂缝识别及产状分类方法， 其特征在于， 所述裂缝识别层包 括特征融合层、 第一卷积层和误差计算层， 其中： 所述特征融合层， 用于将第 一卷积采样层至第四卷积采样层经双线性差值上采样后得 到的采样特 征图进行 特征融合， 得到特 征融合图； 所述第一卷积层， 用于对所述特 征融合图进行 卷积操作， 得到卷积特 征图； 所述误差计算层， 用于根据 所述第一卷积采样层至所述第四卷积采样层经计算误差得 到的侧边损失函数之和， 确定总损失函数， 其中， 利用所述总损失函数进行误差反向传播， 调整网络结构。 8.根据权利要求1所述的区裂缝识别及产状分类方法， 其特征在于， 所述相邻像素信 息 包括空间接近度、 方向一致性和对齐一致性， 所述将所述预测裂缝二值图进行剪裁， 根据剪 裁后图像块的裂缝像素点的相邻像素信息拟合成至少一条裂缝， 包括： 将所述预测裂缝二值图剪裁出相应的图像块， 并通过裂缝区域框、 裂缝分类概率、 裂缝 方向表征 所述图像块， 得到图像块表达式； 根据所述图像块表达 式， 进行预设领域的相邻检测， 确定所述空间接近度、 所述方向一 致性和所述对齐一 致性； 根据所述空间接近度、 所述方向一致性和所述对齐一致性， 确定不同像素点属于同一 条裂缝的映射 概率； 根据所述映射概率， 确定同一条裂缝像素点集合， 并抽取预设数值的像素点， 采用最小 二乘法拟合成至少一条裂缝的拟合 直线； 对所述至少一条裂缝的拟合直线， 形成X轴方向的坐标集合、 Y轴方向的坐标集合， 并在 X轴方向的坐标集 合、 Y轴方向的坐标集 合中拟合 直线概率， 确定最终的最优直线。 9.根据权利要求8所述的区裂缝识别及产状分类方法， 其特征在于， 所述并对所述至少 一条裂缝进行分类， 包括： 根据所述 最优直线的角度， 确定所述至少一条裂缝的方向； 根据所述至少一条裂缝的方向， 确定所述至少一条裂缝的类型。 10.一种区裂缝识别及产状分类装置， 其特 征在于， 包括： 获取单元， 用于获取待检测图像； 提取单元， 用于将所述待检测图像输入至训练完备的裂缝识别模型， 得到预测裂缝二 值图， 其中， 所述裂缝识别模型包括基于残差网络结构进行像素差分边缘检测的主干特征 提取层；权　利　要　求　书 2/3 页 3 CN 115082729 A 3