(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 202211364979.1 (22)申请日 2022.11.03 (71)申请人 山东省鲁南 地质工程勘察院 （山 东 省地质矿产勘查 开发局第二 地质大 队） 地址 272000 山东省济宁市兖州区九州中 路107号 (72)发明人 闫小龙　王冬　申永斌　 (74)专利代理 机构 青岛海知誉知识产权代理事 务所(普通 合伙) 37290 专利代理师 丁雪 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/74(2022.01) G06V 10/82(2022.01)G06V 20/10(2022.01) (54)发明名称 一种用于水文地质勘察的褶皱地层分析系 统 (57)摘要 本发明涉及地质勘测技术领域， 具体公开了 一种用于 水文地质勘察的褶皱地层分析系统， 包 括图片收集模块， 图片收集模块连接有标志样本 存储模块， 标志样本存储模块连接有样本分类模 块， 样本分类模块连接有相似样本识别模块， 相 似样本识别模块连接有损失计算模块， 损失计算 模块连接有识别率评估模块。 本发 明通过样本分 类模块的设置， 能够利用多分支注 意机制使 得在 标志样本参照识别的过程中， 更加关注水文地质 勘察图片中褶皱 疑似区域， 定位出褶皱重要特征 位置， 融合不同尺度的接收域识别不同大小的褶 皱， 提高褶皱识别的速度和准确度。 权利要求书2页 说明书5页 附图1页 CN 115424083 A 2022.12.02 CN 115424083 A 1.一种用于水文地质勘察的褶皱地层分析系统， 包括图片收集模块， 所述图片收集模 块连接有标志样 本存储模块， 所述标志样本存储模块连接有样本 分类模块， 其特征在于， 样 本分类模块采用多分支空间注意机制， 将褶皱疑似区域分类为正样本和负样本， 所述样本 分类模块连接有相似样 本识别模块， 所述相似样本识别模块对于不同尺度的图片样本采用 多尺度采样策略， 所述相似样本识别模块连接有损失计算模块， 所述损失计算模块连接有 识别率评估模块， 所述识别率评估模块结合正样本中的真褶皱样本、 负样本中的真褶皱样 本以及正样本中的假褶皱样本数量对水文地质图片中褶皱地层分析识别的识别率进行评 估， 分别设置两个评估指标为正样本中的真褶皱识别率和负样本中的真褶皱率识别率， 正 样本中的真褶皱识别率和负 样本中的真褶皱识别率公式分别为： （1） 正样本中的真褶皱识别率公式： ； （2） 负样本中的真褶皱识别率公式： ； 式中： 为真样本 中的真褶皱识别率， 为正样本 中的真褶皱图片数量， 为真样本 中 的假褶皱图片数量， 为负样本中的真褶皱识别率， 为负样本中的真褶皱图片数量， 为负样本中的假褶皱图片数量。 2.如权利要求1所述的一种用于水文地质勘 察的褶皱地层分析系统， 其特征在于， 利用 和 计算第一识别评估得分和第二识别评估得分， 将 和 以1:1的比例混合， 通过二倍 的 和 乘积与 和 之和的比值作为第一识别评估得分， 将 和 以4:1的比例混合， 通过五倍的 和 乘积与 和 之和的比值作为第 二识别评估得分， 第 一识别评估得分 和第二识别评估得分的打 分公式分别为： （1） 第一识别评估得分 打分公式： ； （2） 第二识别评估得分 打分公式： ； 式中： 为第一识别评估得分， 为第二识别评估得分。 3.如权利要求2所述的一种用于水文地质勘 察的褶皱地层分析系统， 其特征在于， 所述 样本分类模块将增加跨级部分连接并利用多分支注意机制后的卷积神经网络卷积核为 ， ， 给定输入为 ， 跨级部分连接的多分支 注意机制映射公式为： ； 式中： 为跨级部分连接的多 分支注意机制映射， 为卷积神经 网络的激活函数西格玛权　利　要　求　书 1/2 页 2 CN 115424083 A 2函数， 为卷积核大小为 的卷积运 算。 4.如权利要求3所述的一种用于水文地质勘 察的褶皱地层分析系统， 其特征在于， 所述 样本分类模块中卷积核大小为 时， 对应褶皱尺寸较小的感受野， 卷积核大小为 时 对应褶皱尺寸中等的感受野， 卷积核大小为 对应褶皱尺寸较大的感受野。 5.如权利要求2所述的一种用于水文地质勘 察的褶皱地层分析系统， 其特征在于， 所述 损失计算模块利用极大似然的方法计算正样本损失， 所述损失计算模块利用余弦相似损失 进一步计算正负样本的识别损失。 6.如权利要求4所述的一种用于水文地质勘 察的褶皱地层分析系统， 其特征在于， 所述 相似样本识别模块直接生成对水文地质图片中褶皱的识别直接生成褶皱识别成像识别评 估得分、 水文地质勘察图片样本类别概率和边界回归， 所述识别率评估模块在训练负样本 时， 计算第一识别评估得分和第二识别评估得分， 选择前50个锚框， 在每个锚框上给负锚框 打分， 通过所述损失计算模块计算极大似然损失， 分数高的锚框 设为可疑目标区域， 将分数 高的图像锚框大小最小化， 将所有的图像锚框优化为负样本， 将每个对应褶皱尺寸的卷积 核中卷积核的数量 为50。 7.如权利要求2所述的一种用于水文地质勘 察的褶皱地层分析系统， 其特征在于， 所述 图片收集模块根据核部地层与横切剖面提取原则， 从水文地质勘测图片样本中提取可能存 在褶皱的场景 条带图片作为褶皱地层分析的样本图片。 8.如权利要求2所述的一种用于水文地质勘 察的褶皱地层分析系统， 其特征在于， 所述 标志样本存储模块结合专家意见对所述图片收集模块收集来的样本图片提取典型褶皱地 层图片标志图片 300张， 其中较小感受野尺 寸图片、 中等感受野尺 寸图片和较大感受野尺 寸 图片各100张， 并在这100张图片中每张图片提取50个特征点作为识别 标志点， 根据特征区 域褶曲的坡度、 粗 糙度、 枢纽和点云对图片样本进行识别。权　利　要　求　书 2/2 页 3 CN 115424083 A 3