-
公开(公告)号:CN119360372A
公开(公告)日:2025-01-24
申请号:CN202411380912.6
申请日:2024-09-30
Applicant: 东北石油大学
IPC: G06V20/69 , G06V10/82 , G06V10/25 , G06V10/764 , G06V10/42 , G06V10/44 , G06V10/80 , G06N3/0455 , G06N3/0464
Abstract: 本发明涉及一种深度学习增强的智能孢粉化石显微图像识别与筛选方法,该方法包括:1、获取训练样本集和测试样本集;2、对获取的图像数据进行数据去噪、标注和归一化处理;3、将自注意力机制引入YOLOv8的骨干网络中增强特征提取能力;4、采用加权双向特征金字塔自适应调整不同重要性的大小特征;5、将孢粉化石图像输入训练好的模型中,输出孢粉化石识别结果。该方法可以快速提取孢粉化石图像特征,识别准确率较高,可帮助专业人员实现高效评估地理环境。
-
公开(公告)号:CN116797929A
公开(公告)日:2023-09-22
申请号:CN202310748364.7
申请日:2023-06-25
Applicant: 东北石油大学 , 黑龙江省飞谱思能源科技有限公司
Inventor: 杜睿山 , 孟令东 , 宋健辉 , 付晓飞 , 王紫珊 , 李阳 , 李东 , 张桐 , 靳明洋 , 陈雨欣 , 周长坤 , 黄玉朋 , 井远光 , 李子扬 , 刘泽昭 , 程佳薪
IPC: G06V20/10 , G06V10/764 , G06V10/82 , G06V10/26 , G06N3/0464
Abstract: 本发明涉及一种基于深度学习的高孔隙砂岩薄片孔隙图像识别方法,该方法包括:1、高孔隙砂岩数据在显微镜下的薄片数据获取;2、数据去噪、数据标注和数据扩充归一化处理;3、基于深度学习的方法,将标注的数据作为训练集和验证集进行深度学习模型的预测;4、将薄片数据放入训练好的模型中,输出孔隙识别结果。此种孔隙识别方法对地质勘探油气运移研究有着极为重要的作用,可促进对岩石层内部结构的研究,深化研究者对岩石孔隙结构的认识,能够显著提高油气田勘探开发工作效率。
-