基于深度学习的放射性废物桶密度重建方法及系统

    公开(公告)号:CN112132920B

    公开(公告)日:2023-10-31

    申请号:CN202010953443.8

    申请日:2020-09-11

    Abstract: 本发明提供了一种基于深度学习的放射性废物桶密度重建方法及系统,包括:原始密度图像获取步骤:随机选取填充了不同形状、不同密度介质的废物桶,获得废物桶原始密度图像;模糊密度图像获取步骤:对上一步骤中的废物桶透射测量后,得到衰减程度信息,再基于迭代算法重建出废物桶模糊密度图像;训练集和测试集数据获取步骤:重复上述步骤,获得训练集和测试集数据;CNN网络搭建步骤:搭建CNN网络结构;CNN网络训练和测试步骤:使用训练集和测试集中数据对CNN网络进行训练和测试;清晰密度图像获取步骤:测量待测废物桶的射线衰减数据,根据传统的TGS密度重建方法获得模糊的密度图像,将模糊密度图像放入已经训练好的神经网络中,获得清晰的密度图像。

    海浪模拟装置及方法
    2.
    发明授权

    公开(公告)号:CN110501139B

    公开(公告)日:2021-02-12

    申请号:CN201910853615.1

    申请日:2019-09-10

    Abstract: 本发明提供了一种海浪模拟装置及方法,包括:直线导轨组件(1)与海浪模拟组件(2);所述海浪模拟组件(2)安装在所述直线导轨组件(1)上;所述海浪模拟组件(2)能够在所述直线导轨组件(1)上平动;所述直线导轨组件(1)包括:步进电机(11)、皮带(12)、滑块(13)以及导轨外壳(14);所述步进电机(11)安装在导轨外壳(14)上;所述滑块(13)安装皮带(12)上;所述步进电机(11)能够通过皮带(12)驱动滑块(13)平动。本发明结构合理,操作方便,易于拆卸;对海浪波形、波速模拟更加精确。

    基于深度学习的放射性废物桶密度重建方法及系统

    公开(公告)号:CN112132920A

    公开(公告)日:2020-12-25

    申请号:CN202010953443.8

    申请日:2020-09-11

    Abstract: 本发明提供了一种基于深度学习的放射性废物桶密度重建方法及系统,包括:原始密度图像获取步骤:随机选取填充了不同形状、不同密度介质的废物桶,获得废物桶原始密度图像;模糊密度图像获取步骤:对上一步骤中的废物桶透射测量后,得到衰减程度信息,再基于迭代算法重建出废物桶模糊密度图像;训练集和测试集数据获取步骤:重复上述步骤,获得训练集和测试集数据;CNN网络搭建步骤:搭建CNN网络结构;CNN网络训练和测试步骤:使用训练集和测试集中数据对CNN网络进行训练和测试;清晰密度图像获取步骤:测量待测废物桶的射线衰减数据,根据传统的TGS密度重建方法获得模糊的密度图像,将模糊密度图像放入已经训练好的神经网络中,获得清晰的密度图像。

    海浪模拟装置及方法
    4.
    发明公开

    公开(公告)号:CN110501139A

    公开(公告)日:2019-11-26

    申请号:CN201910853615.1

    申请日:2019-09-10

    Abstract: 本发明提供了一种海浪模拟装置及方法,包括:直线导轨组件(1)与海浪模拟组件(2);所述海浪模拟组件(2)安装在所述直线导轨组件(1)上;所述海浪模拟组件(2)能够在所述直线导轨组件(1)上平动;所述直线导轨组件(1)包括:步进电机(11)、皮带(12)、滑块(13)以及导轨外壳(14);所述步进电机(11)安装在导轨外壳(14)上;所述滑块(13)安装皮带(12)上;所述步进电机(11)能够通过皮带(12)驱动滑块(13)平动。本发明结构合理,操作方便,易于拆卸;对海浪波形、波速模拟更加精确。

Patent Agency Ranking