-
公开(公告)号：CN118191922A
公开(公告)日：2024-06-14
申请号：CN202410438745.X
申请日：2024-04-12
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明公开了一种空间结构正则化多道稀疏脉冲反褶积方法。首先，该方法假设反射系数在时间上满足柯西函数描述的稀疏分布，将其引入到稀疏脉冲反褶积的正则化条件。此外，该方法基于地震信号在空间上的连续性和可预测性，采用结构张量对地震信号的空间结构进行估算和表征，也将其引入到稀疏脉冲反褶积的正则化条件。本发明方法实现了稀疏结构和空间结构联合驱动的多道稀疏脉冲反褶积处理，抑制了随机噪声对反褶积结果的影响，增强了高频地震信号恢复精度。
-
公开(公告)号：CN116903381A
公开(公告)日：2023-10-20
申请号：CN202310872194.3
申请日：2023-07-17
Applicant: 电子科技大学长三角研究院(湖州)
IPC: C04B35/584 , C04B35/622 , C04B35/632 , C04B35/634 , B28C5/38 , B28C5/46 , B28B1/29 , B28B3/00 , B28B11/24
Abstract: 本发明提供一种高导热高强度氮化硅基板制备方法，涉及半导体陶瓷基板制造技术领域。该高导热高强度氮化硅基板制备方法是将羚基共聚物改性分散剂、甲苯、无水乙醇、氧化镁、氧化钇、β‑Si3N4晶种、α‑Si3N4粉体按一定比例混合加入球磨罐中球磨24h；在球磨后的混合物中加入丙烯酸树脂以及聚酯增塑剂继续球磨48h，得到氮化硅浆料；将得到氮化硅浆料经过真空脱泡、过滤、流延成型，得到氮化硅生坯；对得到氮化硅生坯进行切割处理，得到切割后的氮化硅生坯；对切割后的氮化硅生坯进行排胶处理，得到排胶后的氮化硅生坯；将排胶后的氮化硅生坯进行气压烧结，得到氮化硅基板。本发明得到的氮化硅基板产品热导率≥90W/m·k，抗弯强度≥750MPa。
-
公开(公告)号：CN118409354A
公开(公告)日：2024-07-30
申请号：CN202410438746.4
申请日：2024-04-12
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G01V1/36
Abstract: 本发明公开了一种基于结构张量正则化的多道反演吸收补偿方法，包括以下步骤：(1)利用结构张量提取地震信号的空间倾角，沿倾角方向设计空间预测滤波器；(2)将空间预测滤波器引入到多道反演吸收补偿的正则化条件，在多道反演理论框架下实现地层吸收补偿。由于将地震信号的空间可预测性引入了吸收补偿反演的目标函数，因此，该反演系统具有一定的信号和噪声识别能力，能够实现信号和噪声的选择性补偿。该方法有效地抑制了噪声干扰在吸收补偿过程中的放大效应，在恢复高频信号的同时，较好地保持了地震记录的信噪比。
-
公开(公告)号：CN117473416A
公开(公告)日：2024-01-30
申请号：CN202311561432.5
申请日：2023-11-21
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06F18/2415 , G06F18/214 , G06N3/08
Abstract: 本发明公开的一种基于动态分类器选择的测井岩性智能识别方法，包括如下步骤：S1，建立用于测井岩性智能识别建模的学习样本；S2，基于相同的学习样本，建立学习算法不同的多个分类模型，构成模型池；S3，根据未知数据T中的每个样例的特点对模型池中的分类模型执行动态选择，并将选择的分类模型用于具体样例的识别。该方法能根据样本特点动态选择合适的分类器用于测井岩性识别，从而具备更高的准确率，而且方法整体也展现出更好的泛化性，进而保障具体科研问题智能化实现的效率。
-
公开(公告)号：CN116823705A
公开(公告)日：2023-09-29
申请号：CN202310086886.5
申请日：2023-02-09
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明公开了一种基于深度学习的芯片缺陷数据集构建及检测方法，采用图像旋转、错切变换、镜像翻转数据增强处理方法对数据集进行扩充处理，将扩充后的数据集与原始图像数据集按照一定比例构成深度学习训练数据集；通过数据预处理方法实现图像信息的显著性提高；利用纹理方法和区域选择的缺陷提取方法，得到缺陷图像；利用轻量级卷积网络实现芯片缺陷图像的检测和识别。本发明在增加样本数量的同时保证了样本的多样性，解决了传统芯片缺陷检测中样本数量少的问题；引入了轻量级卷积网络，减少了网络参数，缩短了检测时间，实现了多尺度预测和准确的缺陷检测与识别。
-
Patent Agency Ranking
公开(公告)号：CN116184501A
公开(公告)日：2023-05-30
申请号：CN202310221338.9
申请日：2023-03-09
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明公开了一种基于数据约束的地震资料高分辨率智能处理方法，包括以下步骤：步骤1、对原始地震数据进行带通滤波，生成低频地震数据；步骤2、将测井数据转换为反射系数，并将反射系数与宽频子波进行褶积，合成高频地震波形标签；步骤3、建立数据约束的高分辨率地震资料处理目标函数；步骤4、利用低频地震数据和与高分辨率地震数据标签对GAN模型进行训练，当目标函数满足要求时，保存GAN模型。本发明以GAN模型为基础，在传统标签约束的基础上引入了输入数据约束项，在拓宽地震数据频带的同时不改变其低频特征，保证了高分辨率处理结果的可靠性和稳定性，为砂体结构表征提供了有效可靠地基础数据。
-
公开(公告)号：CN116184491A
公开(公告)日：2023-05-30
申请号：CN202310201074.0
申请日：2023-02-28
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明公开了一种基于反射结构特征的机器学习高分辨率地震数据重建方法，通过输入地震数据，筛选声波测井曲线和密度测井曲线，将深度域测井数据转换成时间域数据，首先计算声波阻抗，进而计算反射系数，再建立神经网络训练集，并利用原始地震数据，计算构造算子，最后建立具有反射数据结构特征的机器学习高分辨率数据处理系统的目标函数并求解，完成基于反射结构特征的机器学习高分辨率地震数据处理。本发明的方法将地震数据的空间特征融入机器学习高分辨率重建过程中，使预测结果包含数据的横向空间信息，最终提高结果的稳定性以及准确性，同时提升了地震数据薄层结构的恢复效果，能更加精细的刻画薄层砂体的空间展布特征和储层特征。
-
公开(公告)号：CN116037504A
公开(公告)日：2023-05-02
申请号：CN202310087349.2
申请日：2023-02-09
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明公开了一种基于三维立体视觉的陶瓷封装管壳缺陷检测装置及方法，包括：传输装置，陶瓷封装管壳在所述传输装置上运输；图像采集装置，用于采集所述陶瓷封装管壳的高质量图像；数据处理装置，用于存储所述陶瓷封装管壳的图像，并对陶瓷封装管壳缺陷进行识别与定位；显示装置，与所述数据处理装置相连接；分拣装置，与所述数据处理装置相连接；所述陶瓷封装管壳放置于所述传输装置上运输，所述图像采集装置获取所述陶瓷封装管壳的图像，并传输至所述数据处理装置，当所述数据处理装置判断出所述陶瓷封装管壳存在缺陷时，所述显示装置显示陶瓷封装管壳缺陷的类型、位置及大小，且所述分拣装置将存在缺陷的陶瓷封装管壳分拣到出来。
-
公开(公告)号：CN115774026A
公开(公告)日：2023-03-10
申请号：CN202211654525.8
申请日：2022-12-22
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明公开了一种陶瓷芯片的缺陷检测装置及检测方法，包括：二维运动平台装置，陶瓷芯片固定在二维运动平台装置上；平台驱动装置，该平台驱动装置控制所述二维运动平台装置沿两个方向移动；工业相机装置，该工业相机装置设置于所述二维运动平台的上方；光源装置，该光源设置于所述工业相机装置上，且正对所述陶瓷芯片；数据处理装置，与所述工业相机装置连接；控制装置，所述控制装置与所述数据处理装置相连接；当所述陶瓷芯片与所述相机装置发生相对移动时，所述工业相机装置获取所述陶瓷芯片的图像并传输至所述数据处理装置，当所述数据处理装置判断出所述陶瓷芯片存在缺陷时，所述控制装置发出警示，并显示陶瓷芯片缺陷的类型、位置及大小。
-
公开(公告)号：CN119247461B
公开(公告)日：2025-03-28
申请号：CN202411795882.5
申请日：2024-12-09
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G01V1/28 , G01V1/30 , G06T17/00 , G06T7/10 , G06F18/24 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/08
Abstract: 本发明属于但不限于地震相智能识别技术领域，尤其涉及一种基于V‑Net的三维地震相智能识别方法及系统，包括：S1：三维地震数据及相应地震相解释结果的获取；S2：针对三维地震相识别的学习样本的建立；S3：基于V‑Net的地震相智能识别模型的搭建；S4：未知数据的三维地震相识别。本发明将地震相识别当成一个三维图像分割问题，同时在建模中加入残差，优化了模型张成假设空间的合理性，能有效提高地震相智能识别的精度。本发明在三维U‑Net建模的基础上添加残差层，优化了智能模型的结构，有助于保障模型张成假设空间的合理性，从而提高网络整体的特征学习能力。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.036 seconds)
