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！

龙图腾网恭喜中国地质大学(武汉)申请的专利基于光学特征与莫氏硬度融合的岩性识别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：CN116229223B 。

龙图腾网通过国家知识产权局官网在2025-05-16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：202310025565.4，技术领域涉及：G06V10/80；该发明授权基于光学特征与莫氏硬度融合的岩性识别方法是由刘福江;郭艳;林伟华;黎卓武;苏军顺设计研发完成，并于2023-01-09向国家知识产权局提交的专利申请。

本基于光学特征与莫氏硬度融合的岩性识别方法在说明书摘要公布了：本发明公开了一种基于光学特征与莫氏硬度融合的岩性识别方法，包括构建图像分类模型，加载预训练权重，通过MSI方法仿真莫氏硬度，并加入到图像分类模型中；构建MFI‑TF模型，输入批量样本，输出预测值为一个序列，将预测序列中最大值的索引值作为预测类别；判断批量样本是否为训练集中的样本，若是，则根据预测序列与实际类别计算损失值，更新模型的权重；否则计算预测的准确率；判别当前准确率是否高于历史训练的最优准确率，若是，则保存最优模型权重；否则重复训练直至完成所有模型的训练，并根据准确率筛选出排名前n个模型用于构建CVCR模型，训练完成后，输出最终的岩性预测结果。本发明能实现自动化岩性识别，且提高了识别效率和准确率。

本发明授权基于光学特征与莫氏硬度融合的岩性识别方法在权利要求书中公布了：1.一种基于光学特征与莫氏硬度融合的岩性识别方法，其特征在于，包括以下步骤：S1：采集岩石数据集样本，并进行预处理后，分割成训练集和验证集，并通过数据采样获得批量样本；S2：构建图像分类模型，加载预训练权重，通过MSI方法仿真莫氏硬度，并加入到图像分类模型中；S3：构建MFI-TF模型，将批量样本输入MFI-TF模型，输出的预测值为一个序列，将预测序列中最大值的索引值作为预测的类别；S4：判断批量样本是否为训练集中的样本，若是，则将预测序列与实际类别经过交叉熵损失函数得到损失值，并用损失值更新模型的权重；否则为验证集中的样本，计算预测结果的准确率；S5：判别当前的准确率是否高于历史训练的最优准确率，若是，则保存最优的模型权重；否则重复步骤S3-S5，完成所有模型的训练工作，并将模型按照预测结果的准确率进行排名，筛选出排名前n个模型；S6：将步骤S5得到的n个模型，用于构建CVCR模型，并训练CVCR模型，通过训练好的CVCR模型输出最终的岩性预测结果；图像分类模型包括CNN框架模型和ViT架构模型；所述构建MFI-TF模型的步骤具体包括：a将图像分类模型和MSI的输出端与Concat层相连，其中图像分类模型的输入为图像样本，MSI输入为莫氏硬度范围；b创建若干组依次连接的Linear层、BatchNormalization层、Activation层，并将其堆叠成一个多层感知机MLP，其输入端与Concat层相连接；c创建一个Linear层，输出维度设定为目标类别数，其输入端与MLP相连；所述训练CVCR模型的步骤，具体包括：a创建若干个过滤器，以过滤识别正确的样本；b将所有模型以相互间隔一个过滤器的方式堆叠；c将样本输入，从第一个模型一直到最后一个模型，模型间还有过滤后的数据，每个模型的输入数据包含前一个模型的过滤数据和本次训练的一批数据，将这两部分数据一起输入下一个模型中；d最终将所有模型的预测结果通过加权累加，得到最终的预测结果；e参考步骤S3-S4，进行模型的训练和保存工作。

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中国地质大学(武汉)，其通讯地址为：430000 湖北省武汉市洪山区鲁磨路388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”。