-
公开(公告)号：CN116047587A
公开(公告)日：2023-05-02
申请号：CN202211518647.4
申请日：2022-11-30
Applicant: 电子科技大学长三角研究院(湖州) , 电子科技大学
Abstract: 本发明提供了一种基于NSST和深度学习的人工智能地震数据处理方法，包括以下步骤：步骤1，合成模拟的纯净地震数据，模拟生成实际地震资料中的噪声，模拟实际勘探获取的地震资料；步骤2，将含噪数据和构造的噪声数据进行NSST变换，将变换后的Shearlet系数矩阵分别利用尺寸和滑动步长固定的窗口滑动截取，从而构建训练集和测试集；步骤3，搭建多级小波卷积神经网络，使用上述训练集进行迭代训练，利用网络的前后传播更新参数，每一次训练之后计算损失函数，通过不断地修正超参数，让损失函数逐渐收敛；步骤4，利用本方法进行实际地震数据去噪。本方案解决了震勘探数据中多种类型噪声压制难度大、传统去噪方法泛化性差等问题。
-
公开(公告)号：CN115687888A
公开(公告)日：2023-02-03
申请号：CN202211390643.2
申请日：2022-11-07
Applicant: 电子科技大学长三角研究院(湖州) , 电子科技大学
IPC: G06F18/00 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种地震缺失信号的人工智能高效恢复与补全方法，包含以下步骤：步骤S1，利用现有的地震数据，做出训练数据集；步骤S2，搭建对像素值处理的Transformer网络；步骤S3，利用步骤1中的数据集训练网络，在每个epoch训练完之后输出准确率和相关的评价标准，保存模型更新结果，最终评估模型的效果；步骤S4，将训练好的模型用于缺失数据的补全，补全过程需要将源数据切分成48x48大小的小块，且最终可以将切分出的数据拼接到原数据的对应位置。
-
公开(公告)号：CN114091333B
公开(公告)日：2024-12-06
申请号：CN202111369372.8
申请日：2021-11-18
Applicant: 电子科技大学长三角研究院(湖州) , 电子科技大学
Abstract: 本发明公开了一种基于机器学习的页岩含气量人工智能预测方法，包括以下步骤：步骤1、剔除岩心含气量实测值的异常值，并对纵横波速度、密度、自然伽马和含气实测值分别进行归一化处理；步骤2、引入松弛变量、利用数据映射搭建支持向量回归预测模型；步骤3、将纵横波速度、密度作为输入，页岩岩心含气量作为输出，利用支持向量回归预测模型，根据留一交叉验证得到含气量预测值；或者将自然伽马、纵波速度、密度作为输入，页岩岩心含气量作为输出，利用支持向量回归预测模型，根据留一交叉验证得到含气量预测值。本发明针对岩心、测井和地震数据计算页岩含气量精度较高，具有较高的泛化能力和可靠性。
-
公开(公告)号：CN117056673A
公开(公告)日：2023-11-14
申请号：CN202311028878.1
申请日：2023-08-15
Applicant: 电子科技大学长三角研究院(湖州) , 电子科技大学
IPC: G06F18/10 , G06F18/213 , G06F18/23 , G06F18/2433
Abstract: 本发明公开了一种测井岩相人工智能识别方法，包括以下步骤：步骤1：数据预处理；步骤2：测井数据标准化处理；步骤3：UMAP非线性降维，提取测井数据岩性特征；步骤4：绘制交汇图，分析岩相样本分布情况。本发明基于UMAP这一高效、准确、保留多样性、可拓展和可视化的非线性降维算法，解决了测井数据维度高、结构复杂的问题。通过将复杂的多维特征提取并映射到低维空间，提取了关键的岩性数据特征，并通过低维数据的可视化，能够更直观地观察数据的分布和聚类特征，从而协助岩相识别任务的解释和分析。
-
公开(公告)号：CN115690010A
公开(公告)日：2023-02-03
申请号：CN202211270410.9
申请日：2022-10-18
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06T7/00 , G06T7/11 , G06V10/74 , G06V10/75 , G06V10/762 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于图卷积网络(GCN)的麦克风零件机器视觉缺陷检测方法。该方法设计了一个基于GCN的麦克风零件图像分割方法，首先将麦克风零件样本图根据其结构组成分割为多个区域：边框、音腔(出音口)、专业集成电路、打线等四个基础区域，并对四个不同的区域进行图像预处理；其次通过简单线性迭代聚类(SLIC)算法对麦克风零件图像中的具有相似特征的像素点进行聚类，实现了将图像(image)中的像素解释为图结构(graph)中具有相互关联的节点。最后，将检测样本输入到GCN模型中对其进行节点分类，高效地实现了对工业生产中麦克风零件图像的精准缺陷检测。
-
Patent Agency Ranking
公开(公告)号：CN115661121A
公开(公告)日：2023-01-31
申请号：CN202211421171.2
申请日：2022-11-14
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06T7/00 , G06V10/764 , G06Q10/10 , G06F16/28 , G06F16/21
Abstract: 本发明提供了一种基于工作流挖掘的手机麦克风表面缺陷检测优化方法，包括以下步骤：步骤1，通过缺陷检测的基础事件日志，并对日志中检测步骤进行解析，形成主干检测流程；步骤2，基于附加的错检、漏检的附加日志信息，对主干检测流程进行优化，从而形成完整的手机麦克风的检测流程。该方法比传统的检测设计流程具有更好的完备性、准确性和可靠性。
-
公开(公告)号：CN114091333A
公开(公告)日：2022-02-25
申请号：CN202111369372.8
申请日：2021-11-18
Applicant: 电子科技大学长三角研究院(湖州) , 电子科技大学
Abstract: 本发明公开了一种基于机器学习的页岩含气量人工智能预测方法，包括以下步骤：步骤1、剔除岩心含气量实测值的异常值，并对纵横波速度、密度、自然伽马和含气实测值分别进行归一化处理；步骤2、引入松弛变量、利用数据映射搭建支持向量回归预测模型；步骤3、将纵横波速度、密度作为输入，页岩岩心含气量作为输出，利用支持向量回归预测模型，根据留一交叉验证得到含气量预测值；或者将自然伽马、纵波速度、密度作为输入，页岩岩心含气量作为输出，利用支持向量回归预测模型，根据留一交叉验证得到含气量预测值。本发明针对岩心、测井和地震数据计算页岩含气量精度较高，具有较高的泛化能力和可靠性。
-
公开(公告)号：CN114255388B
公开(公告)日：2025-04-04
申请号：CN202111230596.0
申请日：2021-10-22
Applicant: 电子科技大学长三角研究院(湖州) , 电子科技大学
IPC: G06V20/00 , G06V10/762 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种地震采集接收装置埋置质量人工智能自动检测方法，包括以下步骤：S1、拍摄地震采集接收装置的野外图像，并筛选出清晰的图像；S2、使用labelimg标注工具对清晰的图像进行特征标注，将图像分类为合格和不合格，并保存为xml标签文件；S3、搭建YOLOv3神经网络，设置网络参数，进行迭代训练，输出每一轮训练后的模型，按照预测准确率的评价指标选择最优预测模型；S4、利用最优预测模型对待预测的地震采集接收装置的图像进行分类预测。本发明能够快速有效地进行施工质量检查，对提高质量控制的有效性、时效性，降低质控成本、提高施工效率、帮助质检人员实现仪器安装质量的快速评估，保证地震资料的采集质量。
-
公开(公告)号：CN116128800A
公开(公告)日：2023-05-16
申请号：CN202211461904.5
申请日：2022-11-22
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06T7/00 , G06T7/11 , G06V10/764 , G06V10/774 , G06N3/084 , G06V10/82 , G06T7/136 , G06N3/0464
Abstract: 本发明提供了一种基于ViG的手机麦克风零件缺陷检测与分割方法，首先根据手机麦克风零件的结构将其样本图分割成多个部分：音腔(出音口)、专业集成电路、打线、边缘区域等四个基础区域。使用K近邻(K‑nearest neighbor，KNN)算法分别将分割后的四个区域的样本图像表示成图数据；然后将分割后的不同部分的麦克风零件图输入到ViG框架中，使用训练好的图卷积网络(Graph Convolutional Network，GCN)模型对图进行特征提取；最后模型输出其测试节点的分类，准确定位特征异常的节点，快速地实现了工业生产中手机麦克风零件图像的精准缺陷检测与分割。
-
公开(公告)号：CN115913388A
公开(公告)日：2023-04-04
申请号：CN202211285741.X
申请日：2022-10-20
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明提供了一种应用于DAS系统的IQ解调硬件装置及其使用方法。目前DAS系统皆采用高速数据采集卡回收探测数据，DAS系统所产生的海量数据，给予处理端硬件及算法处理巨大压力。研究者们在采集数据后，往往使用预处理方法来降低运算成本，再进行信号的解调。本申请提出硬件解调方法，采用IQ解调算法，设计硬件模块装置，于DAS系统信号输出端同步解调数据，信号流从DAS系统中输出后直接被IQ硬件解调模块实时解调，并被采集卡同步采集。根据本申请的DAS系统的IQ硬件解调方法，结构简洁有效，成本低廉，有效缓解DAS系统产生的海量数据处理压力，有效降低相关硬件配置要求，提高信号处理效率，并且使系统具备实时解调能力。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.025 seconds)
