-
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
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
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：CN119126214A
公开(公告)日：2024-12-13
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：CN116645511A
公开(公告)日：2023-08-25
申请号：CN202310623026.0
申请日：2023-05-30
Applicant: 东北石油大学 , 东北石油大学三亚海洋油气研究院
IPC: G06V10/26 , G06V10/764 , G06V10/774 , G06T7/00 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于特征空间不变的图像语义分割模型构建方法及系统，涉及深度学习医学图像处理技术领域，以解决现有技术中人工勾画直肠癌淋巴结转移MRI结果存在主观性强和效率差等问题。本发明的技术要点包括：将收集到的MRI数据进行预处理，即先对数据集进行图像增广，然后使用标注工具LabelMe对数据集进行标注，将标注好的数据集进行划分，得到训练集、验证集和测试集，构建分割模型并对其进行训练与调整，得到训练合格的分割模型，最后将待分割的直肠癌淋巴结转移MRI影像输入到最佳模型中进行缺陷检测，得到检测结果。本发明有效提高了直肠癌淋巴结转移勾画效率和精度，进而可以辅助医生提高诊断准确率。
-
公开(公告)号：CN115906949A
公开(公告)日：2023-04-04
申请号：CN202211465052.7
申请日：2022-11-22
Applicant: 东北石油大学三亚海洋油气研究院
IPC: G06N3/047 , G06N3/0464 , G06N3/0442 , G06N3/094
Abstract: 一种石油管道故障诊断方法及系统、存储介质和石油管道故障诊断设备，属于管道故障诊断与分类技术领域，用以解决现有的智能方法在数据类别非均衡情况下无法达到高准确率的问题，包括步骤如下：步骤一，利用传感器采集不同泄漏程度以及正常状态的管道数据，构建真实数据集；步骤二，构建Tem‑PECAN的网络结构；步骤三，获取真实数据集的时间结构信息以及判别特征，以用于辅助Tem‑PECAN网络模型训练；步骤四：训练构建的Tem‑PECAN网络模型；步骤五，利用多样性与质量的综合评估指标验证生成数据的可靠性，并获得最优超参数组合；步骤六，利用训练好的Tem‑PECAN网络模型生成小类管道故障数据，用于扩充原始管道数据集；步骤七，使用扩充后的合成数据集训练故障分类模型，并实现管道故障诊断。本发明可以合成质量更好，多样性更强的管道时序数据，有效地提高了管道故障诊断模型的准确率以及鲁棒性，大大降低了诊断的漏报率和误报率。
-
Patent Agency Ranking
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：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。
-
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：CN116721063A
公开(公告)日：2023-09-08
申请号：CN202310587791.1
申请日：2023-05-23
Applicant: 东北石油大学 , 东北石油大学三亚海洋油气研究院
IPC: G06T7/00 , G06V10/72 , G06V10/774 , G06V10/776 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0985
Abstract: 本发明涉及的是一种基于注意力机制的MRI直肠癌淋巴结转移检测方法，它包括：获取直肠癌淋巴结转移MRI数据，建立数据集；图像增广；数据集样本标注；数据集划分；构造检测模型，以YOLOv4网络为主干网络，特征提取部分是CSPDarknet53网络、特征融合部分是SPP和PAN，预测部分为YOLOv3，通道注意力机制与SPP分别提取由CSPDarknet53提取的特征，将融合后的结果作为下一阶段的输入；再经空间注意力机制与PANet分别提取特征后融合，最终与CSPDarknet53提取的特征在特征融合部分融合；训练并验证模型。本发明能够自动检测发生转移的直肠癌淋巴结特征，并能准确而快速地检测出位置。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.028 seconds)
