一种基于卷积神经网络的疑源类化石的识别和分类方法

    公开(公告)号:CN118397343A

    公开(公告)日:2024-07-26

    申请号:CN202410493274.2

    申请日:2024-04-23

    Applicant: 三峡大学

    Abstract: 本发明提供一种基于卷积神经网络的疑源类化石的识别和分类方法,包括:S1:初始条件准备,通过化石类数据图库中收集疑源类化石图片;S2:对原始疑源类化石图像进行数据增强,建立疑源类化石图像数据集;S3:构建疑源类化石分类及识别卷积神经网络模型,改进模型结构及激活函数;S4:对疑源类化石卷积神经网络进行训练,获得对应权重参数;S5:验证卷积神经网络模型在疑源类化石识别和分类上的性能。本发明基于卷积神经网络实现了对疑源类化石的识别和分类,该网络模型对疑源类化石种类识别模型具有良好的识别精度和泛化能力;随着迭代次数的增加,模型的性能也逐步提高,可以有效解决依靠人力识别疑源类化石效率低下的问题。

    一种水下大型管道内壁无损检测装置及方法

    公开(公告)号:CN114878683A

    公开(公告)日:2022-08-09

    申请号:CN202210345486.7

    申请日:2022-04-02

    Applicant: 三峡大学

    Abstract: 本发明提供了一种水下大型管道内壁无损检测装置及方法,它包括用于对整个装置进行承载的主体躯干;所述主体躯干上安装有用于将其支撑在管道内壁,并配合主体躯干实现管道内部行走的支撑固定支腿;所述主体躯干上安装有实现管道内壁检测的无损检测托架装置;所述主体躯干上搭载有用于驱动整个检测装置实现水下下沉、上浮、前进、后退、转向及平衡功能的多个动力风扇;所述主体躯干和支撑固定支腿与用于控制其动作的液压控制系统相连;所述主体躯干上搭载有用于提供管道内壁目视检查图像和视频的目视摄像头。用于解决水下大型管道内壁无损检测难、检测装置灵活性差的问题,提升管道内壁目视、超声无损检测效率。

Patent Agency Ranking