公开(公告)号：CN118016082B

公开(公告)日：2024-06-11

申请号：CN202410424127.X

申请日：2024-04-10

Applicant: 东北石油大学三亚海洋油气研究院

Inventor： 路敬祎 ,  李佳丽 ,  董宏丽 ,  王冬梅 ,  胡仲瑞 ,  王鹏 ,  周怡娜

IPC: G10L19/26 ,  G06F18/10 ,  G06F18/2131 ,  G06F18/241 ,  F17D5/06

Abstract: 本发明公开了一种基于自动变分模态分解的管道泄漏滤波方法、检测方法及系统，涉及管道泄漏检测技术领域，用以解决管道泄漏信号因受噪声干扰而导致检测精度下降的问题。所述滤波方法包括：在变分模态分解的基础上利用残差信号的概念增加约束性准则构造自动变分模态分解的目标函数，从而得到更新模态和中心频率的公式；利用模态的功率概念提出更新带宽公式以及自动寻找目标模数的迭代条件；使用李氏距离对所得到的纯净模态进行重构而达到去噪目的。所述检测方法包括：利用管道泄漏滤波方法对待检测管道声波信号进行滤波处理后进一步进行检测处理。本发明提出的方法简单、准确率高、检测成本低，有效解决了环境噪声对管道泄漏检测造成的干扰。

公开(公告)号：CN118016082A

公开(公告)日：2024-05-10

申请号：CN202410424127.X

申请日：2024-04-10

Applicant: 东北石油大学三亚海洋油气研究院

Inventor： 路敬祎 ,  李佳丽 ,  董宏丽 ,  王冬梅 ,  胡仲瑞 ,  王鹏 ,  周怡娜

IPC: G10L19/26 ,  G06F18/10 ,  G06F18/2131 ,  G06F18/241 ,  F17D5/06

Abstract: 本发明公开了一种基于自动变分模态分解的管道泄漏滤波方法、检测方法及系统，涉及管道泄漏检测技术领域，用以解决管道泄漏信号因受噪声干扰而导致检测精度下降的问题。所述滤波方法包括：在变分模态分解的基础上利用残差信号的概念增加约束性准则构造自动变分模态分解的目标函数，从而得到更新模态和中心频率的公式；利用模态的功率概念提出更新带宽公式以及自动寻找目标模数的迭代条件；使用李氏距离对所得到的纯净模态进行重构而达到去噪目的。所述检测方法包括：利用管道泄漏滤波方法对待检测管道声波信号进行滤波处理后进一步进行检测处理。本发明提出的方法简单、准确率高、检测成本低，有效解决了环境噪声对管道泄漏检测造成的干扰。

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

Inventor： 王冬梅 ,  钱颖 ,  董宏丽 ,  路敬祎 ,  王鹏 ,  周怡娜 ,  杨丹迪 ,  胡仲瑞

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：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

Inventor： 王冬梅 ,  钱颖 ,  董宏丽 ,  路敬祎 ,  王鹏 ,  周怡娜 ,  杨丹迪 ,  胡仲瑞

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。