-
公开(公告)号：CN119532561A
公开(公告)日：2025-02-28
申请号：CN202411929944.7
申请日：2024-12-26
Applicant: 东北石油大学三亚海洋油气研究院
IPC: F16L55/32 , F16L55/40 , B08B9/051 , F16L101/30 , F16L101/12
Abstract: 本发明公开了一种基于无损磁探的海底管道细小裂痕检测机器人，包括球面链接件和清洁装置；本发明通过设置在前端机械主体与后端机械主体外部分别设置了磁传感器探测组、弹性轮、阻隔弹性厚膜与可控弹性开口，通过控制可控弹性开口的大小，可便捷掌控机器人移动速度，而弹性轮与阻隔弹性厚膜可与管道内壁贴合，使机器人处于居中位置，而磁传感器探测组，则可快速捕捉管道内部裂痕情况，且设置了清洁装置，即液体可与扇叶相接，来实现转轴的驱动，使转轴运行传动组件，来达到搅动件旋转与往复横移刷动过程的实现，以此，来对管道内辅助刷动清洁，提高机器人行进检测流畅度与检测精确度。
-
公开(公告)号：CN119126214B
公开(公告)日：2025-01-10
申请号：CN202411612818.9
申请日：2024-11-13
Applicant: 东北石油大学三亚海洋油气研究院
IPC: G01V1/28
Abstract: 本发明公开了一种纵波、转换波叠前地震数据智能匹配方法，属于勘探地球物理领域，该方法包括以下步骤：对真实纵波地震数据和真实转换波地震数据进行预处理得到标准转换波地震数据和纵波时间域的真实转换波地震数据；将所述纵波时间域的真实转换波地震数据进行分段处理得到分段转换波地震数据；构建神经网络模型，将所述分段转换波地震数据的端点时间向量输入所述神经网络模型得到调整时间后的转换波地震数据；基于所述标准转换波地震数据和调整时间后的转换波地震数据更新所述神经网络模型参数得到最终的转换波地震数据。
-
公开(公告)号：CN118552828B
公开(公告)日：2024-11-08
申请号：CN202411002429.4
申请日：2024-07-25
Applicant: 东北石油大学三亚海洋油气研究院
IPC: G06V10/82 , G08B17/12 , G06N3/045 , G06N3/0464 , G06N3/082 , G06V10/25 , G06V10/774 , G06V10/776
Abstract: 本发明一种基于深度学习的火灾检测方法、系统及存储介质，涉及目标检测技术领域，为解决现有的针对多变性的火灾进行目标检测存在提取特征困难、对小目标火焰的检测效果较差的问题。本发明的火灾检测网络模型包含特征提取主干网络、多尺度加权特征融合颈部网络和目标分类回归网络；特征提取主干网络引入拥有多个不同的分支的MCA注意力模块，以提取到多层次化的特征，且特征提取主干网络的前端卷积采用RepVB模块以降低模型参数量；通过多尺度加权特征融合颈部网络将骨干网络中多个阶段提取的特征加权融合进颈部网路，并且对颈部网路输出的多个特征也进行多层次化融合，再进行多个方向的权重回传以有效地融合高低维度的信息，以获取密集小目标信息。
-
公开(公告)号：CN118564184A
公开(公告)日：2024-08-30
申请号：CN202411053026.2
申请日：2024-08-02
Applicant: 东北石油大学三亚海洋油气研究院 , 东北石油大学
Abstract: 本发明公开一种定位埋地管道气体泄漏位置的钻地机器人，属于工业机器人技术领域，包括：用于在土壤中钻进的钻进模块、用于采集气体浓度和前端图像的全方位采集模块、用于提供动力的动力模块、用于控制钻进模块和全方位采集模块以及分析气体浓度的智能控制模块。采用本发明的技术方案，能够实现不开挖埋地管道而进行精准定位埋地管道泄漏位置，可在土壤中自由转向与前进，钻进效率高，能在过滤土壤的同时实现气体检测。
-
公开(公告)号：CN118552828A
公开(公告)日：2024-08-27
申请号：CN202411002429.4
申请日：2024-07-25
Applicant: 东北石油大学三亚海洋油气研究院
IPC: G06V10/82 , G08B17/12 , G06N3/045 , G06N3/0464 , G06N3/082 , G06V10/25 , G06V10/774 , G06V10/776
Abstract: 本发明一种基于深度学习的火灾检测方法、系统及存储介质，涉及目标检测技术领域，为解决现有的针对多变性的火灾进行目标检测存在提取特征困难、对小目标火焰的检测效果较差的问题。本发明的火灾检测网络模型包含特征提取主干网络、多尺度加权特征融合颈部网络和目标分类回归网络；特征提取主干网络引入拥有多个不同的分支的MCA注意力模块，以提取到多层次化的特征，且特征提取主干网络的前端卷积采用RepVB模块以降低模型参数量；通过多尺度加权特征融合颈部网络将骨干网络中多个阶段提取的特征加权融合进颈部网路，并且对颈部网路输出的多个特征也进行多层次化融合，再进行多个方向的权重回传以有效地融合高低维度的信息，以获取密集小目标信息。
-
Patent Agency Ranking
公开(公告)号：CN118552627A
公开(公告)日：2024-08-27
申请号：CN202411016960.7
申请日：2024-07-29
Applicant: 东北石油大学三亚海洋油气研究院
Abstract: 一种大广角鱼眼镜头的立体标定设备及标定方法，涉及鱼眼镜头的标定领域。为解决当对标志点覆盖率较大的图像标定，由于图像边缘位置的标志点畸变强度较大，导致传统的鱼眼相机模型无法标定以及解决现有标定法中需要多次拍摄标定板的问题。标定设备包括正方形底面标定板和四个梯形侧面标定板，由底面至开口呈渐扩状。对单次拍摄的立体标定箱图像进行图像分割，对分割后的标定板图像进行Canny边缘检测，得到图像中所有轮廓点，对单个标定板上得到的圆心点通过基于特征点的逐点排序法，与三维世界坐标对应，完成对圆心点与世界坐标的匹配；通过匹配后的圆心点，使用自适应MEI模型对相机标定，得到高精度鱼眼镜头内参。本发明实现了对鱼眼相机的快速、高精度标定。
-
公开(公告)号：CN117647837B
公开(公告)日：2024-04-09
申请号：CN202410108831.4
申请日：2024-01-26
Applicant: 东北石油大学三亚海洋油气研究院
IPC: G01V1/28
Abstract: 本发明公开一种地震数据的初至拾取方法、系统及计算机设备，涉及地震监测技术领域，该方法包括：采集地震数据；使用自动初至拾取算法对地震数据中地震信号的初至时刻进行初步的拾取，生成训练样本集；对初至拾取算法拾取的初至时刻进行人工校正，生成验证样本集；利用训练样本集和验证样本集分别制作出噪声标签和干净标签，生成元学习数据集；根据元学习数据集的特征设计相应的深度神经网络模型；基于元学习的双循环训练方法，使用元学习数据集对深度神经网络模型进行迭代训练；利用训练后的深度神经网络模型对地震数据进行初至拾取；通过内外双循环训练方法和在线梯度更新方法，提高了数据驱动方法的精度和成本效益。
-
公开(公告)号：CN117647837A
公开(公告)日：2024-03-05
申请号：CN202410108831.4
申请日：2024-01-26
Applicant: 东北石油大学三亚海洋油气研究院
IPC: G01V1/28
Abstract: 本发明公开一种地震数据的初至拾取方法、系统及计算机设备，涉及地震监测技术领域，该方法包括：采集地震数据；使用自动初至拾取算法对地震数据中地震信号的初至时刻进行初步的拾取，生成训练样本集；对初至拾取算法拾取的初至时刻进行人工校正，生成验证样本集；利用训练样本集和验证样本集分别制作出噪声标签和干净标签，生成元学习数据集；根据元学习数据集的特征设计相应的深度神经网络模型；基于元学习的双循环训练方法，使用元学习数据集对深度神经网络模型进行迭代训练；利用训练后的深度神经网络模型对地震数据进行初至拾取；通过内外双循环训练方法和在线梯度更新方法，提高了数据驱动方法的精度和成本效益。
-
公开(公告)号：CN116701948B
公开(公告)日：2024-01-23
申请号：CN202310968582.1
申请日：2023-08-03
Applicant: 东北石油大学三亚海洋油气研究院
IPC: G06F18/214 , G06F18/20 , G06F18/22 , G06N3/0464 , G06N3/08 , G06N3/048
Abstract: 管道故障诊断方法及系统、存储介质和管道故障诊断设备，属于机械故障检测与诊断技术领域，用于解决现有的智能诊断模型在小样本、不平衡数据集下准确率较低的问题。技术要点：利用传感器采集管道故障数据以及正常数据，组成真实数据集；构建时序生成网络，学习真实数据时序特征和类别特征，生成更加符合工程实际的管道数据；构建判别网络，判别其输入数据是否为真实数据；根据质量与多样性指标确定时序生成网络下一模态；利用Adam优化器交替更新时序生成网络与判别网络直至收敛；将训练好的时序生成网络用于扩充管道数据集，实现石油管道故障类别识别。本发明有效克服小样本、不平衡数据集对管道故障诊断的不利影响，进而提升管道
-
公开(公告)号：CN117250657A
公开(公告)日：2023-12-19
申请号：CN202311531698.5
申请日：2023-11-17
Applicant: 东北石油大学三亚海洋油气研究院
Abstract: 本发明涉及地球科学技术与人工智能交叉技术领域，特别是涉及一种地震数据重建去噪一体化方法，包括：获取地震数据；将所述地震数据输入预设的地震数据恢复模型中，输出重建去噪后的地震数据，其中，所述数据恢复模型基于训练集训练获得，所述训练集包括理想地震数据和训练地震数据，所述数据恢复模型采用Swin Transformer生成对抗网络构建。本发明通过对生成器和判别器以及损失函数进行设计，构建数据恢复模型，能够更好的利用地震数据的全局信息与关联性等特点，解决先前的模型由于感受野有限无法引入全局信息导致恢复出的地震数据较为模糊的问题。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.038 seconds)
