-
公开(公告)号：CN115375642A
公开(公告)日：2022-11-22
申请号：CN202210976029.8
申请日：2022-08-15
Applicant: 中国地质大学(北京)
IPC: G06T7/00 , G01N23/223
Abstract: 本申请公开了一种基于图像处理的元素迁移检测方法及系统。首先获取待处理样品，对样品进行预处理后得到目标选取范围，并进行μ‑XRF测试得到目标选取范围的元素分布图像；然后对元素分布图像在Python的OpenCV模块进行图像处理得到元素迁移检测结果，包括元素变化曲线及迁移率结果、元素相关性结果以及元素迁移图解结果。本发明利用图像处理技术，对μ‑XRF元素分布图像进行处理，得到发生迁移的元素种类和程度，较传统方法更加便捷，准确性高，可普遍应用。
-
公开(公告)号：CN118587271A
公开(公告)日：2024-09-03
申请号：CN202410870024.6
申请日：2024-07-01
Applicant: 中国地质大学(北京)
Abstract: 本发明公开了一种岩石CT图像分析处理方法，包括图像预处理，图像分割与自动分析，使用OpenCV和PIL对图像进行处理分析，图像预处理包括图像去噪和图像增强；通过设定阈值进行图像分割，对图像分割后的参数信息进行统计，创建与输入图像同维度的零矩阵color_mask，根据颜色的阈值范围更新out_mask和color_mask，使用cv2.findContours函数找到color_mask中的轮廓，针对每个轮廓创建与out_mask同维度的零矩阵each_mask并绘制当前轮廓；将color_mask应用到each_mask上，生成each_color_mask，对每种颜色的所有轮廓，计算总面积，面积占比，以及等效直径。本发明的一种岩石CT图像分析处理方法不仅提供了一种系统性的岩石CT图像处理方法，提高了图像质量；并且能够有效进行孔裂隙提取和不同矿物相识别，进行矿物含量和粒度的自动分析。
-
公开(公告)号：CN118470497A
公开(公告)日：2024-08-09
申请号：CN202410690392.2
申请日：2024-05-30
Applicant: 中国地质大学(北京) , 河北雄安九康科技有限公司
IPC: G06V10/82 , G06V10/774 , G06N3/0464 , G06V10/776 , G06N3/096 , G06V10/764
Abstract: 本发明公开了一种卷积神经网络的岩石岩性自动检测系统，包括：获取模块、处理模块、建模模块、训练模块和验证模块；获取模块连接处理模块，处理模块连接建模模块，建模模块连接训练模块，一种基于卷积神经网络的岩石岩性自动检测识别方法，包括以下步骤：步骤S1：获取原始的不同岩性的岩石图像数据；步骤S2：对不同岩性的岩石图像进行预处理；步骤S3：构建卷积神经网络模型；步骤S4：采取迁移学习训练策略并配置卷积神经网络模型要素得到配置好的卷积神经网络模型；解决了无法在复杂场景下的多种岩石的岩性进行高效识别的问题。
-
Patent Agency Ranking
公开(公告)号：CN118521868B
公开(公告)日：2024-11-05
申请号：CN202410689777.7
申请日：2024-05-30
Applicant: 中国地质大学(北京) , 银河华宇(北京)科技有限公司
IPC: G06V10/82 , G06N3/0464 , G06V10/54 , G06V10/20 , G06N3/096 , G06V10/764 , G06V10/774 , G06V10/26
Abstract: 本发明公开了一种基于深度学习算法的数据驱动型矿石预测方法和系统，该系统能够用于实施上述的数据驱动型矿石预测方法，具体的，包括：数据集预处理，对原始图像数据进行预处理，包括数据集划分、数据增强、类别不平衡处理、数据标准化和预测试；构建并联式全局‑局部模型，构建并训练带有ECA和不带ECA的父模型，并将它们分别进一步细分为局部和全局两个子模型。将训练好的模型结果进行输出和解释。包括模型集成，通过硬投票获得最终模型权重，以及可视化输出，使用Grad‑CAM将模型的输出可视化为热力图，提供对模型预测结果的解释性分析。本发明的优点是：提高了矿石分选的效率，提高了矿石的预测准确性和鲁棒性，降低了训练成本。
-
公开(公告)号：CN118626833A
公开(公告)日：2024-09-10
申请号：CN202410690525.6
申请日：2024-05-30
Applicant: 中国地质大学(北京) , 保定市佳宇软件科技有限公司
IPC: G06F18/2132 , G06F18/214 , G06F18/241 , G06N20/00 , G06V10/764 , G06V10/774
Abstract: 本发明公开了一种基于XGboost算法的碎屑锆石物源判别方法和系统，包括以下步骤：收集A1、A2、S、I花岗岩中锆石的微量元素数据，筛选出数据较为集中的元素。构建具有地质意义的元素比值，获得数据集Dataset 1。在Dataset 1上训练XGBoost模型，选择排名前9的元素或元素比值作为最终训练模型的特征，构建新数据集Dataset 2。在训练集上选择XGBoost算法进行训练。使用优化框架调优XGBoost模型的超参数，以最大化F1分数为目标。使用训练好的XGBoost模型将预处理后的未知样本数据输入模型，进行预测，并输出输出结果。本发明的优点是：提高了数据处理的效率和物源判别的精准性，适用于全球各个地区的碎屑锆石物源判别，不受地理位置的限制。
-
公开(公告)号：CN118521868A
公开(公告)日：2024-08-20
申请号：CN202410689777.7
申请日：2024-05-30
Applicant: 中国地质大学(北京) , 银河华宇(北京)科技有限公司
IPC: G06V10/82 , G06N3/0464 , G06V10/54 , G06V10/20 , G06N3/096 , G06V10/764 , G06V10/774 , G06V10/26
Abstract: 本发明公开了一种基于深度学习算法的数据驱动型矿石预测方法和系统，该系统能够用于实施上述的数据驱动型矿石预测方法，具体的，包括：数据集预处理，对原始图像数据进行预处理，包括数据集划分、数据增强、类别不平衡处理、数据标准化和预测试；构建并联式全局‑局部模型，构建并训练带有ECA和不带ECA的父模型，并将它们分别进一步细分为局部和全局两个子模型。将训练好的模型结果进行输出和解释。包括模型集成，通过硬投票获得最终模型权重，以及可视化输出，使用Grad‑CAM将模型的输出可视化为热力图，提供对模型预测结果的解释性分析。本发明的优点是：提高了矿石分选的效率，提高了矿石的预测准确性和鲁棒性，降低了训练成本。
-
公开(公告)号：CN118133007A
公开(公告)日：2024-06-04
申请号：CN202410075684.5
申请日：2024-01-18
Applicant: 中国地质大学(北京)
IPC: G06F18/214 , G06F18/213
Abstract: 本申请公开了一种基于XGBoost算法的地球化学数据综合处理方法和系统，通过使用Python将多个零散数据集自动汇总，并为汇总后的数据集提供多级标签，输出原始数据集；提取原始数据集中所有非数值数据，并将所有非数值数据替换为空值，计算每种特征的平均值与方差，并暂时剔除数据异常值，以在暂时剔除数据异常值的情况下，使用XGBoost算法训练回归模型，预测空缺值数据；基于填充后的数据重新计算每个特征的平均值与方差，并剔除异常值数据，汇编并输出填充后的填充数据集；对填充数据集进行中心对数比变换，解码成分数据，输出解码数据集。本方法为建立地学数据库提供了有效的途径，为地球科学研究提供数据基础，适用于多种岩石和矿物分析，具有广泛的适用性。
-
公开(公告)号：CN115240191A
公开(公告)日：2022-10-25
申请号：CN202210726570.3
申请日：2022-06-24
Applicant: 中国地质大学(北京)
IPC: G06V20/69 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于深度学习下对显微镜下金属矿物的识别方法，通过获取待识别的显微镜下未知金属矿物图像，将所述显微镜下未知金属矿物图像进行预处理，得到第一目标图像，将所述第一目标图像输入到预先训练好的神经网络模型中，得到所述未知金属矿物的种类。本发明利用图像识别的技术，对大量镜下图像进行金属矿物的识别，从而得到关于岩相特征更为全面的判断，成本低，同时该判断过程也排除了人为估计的主观性和环境因素的干扰，提高识别准确率，且扩大了使用范围，较传统图像识别方法更加注重数据驱动进行特征提取，鲁棒性、泛化能力强。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.024 seconds)
