-
公开(公告)号：CN118968197A
公开(公告)日：2024-11-15
申请号：CN202411433361.5
申请日：2024-10-15
Applicant: 中国地质大学(武汉)
IPC: G06V10/764 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/084
Abstract: 本发明提供一种基于深度学习的地质构造识别方法、系统以及电子设备，涉及地质特征检测融合技术领域，其中，基于深度学习的地质构造识别方法包括：获取样本地质段的初始图像；对所述初始图像进行标注处理和特征权重计算，得到对应的地质特征信息；基于所述地质特征信息和所述初始图像中的图像特征信息对预设深度学习模型进行训练，生成目标深度学习模型；将待识别地质段对应的待识别图像输入至所述目标深度学习模型进行识别，输出得到所述待识别地质段的地质构造信息。通过将标注和计算得到的地质特征信息和图像特征信息共同作为训练数据，对深度学习模型进行训练，提高了模型训练精度，进而提高了对地质构造的识别精度和全面性。
-
公开(公告)号：CN118965189A
公开(公告)日：2024-11-15
申请号：CN202411433131.9
申请日：2024-10-15
Applicant: 中国地质大学(武汉)
IPC: G06F18/243 , G06F18/214 , G06F18/21 , G01V20/00
Abstract: 本发明公开一种地质剖面分类方法、存储介质、设备，涉及地质勘探技术领域，方法包括：获取地质剖面的现场勘探数据和遥感数据，以及地质剖面的类别标签，对数据进行预处理，并提取特征；基于提取的特征构建新特征，组成特征集；对特征集中的特征进行选择和归一化，并划分为训练集和验证集；构建地质剖面分类模型，采用LightGBM作为模型基准架构，使用训练集和地质剖面的类别标签、验证集对模型进行训练和验证，将待测的数据输入验证后的模型得到地质剖面分类结果。本发明的方法可充分利用地质学相关知识，增强特征表达能力，提升模型的泛化能力和解释性，捕捉复杂的非线性关系。
-
Patent Agency Ranking
公开(公告)号：CN118965284A
公开(公告)日：2024-11-15
申请号：CN202411452312.6
申请日：2024-10-17
Applicant: 中国地质大学(武汉)
IPC: G06F18/25 , G06F18/2411 , G06F18/243 , G06F18/10 , G06F18/213 , G06N20/00 , G06N3/09
Abstract: 本发明涉及污染源追踪领域，公开了一种基于机器学习的地下水污染源追踪方法、设备及存储介质，方法包括步骤：获取地下水历史数据以及环境数据；从环境数据中提取环境特征，从历史数据中提取污染物特征；配置地下水污染追踪的融合模型；融合模型采用多种机器学习模型融合得到；获取环境特征与污染物特征的相关性，并依据相关性得到权重因子，将权重因子作为输入至融合模型的额外特征；部署融合模型，并利用融合模型完成污染源追踪。本发明引入机器学习算法及监督学习算法相互融合，并将改进后的多维经验公式代入，通过模型自主学习实现对污染源的高效判别及追踪，引入边缘计算，进行实时数据处理分析，减少数据传输延迟，提升判别的实时性。
-
公开(公告)号：CN118965189B
公开(公告)日：2024-12-17
申请号：CN202411433131.9
申请日：2024-10-15
Applicant: 中国地质大学(武汉)
IPC: G06F18/243 , G06F18/214 , G06F18/21 , G01V20/00
Abstract: 本发明公开一种地质剖面分类方法、存储介质、设备，涉及地质勘探技术领域，方法包括：获取地质剖面的现场勘探数据和遥感数据，以及地质剖面的类别标签，对数据进行预处理，并提取特征；基于提取的特征构建新特征，组成特征集；对特征集中的特征进行选择和归一化，并划分为训练集和验证集；构建地质剖面分类模型，采用LightGBM作为模型基准架构，使用训练集和地质剖面的类别标签、验证集对模型进行训练和验证，将待测的数据输入验证后的模型得到地质剖面分类结果。本发明的方法可充分利用地质学相关知识，增强特征表达能力，提升模型的泛化能力和解释性，捕捉复杂的非线性关系。
-
公开(公告)号：CN118967980A
公开(公告)日：2024-11-15
申请号：CN202411448491.6
申请日：2024-10-17
Applicant: 中国地质大学(武汉)
IPC: G06T17/20 , G06T5/70 , G06T5/80 , G06V10/75 , G06V10/46 , G06T7/80 , G06T15/04 , G06T5/40 , G06T7/30
Abstract: 本申请提供了一种基于无人机倾斜摄影测量的实景三维建模方法及系统，涉及实景建模方法领域，方法包括：对获取的实际倾斜摄影图像进行预处理，预处理包括：畸变校正、亮度及对比度调整和去噪处理；采用SLFT算法提取预处理后的实际倾斜摄影图像的关键特征点；基于关键特征点，采用最邻近匹配方法进行特征点匹配，生成点云数据并进行优化；基于优化后的点云数据进行表面重建，生成三维模型；将实际倾斜摄影图像的纹理映射至三维模型中，得到初步模型；基于三角边坍缩的方法，对初步模型进行优化，得到地形实景三维模型，完成无人机倾斜摄影测量的实景三维建模。
-
公开(公告)号：CN118965284B
公开(公告)日：2024-12-27
申请号：CN202411452312.6
申请日：2024-10-17
Applicant: 中国地质大学(武汉)
IPC: G06F18/25 , G06F18/2411 , G06F18/243 , G06F18/10 , G06F18/213 , G06N20/00 , G06N3/09
Abstract: 本发明涉及污染源追踪领域，公开了一种基于机器学习的地下水污染源追踪方法、设备及存储介质，方法包括步骤：获取地下水历史数据以及环境数据；从环境数据中提取环境特征，从历史数据中提取污染物特征；配置地下水污染追踪的融合模型；融合模型采用多种机器学习模型融合得到；获取环境特征与污染物特征的相关性，并依据相关性得到权重因子，将权重因子作为输入至融合模型的额外特征；部署融合模型，并利用融合模型完成污染源追踪。本发明引入机器学习算法及监督学习算法相互融合，并将改进后的多维经验公式代入，通过模型自主学习实现对污染源的高效判别及追踪，引入边缘计算，进行实时数据处理分析，减少数据传输延迟，提升判别的实时性。
-
公开(公告)号：CN118968197B
公开(公告)日：2024-12-17
申请号：CN202411433361.5
申请日：2024-10-15
Applicant: 中国地质大学(武汉)
IPC: G06V10/764 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/084
Abstract: 本发明提供一种基于深度学习的地质构造识别方法、系统以及电子设备，涉及地质特征检测融合技术领域，其中，基于深度学习的地质构造识别方法包括：获取样本地质段的初始图像；对所述初始图像进行标注处理和特征权重计算，得到对应的地质特征信息；基于所述地质特征信息和所述初始图像中的图像特征信息对预设深度学习模型进行训练，生成目标深度学习模型；将待识别地质段对应的待识别图像输入至所述目标深度学习模型进行识别，输出得到所述待识别地质段的地质构造信息。通过将标注和计算得到的地质特征信息和图像特征信息共同作为训练数据，对深度学习模型进行训练，提高了模型训练精度，进而提高了对地质构造的识别精度和全面性。
-
-
-
-
-
-
Search Results
7
records
(took 0.026 seconds)
