-
公开(公告)号：CN119147772A
公开(公告)日：2024-12-17
申请号：CN202411271353.5
申请日：2024-09-11
Applicant: 东北石油大学三亚海洋油气研究院
Abstract: 本申请提供了一种管道检测装置、电子设备及管道检测方法，管道检测装置包括：中央控制单元、至少一个磁场激发线圈、多个磁传感器阵列及多个机械组件；多个机械组件设置在中央控制单元的两侧；每个机械组件包括多个机械臂、机械手及多个机械关节；多个机械臂通过多个机械关节与中央控制单元连接，多个机械臂通过多个机械关节与机械手连接；每个机械手上设置一个磁传感器阵列；磁场激发线圈设置在中央控制单元上；中央控制单元用于基于第一指令控制磁场激发线圈激发磁场；基于第二指令控制机械臂张开；基于第三指令，控制机械手收拢手指，以使磁传感器阵列贴合在管道上；磁传感器阵列用于检测管道的电磁信号，以对管道进行检测。
-
公开(公告)号：CN118571253A
公开(公告)日：2024-08-30
申请号：CN202411054510.7
申请日：2024-08-02
Applicant: 东北石油大学三亚海洋油气研究院
IPC: G10L25/30 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06F17/14 , G06F17/15 , G01M3/24 , F17D5/02
Abstract: 本发明提供一种基于时序变分自编码TS‑VAE的数据增强方法及系统，属于数据增强处理领域。为解决利用现有变分自编码器进行数据扩充时，声波信号不能直接输入，对提取长时间序列的时频特征的能力弱，计算效率低、扩充数据质量不佳问题。通过短时傅里叶变换将声波信号的波形图转化为频谱图；构建基于时间序列的变分自编码器TS‑VAE生成模型，在输入数据中增加时序窗口维度，分别在编码器和解码器中引入残差网络和时序趋势估计参数，利用频谱图对模型进行训练，通过皮尔逊相关系数评价并筛选生成信号。可提高模型对泄漏信号识别准确性和鲁棒性，实现管道泄漏数据扩充，为管道泄漏检测识别提供丰富样本。
-
公开(公告)号：CN118571253B
公开(公告)日：2024-10-25
申请号：CN202411054510.7
申请日：2024-08-02
Applicant: 东北石油大学三亚海洋油气研究院
IPC: G10L25/30 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06F17/14 , G06F17/15 , G01M3/24 , F17D5/02
Abstract: 本发明提供一种基于时序变分自编码TS‑VAE的数据增强方法及系统，属于数据增强处理领域。为解决利用现有变分自编码器进行数据扩充时，声波信号不能直接输入，对提取长时间序列的时频特征的能力弱，计算效率低、扩充数据质量不佳问题。通过短时傅里叶变换将声波信号的波形图转化为频谱图；构建基于时间序列的变分自编码器TS‑VAE生成模型，在输入数据中增加时序窗口维度，分别在编码器和解码器中引入残差网络和时序趋势估计参数，利用频谱图对模型进行训练，通过皮尔逊相关系数评价并筛选生成信号。可提高模型对泄漏信号识别准确性和鲁棒性，实现管道泄漏数据扩充，为管道泄漏检测识别提供丰富样本。
-
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。
-
Patent Agency Ranking
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：CN119532561A
公开(公告)日：2025-02-28
申请号：CN202411929944.7
申请日：2024-12-26
Applicant: 东北石油大学三亚海洋油气研究院
IPC: F16L55/32 , F16L55/40 , B08B9/051 , F16L101/30 , F16L101/12
Abstract: 本发明公开了一种基于无损磁探的海底管道细小裂痕检测机器人，包括球面链接件和清洁装置；本发明通过设置在前端机械主体与后端机械主体外部分别设置了磁传感器探测组、弹性轮、阻隔弹性厚膜与可控弹性开口，通过控制可控弹性开口的大小，可便捷掌控机器人移动速度，而弹性轮与阻隔弹性厚膜可与管道内壁贴合，使机器人处于居中位置，而磁传感器探测组，则可快速捕捉管道内部裂痕情况，且设置了清洁装置，即液体可与扇叶相接，来实现转轴的驱动，使转轴运行传动组件，来达到搅动件旋转与往复横移刷动过程的实现，以此，来对管道内辅助刷动清洁，提高机器人行进检测流畅度与检测精确度。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.037 seconds)
