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！

申请/专利权人：国能亿利能源有限责任公司黄玉川煤矿;中国矿业大学(北京)

摘要：本发明公开了一种结合半监督模型的MaskR‑CNN地表裂缝识别方法，包括以下步骤：首先采集工作面的无人机航飞影像，标注其中少量裂缝构建地表采动裂缝数据集；其次，将半监督模型中伪标签和一致性正则化结合的思想应用到MaskR‑CNN网络，构建出新的实例分割网络F_MaskR‑CNN，其原理为：用半监督方法生成足量伪标签，用两个训练分支对伪标签和强增强样本进行一致性正则化处理得到非监督部分的损失函数，连同原样本和伪标签一起输入改进的MaskR‑CNN网络中；MaskR‑CNN的改进在：RoiAlgin模块与特征提取后用改进的分类，回归，分割损失函数计算损失值。分类和分割损失函数改进为加权交叉熵损失函数，分割损失函数改进为CIou损失函数。最后输出地表裂缝的类别与检测框和像素的分割结果。

主权项：1.一种结合半监督模型的MaskR-CNN地表裂缝识别方法，其特征在于用少量真实样本训练网络，通过强弱数据增强的方法获得足量伪样本，改进MaskR-CNN使其对地表裂缝的检测性能增强，能更准确识别出裂缝的特征，解决原MaskR-CNN对大量样本的依赖。提升地表裂缝识别的鲁棒性与准确性，包括采用以下步骤：1无人机航飞工作面，构建少量的无人机高分辨率影像地表裂缝标注数据集，保留大量的无标注数据，进行数据预处理，按照比例将所述数据集划分为训练集、验证集和测试集；2构建结合半监督模型的MaskR-CNN网络，称为F_MaskR-CNN网络，包括：引入数据强弱增强与伪标签的方法，引入一致性正则化假设；具体过程为：先用少量标注样本训练F_MaskR-CNN网络，再将无标注数据放入F_MaskR-CNN网络中预测，以弱增强分支中预测高于置信度阈值的样本为伪标签，强增强分支假设伪标签为真实样本，设置加权交叉熵损失函数使强增强分支的预测结果接近弱增强分支，用加权交叉熵损失函数求损失值后反向传播更新网络；3对MaskR-CNN网络中的RoiAlign模块和损失函数进行改进，包括：利用更新后有标注标签及伪标签的地表裂缝数据集训练F_MaskR-CNN网络，经过特征提取阶段，利用分类损失、回归损失和分割损失函数分别对特征进行解耦和计算损失值，将非监督部分和监督部分的损失函数进行融合，通过反向传播对F_MaskR-CNN网络进行更新，输出地表裂缝的检测框位置、类别和框中的像素分割结果。

全文数据：

权利要求：

百度查询： 国能亿利能源有限责任公司黄玉川煤矿 中国矿业大学(北京) 一种结合半监督模型的Mask R-CNN地表裂缝识别方法