-
公开(公告)号：CN116433680B
公开(公告)日：2025-05-16
申请号：CN202310370170.8
申请日：2023-04-10
Applicant: 西南石油大学
IPC: G06T7/10 , G06T5/50 , G06T5/70 , G06T3/4038 , G06T3/4046 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提出一种基于深度学习的骨显像病灶分割方法。该方法先对采集到的骨显像图像进行预处理，首先构建Encoder模块，对采用Swin Transformer编码部分对骨显像图像进行编码提取病灶特征，然后构建注意力汇聚模块对编码器输出的特征图注意力进行汇聚，减少注意力分散，提高局部的特征提取能力；然后构建Decoder模块对注意力汇聚模块输出的特征图进行逐步特征融合减少特征差异，同时将不同分辨率的特征图信息进行融合；最后将融合后的特征图输入线性预测层中得到分割的结果。本发明能够提高骨显像病灶分割的精度。
-
公开(公告)号：CN119169276A
公开(公告)日：2024-12-20
申请号：CN202411404864.X
申请日：2024-10-10
Applicant: 西南石油大学
IPC: G06V10/25 , G06V20/40 , G06N3/0464 , G06N3/08 , G06N3/084 , G06V10/82 , G06V10/774 , G06V10/776
Abstract: 本发明涉及地质学岩石薄片鉴定与分析技术领域，其公开了一种改进YOLO快速实时识别定位薄片中锆石的方法和装置，方法包括：S1、获取锆石镜下薄片图像，预处理图像并标记锆石后制成锆石检测数据集；S2、将锆石检测数据集按照预设比例设置为训练集和验证集，并储存至指定指定锆石文件路径；S3、构建YOLO‑zircon网格模型；S4、训练集和验证集放入YOLO‑zircon网格模型中训练，得到YOLO‑zircon网格模型的最佳训练权重文件；S5、最佳训练权重文件放入屏幕实时监测代码中，达到视频实时识别定位薄片中锆石的功能。本发明对锆石检测数据集进行合理收集和预处理，针对锆石特性改进YOLOv5s网格模型为YOLO‑zircon模型，达到高效率、高精准度效果，实现薄片中对锆石的视频快速实时识别定位功能。
-
公开(公告)号：CN116894825A
公开(公告)日：2023-10-17
申请号：CN202310877840.5
申请日：2023-07-18
Applicant: 西南石油大学
IPC: G06T7/00 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/047 , G06V10/25 , G06V10/764 , G06V10/762 , G06V10/40 , G06N3/084
Abstract: 本发明所提供的一种基于深度学习的X射线图像焊缝缺陷检测方法，利用FasterRCNN网络对X射线图像进行焊缝缺陷检测，相较于传统FasterRCNN，本发明改进了主干网络的ResNet50模块，在Bottleneck中最后一个卷积层后面增加了gi信息增益模块，提升特征提取能力，同时，对RPN网络中的预设锚框生成比例进行修改，使用K‑Means++算法对待检测的目标长宽比例进行聚类，得到更符合当前检测数据集的缺陷特征长宽比例分布，提升缺陷检测效果。
-
公开(公告)号：CN114037112B
公开(公告)日：2023-08-29
申请号：CN202111106986.7
申请日：2021-09-22
Applicant: 西南石油大学
Abstract: 本发明公开了利用CD‑MUSIC模型预测油‑水微观界面表面电势的方法，涉及界面物理化学领域，方法包括：获取原油比表面积与平面间电容；通过模型拟合获取反应平衡常数与位点密度；使用地球化学软件建立CD‑MUSIC模型预测表面电势。本发明提供利用CD‑MUSIC模型预测油‑水微观界面表面电势的方法，解决在DLVO理论中计算静电斥力时表面电势无法直接从实验中获取的问题，在PHREEQC模拟软件中构建油水界面的CD‑MUSIC模型，通过实验结果与预测结果进行参数拟合，预测油‑水界面的表面电势，为计算分离压力提供真实有效的数据。运用该方法解决了实验无法直接获得表面电势的问题，且具有耗时相对较短等优势。
-
公开(公告)号：CN115909175A
公开(公告)日：2023-04-04
申请号：CN202310021223.5
申请日：2023-01-07
Applicant: 西南石油大学
IPC: G06V20/40 , G06V10/774 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于注意力特征门控的视频异常行为识别方法，该方法对多维训练进行特征降维，构建效率更高的识别网络，具体实施方法为：首先从全部数据集中随机提取出连续的视频图片并进行预处理作为训练样本；然后送入本发明提出的网络模型AFG‑NET中进行训练；然后模型对训练样本的帧率维度进信道分离，利用二维卷积对多个信道进行特征提取，然后使用信道特征稀疏化函数对特征进行缩放求和，并与训练样本的全局特征相乘得到输出；然后模型的后续部分对特征进行提取识别，最终得到网络模型的预测结果；最后使用加权稀疏化惩罚和交叉熵损失相结合的联合损失，并使用随机梯度下降对模型的联合损失进行反向传播，优化网络模型的参数，以达到全局最优。
-
Patent Agency Ranking
公开(公告)号：CN114993391A
公开(公告)日：2022-09-02
申请号：CN202210622497.5
申请日：2022-06-01
Applicant: 西南石油大学
Abstract: 本发明公开了一种水平井阵列涡轮流量计及测量方法，该水平井阵列涡轮流量计包括：电缆头、中轴主体、电压调节系统、数据传输系统、信号转换系统、控制系统、1个可伸缩中心涡轮转子、8个双层布局阵列臂、完全相同的8个阵列涡轮转子、可伸缩中心轴和锥形头。针对水平井特殊井身结构及流体介质分布不均导致的速度剖面复杂的难题，采用双层阵列式涡轮分布加中心涡轮转子的布局结构，原理可靠、操作方便，适用于监测不同结构水平井油气水单相、两相及多相流体流动条件流体速度剖面信息，进而准确反映水平井筒流体速度分布特征。该测量方法，建立基于高斯径向基函数插值求取映射位置局点涡轮转速后定量计算视流体速度，能准确计算得到井筒流体流量。
-
公开(公告)号：CN117079099A
公开(公告)日：2023-11-17
申请号：CN202310877673.4
申请日：2023-07-18
Applicant: 西南石油大学
IPC: G06V10/82 , G06V20/40 , G06V40/20 , G06V10/774 , G06V10/40 , G06V10/80 , G06N3/0464 , G06N3/08 , G06N3/048
Abstract: 本发明公开了一种基于改进YOLOv8n的违规行为检测方法，包括：通过摄像头采集违规行为视频解码标注建立数据集；将标注好的数据集划分为训练集，验证集和测试集；对YOLOv8n网络进行改进，使用训练集对改进的YOLOv8n进行训练，同时使用验证集进行验证，保留验证集准确率最高的网络参数，使用测试集对导入网络参数改进的YOLOv8n网络进行测试。本发明通过改进C2f模块和引入注意力机制构建特征融合模块，提高模型的特征提取能力和检测精度。
-
公开(公告)号：CN116894782A
公开(公告)日：2023-10-17
申请号：CN202310876849.4
申请日：2023-07-18
Applicant: 西南石油大学
IPC: G06T5/00 , G06N3/0475 , G06N3/094 , G06N3/0464 , G06N3/048 , G06N3/045 , G06V10/40 , G06V10/82 , G06V10/80
Abstract: 本发明提出一种基于生成对抗网络的地震资料随机噪声盲去噪方法。首先对原始数据集按比例划分为训练数据和测试数据，分别在训练和测试数据中加入高斯噪声和未知的随机噪声；训练时将数据送入改进残差模块进行第一次特征粗提取，保证相邻图像像素之间的关联性；随后使用改进通道注意力机制对特征向量进行第二次细提取，保证图像自身特征的完备性；最后通过计算改进的梯度惩罚函数拉大真实样本与假样本之间的差距，不仅节约训练时间，也增强了判别器的判别能力，提高了生成器的特征提取能力。本发明网络具有较好的泛化性以及较高的准确性，特别是在存在一些复杂未知噪声的地震图像去噪方面有较好的表现。
-
公开(公告)号：CN116468684A
公开(公告)日：2023-07-21
申请号：CN202310392031.5
申请日：2023-04-12
Applicant: 西南石油大学
Inventor： 罗仁泽 , 李华督 , 唐祥 , 王磊 , 陈翔 , 雷璨如 , 林泓宇 , 吴涛 , 刘恒 , 罗任权 , 邓治林 , 余泓 , 谭亮 , 武娟 , 廖波 , 曹瑞 , 赵丹 , 王清松 , 易玺
IPC: G06T7/00 , G06T7/194 , G06V10/26 , G06V10/82 , G06V10/776 , G06N3/0464 , G06N3/045
Abstract: 本发明提出一种基于改进yolo的管道焊缝缺陷检测方法，该方法先对采集到的管道焊缝缺陷图像进行预处理，构建改进yolo网络模型，具体实施方法为：在上采样特征提取模块采用两个改进的残差网络结构去进行特征提取，实现网络模型检测精度与检测速度的双增长，设计正则化交叉熵损失函数改善样本不平衡的问题，最后，利用数据训练集对模型进行参数训练，用测试集对训练好的模型进行测试。本发明有效的提高了管道焊缝缺陷检测精度和检测效率。
-
公开(公告)号：CN116433680A
公开(公告)日：2023-07-14
申请号：CN202310370170.8
申请日：2023-04-10
Applicant: 西南石油大学
Abstract: 本发明提出一种基于深度学习的骨显像病灶分割方法。该方法先对采集到的骨显像图像进行预处理，首先构建Encoder模块，对采用Swin Transformer编码部分对骨显像图像进行编码提取病灶特征，然后构建注意力汇聚模块对编码器输出的特征图注意力进行汇聚，减少注意力分散，提高局部的特征提取能力；然后构建Decoder模块对注意力汇聚模块输出的特征图进行逐步特征融合减少特征差异，同时将不同分辨率的特征图信息进行融合；最后将融合后的特征图输入线性预测层中得到分割的结果。本发明能够提高骨显像病灶分割的精度。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.027 seconds)
