(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 202210654760.9 (22)申请日 2022.06.10 (71)申请人 中国地质大 学 （武汉） 地址 430000 湖北省武汉市洪山区鲁磨路 388号 (72)发明人 吕梦芝　徐亚东　陶从咏　周文孝　 朱云海　张世晖　方文倩　 (74)专利代理 机构 武汉知产时代知识产权代理 有限公司 42 238 专利代理师 万文广 (51)Int.Cl. G06T 11/40(2006.01) G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01)G06V 10/82(2022.01) G06N 3/08(2006.01) (54)发明名称 基于U-Net网络的两阶段多源 数据融合地质 填图方法 (57)摘要 本发明公开了基于U ‑Net网络的两阶段多源 数据融合地质填图方法， 包括： 获取待填图区域 的多源地质数据； 对多源地质数据进行预处理； 采用U‑Net神经网络对整个待填图区域的基础地 质图Ωtotal进行粗分； 采用U ‑Net神经网络对第 一阶段粗分的智能填图结果进行细分； 将第二阶 段结果整合至第一阶段结果上， 得到整个待填图 区域的智能填图结果； 对整个区域的智能填图结 果进行野外验证， 得到修正后的智能填图结果； 根据修正后的智 能填图结果， 完成地质解译 图。 本发明有益效果是： 可以利用较少的训练区域， GPU环境下加速完成待填图区的预测， 具有较高 的分辨率和泛化能力， 并且对覆盖区和受限工作 区的填图工作有一定的指导 意义。 权利要求书2页 说明书8页 附图5页 CN 115272526 A 2022.11.01 CN 115272526 A 1.基于U‑Net网络的两阶段多源数据融合 地质填图方法， 其特 征在于： 包括以下步骤： S1、 获取待填图区域的多源地质数据， 将待填图区基础地质图记为Ωtotal； S2、 对多源地质数据进行 预处理， 得到预处 理后的多源地质数据； S3、 采用U ‑Net神经网络对整个待填图区域的基础地质图Ωtotal进行粗分， 得到第一阶 段粗分的智能填图结果； S4、 采用U ‑Net神经网络对第一阶段粗分的智能填图结果进行细分， 得到第二阶段细分 的智能填图结果； S5、 将第二阶段细分的智能填图结果整合至第一阶段粗分的智能填图结果上， 得到整 个待填图区域的基础地质图Ωtotal的智能填图结果； S6、 对整个待填图区域的基础地质图Ωtotal的智能填图结果进行野外验证， 得到修正后 的智能填图结果； S7、 根据修 正后的智能填图结果， 完成地质解译图。 2.如权利要求1所述的基于U ‑Net网络的两阶段多源数据融合地质填图方法， 其特征在 于： 步骤S3具体为： S31： 获取训练集Sinput_sta ge1， 并将训练集Sinput_sta ge1的对应的预测标签记为Slabel_sta ge1； S32： 构建粗分地质类型 预测U‑Net神经网络； S33： 利用训练集Sinput_stage1和对应的预测标签Slabel_stage1， 训练所述粗分地质类型预测 U‑Net神经网络， 获取 预测损失， 最小化损失得到优化后的网络参数 S34： 根据优化后的网络参数 得到训练完成的粗分地质类型 预测U‑Net神经网络； S35： 将整个待填图区域预处理后的多源地质数据输入至训练完成的粗分地质类型预 测U‑Net神经网络， 得到第一阶段粗分的智能填图结果， 使整个待填图区域的基础地质图 Ωtotal被划分为 n种粗分类型区域Ωk(k＝1,2,...,n)。 3.如权利要求2所述的基于U ‑Net网络的两阶段多源数据融合地质填图方法， 其特征在 于： 步骤S4具体为： S41： 获取训练集， 并根据n种粗分类型区域Ωk(k＝1,2,...,n)将训练集对应的预处理 后的 多 源 地 质数 据 随 机 裁 剪 为 多 个 N ×N 大 小 的 子 块 ， 得 到 n 个 子 训练 集 对应的预测标签记为 S43： 构建n个子细分地质类型 预测U‑Net神经网络； S44： 利用n个子训练集， 一一对应训练n个子细分地质类型预测U ‑Net神经网络， 获取预 测损失， 最小化损失得到优化后的网络参数 S45： 根据优 化后的网络参数 得到训练完成的n个子细分地质类 型 预测U‑Net神经网络； S46： 将n种粗分类 型区域Ωk(k＝1,2,...,n)对应的多源数据分别输入至对应的训练完 成的n个子细分地质类型预测U ‑Net神经网络， 得到第二阶段细分的智能填图结果Ωk1, Ωk2,..., 4.如权利要求3所述的基于U ‑Net网络的两阶段多源数据融合地质填图方法， 其特征在权　利　要　求　书 1/2 页 2 CN 115272526 A 2于： 步骤S33、 步骤S44所涉及的优化后的网络参数 其通用表示公 式如下： 其中， F为粗分地质类型预测U ‑Net神经网络或者n个子细分地质类型预测U ‑Net神经网 络中的一个， Slabel为Slabel_stage1或 x∈Φ， 为训练集中的数据点； 映射l:Φ →{1,2,...,M}表示每 个数据点对应的真实类别。权　利　要　求　书 2/2 页 3 CN 115272526 A 3