-
公开(公告)号：CN113837004A
公开(公告)日：2021-12-24
申请号：CN202110958603.2
申请日：2021-08-20
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于深度学习的游梁式抽油机运动学分析方法，该方法包括如下步骤，步骤1：数据预处理。步骤2：训练基于Yolov4的目标检测模型，对抽油机进行运动目标检测。步骤3：基于上述运动检测结果，对抽油机进行实时运动学分析。本发明针对油田中抽油机运动参数监控难的问题，提出利用基于Yolov4的深度卷积神经网络对抽油机运动视频进行识别，并搭建数学模型输出计算出的运动学参数。实验结果显示，在高IOU阈值下，本方法的mAP能够达到94％以上，输出识别后的视频可以达到10FPS，基本能够胜任实际油田的监控工作。
-
公开(公告)号：CN113837004B
公开(公告)日：2024-05-31
申请号：CN202110958603.2
申请日：2021-08-20
Applicant: 北京工业大学
IPC: G06V20/40 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的游梁式抽油机运动学分析方法，该方法包括如下步骤，步骤1：数据预处理。步骤2：训练基于Yolov4的目标检测模型，对抽油机进行运动目标检测。步骤3：基于上述运动检测结果，对抽油机进行实时运动学分析。本发明针对油田中抽油机运动参数监控难的问题，提出利用基于Yolov4的深度卷积神经网络对抽油机运动视频进行识别，并搭建数学模型输出计算出的运动学参数。实验结果显示，在高IOU阈值下，本方法的mAP能够达到94％以上，输出识别后的视频可以达到10FPS，基本能够胜任实际油田的监控工作。
-
公开(公告)号：CN113837166B
公开(公告)日：2024-03-12
申请号：CN202110958619.3
申请日：2021-08-20
Applicant: 北京工业大学
IPC: G06V10/22 , G06V30/14 , G06V30/148 , G06V10/82 , G06N3/0464 , G06N3/08 , G06T5/70 , G06T7/11
Abstract: 本发明公开了一种基于深度学习的指针式仪表自动读数方法，训练基于Yolov4的目标检测模型，对表盘进行检测。选用网络层次较深的卷积神经网络，以获取更深层次的特征，使得定位更加准确。训练基于Unet的语义分割模型，分割指针。回顾前人对指针表自动读数的研究，发现其中大多数都是使用传统的计算机视觉方法来定位指针，获取指针的角度。本发明应用四种深度学习模型，以提高自然条件下的指针表读数精度。在对收集的5000张自然条件下拍摄的指针表图像进行读数后，本方法的错误率仅为1.57％，能够胜任在自然场景如燃气站、油田等场地等自动读数工作。
-
公开(公告)号：CN113837166A
公开(公告)日：2021-12-24
申请号：CN202110958619.3
申请日：2021-08-20
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于深度学习的指针式仪表自动读数方法，训练基于Yolov4的目标检测模型，对表盘进行检测。选用网络层次较深的卷积神经网络，以获取更深层次的特征，使得定位更加准确。训练基于Unet的语义分割模型，分割指针。回顾前人对指针表自动读数的研究，发现其中大多数都是使用传统的计算机视觉方法来定位指针，获取指针的角度。本发明应用四种深度学习模型，以提高自然条件下的指针表读数精度。在对收集的5000张自然条件下拍摄的指针表图像进行读数后，本方法的错误率仅为1.57％，能够胜任在自然场景如燃气站、油田等场地等自动读数工作。
-
-
-
Search Results
4
records
(took 0.014 seconds)
