-
公开(公告)号：CN112832301B
公开(公告)日：2022-05-17
申请号：CN202011619592.7
申请日：2020-12-31
申请人： 成都理工大学 , 成都理工博大工程科技有限公司
IPC分类号： E02D33/00
摘要： 本发明公开一种基于柱坐标系的电磁灌注桩、预制桩检测方法，包括步骤一、桩基的制作，步骤二、检测导体结构的布置，步骤三、利用电磁波传播特性进行检测，步骤四、计算电磁波在桩体内的分布规律和步骤五、桩体内部混凝土完整性判断，其中通过柱坐标系下麦克斯韦方程求解推算得到电磁信号强度，并运用电磁波成像技术进行反演成像；本发明利用电磁波传播过程发生能量减少、绕射、折射和反射等规律现象作为理论检测桩基，可大大提高检测精度和检测效率，通过基于柱坐标系求解麦克斯韦方程组的数学工具进行分析和计算，使得对桩基的评价逼近实际，操作简单，检测结果可靠性高，易于推广。
-
公开(公告)号：CN117994628A
公开(公告)日：2024-05-07
申请号：CN202311077598.X
申请日：2023-08-24
申请人： 成都理工大学
发明人： 罗耀华
IPC分类号： G06V10/82 , G06T7/00 , G06T7/11 , G06V10/40 , G06N3/0464 , G06N3/047 , G06N3/08 , G06N3/048 , G06V10/764 , G16H50/70
摘要： 本发明公开了一种基于深度学习的肾透明细胞癌影像组学分析装置，涉及图像处理技术领域。其中，该装置包括：分割单元，用于根据获取到的肾癌患者的扫描切片图像对肾透明细胞癌病变区域进行分割，获取肾透明细胞癌组织的特征图像；标注单元，用于对肾透明细胞癌组织的特征图像进行预处理；搭建单元，用于基于肾透明细胞癌组织的特征图像以及各个子图像搭建深度神经网络；预测单元，用于利用已标注的数据集对深度神经网络进行训练，并代入辅助神经网络输出的权重，以预测肾癌患者的肾透明细胞癌的病理学分级。本申请解决了对肾透明细胞癌的病理学分级的预测效率低的技术问题。
-
公开(公告)号：CN112832301A
公开(公告)日：2021-05-25
申请号：CN202011619592.7
申请日：2020-12-31
申请人： 成都理工大学 , 成都理工博大工程科技有限公司
IPC分类号： E02D33/00
摘要： 本发明公开一种基于柱坐标系的电磁灌注桩、预制桩检测方法，包括步骤一、桩基的制作，步骤二、检测导体结构的布置，步骤三、利用电磁波传播特性进行检测，步骤四、计算电磁波在桩体内的分布规律和步骤五、桩体内部混凝土完整性判断，其中通过柱坐标系下麦克斯韦方程求解推算得到电磁信号强度，并运用电磁波成像技术进行反演成像；本发明利用电磁波传播过程发生能量减少、绕射、折射和反射等规律现象作为理论检测桩基，可大大提高检测精度和检测效率，通过基于柱坐标系求解麦克斯韦方程组的数学工具进行分析和计算，使得对桩基的评价逼近实际，操作简单，检测结果可靠性高，易于推广。
-
公开(公告)号：CN115659848A
公开(公告)日：2023-01-31
申请号：CN202211587245.X
申请日：2022-12-12
申请人： 成都理工大学
IPC分类号： G06F30/27 , G06N3/0455 , G06N3/048 , G06N3/08 , G06F111/04
摘要： 本发明公开了一种基于深度学习网络快速预测二维盆地基底界面的方法，包括，获取盆地的实测地震重力数据及地震测井约束数据，在所述地震测井约束数据的约束下，根据实测地震重力数据构建初始密度界面母模型，并基于初始密度界面母模型，生成训练数据，其中训练数据包括：高分辨密度界面模型训练集、重力数据训练集及偏移密度界面模型训练集；构建深度学习模型并获取盆地密度偏移模型，通过训练数据对深度学习模型进行训练，获取盆地密度偏移模型，通过训练好的深度学习模型对盆地密度偏移模型进行处理，得到二维盆地基底界面密度精细模型。
-
公开(公告)号：CN114119981A
公开(公告)日：2022-03-01
申请号：CN202111498328.7
申请日：2021-12-09
申请人： 成都理工大学
IPC分类号： G06V10/26 , G06V10/74 , G06V10/762 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
摘要： 本发明公开了基于小样本深度学习无监督语义分割的大地电磁反演增强方法，包括：采集获得数张大地电磁三维反演结果图像，并采用felzenszwalb算法进行图像聚类；初始化FCN网络；将聚类后的三维反演结果图像输入至FCN网络中，经FCN网络的卷积层特征提取和全连接层的学习生成模型，将聚类后的三维反演结果图像中具有相同语义的小区块合并为大区块，最终输出图像分割结果。通过上述方案，本发明具有逻辑简单、人工干预少、精度高等优点，在大地电磁反演技术领域具有很高的实用价值和推广价值。
-
公开(公告)号：CN117761789A
公开(公告)日：2024-03-26
申请号：CN202311791768.0
申请日：2023-12-25
申请人： 成都理工大学
IPC分类号： G01V3/38 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08 , G01V20/00
摘要： 本发明属于地球物理勘探技术领域，尤其是涉及一种基于视觉自注意力机制的大地电磁二维成像方法。本发明的方法属于端到端的深度学习成像方法，计算耗时较传统反演方法具有显著优势。通过构建地球物理理论模型生成程序，批量化地生成多样化地电理论模型，保证训练样本规模和多样性。通过引入预训练过程，利用自注意力机制相比卷积结构更强的建模能力和对数据中相对关系更好的捕捉能力，提高模型的泛化性。针对仅使用单一模式响应数据时，模型对深部异常体存在信息缺失的问题，提出一种适用于TE/TM联合模式的大地电磁二维成像网络，通过优化改进网络中的相对位置编码，使得模型能够正确获取和融合来自TE和TM模式的两种输入信息。
-
公开(公告)号：CN115659848B
公开(公告)日：2023-06-20
申请号：CN202211587245.X
申请日：2022-12-12
申请人： 成都理工大学
IPC分类号： G06F30/27 , G06N3/0455 , G06N3/048 , G06N3/08 , G06F111/04
摘要： 本发明公开了一种基于深度学习网络快速预测二维盆地基底界面的方法，包括，获取盆地的实测地震重力数据及地震测井约束数据，在所述地震测井约束数据的约束下，根据实测地震重力数据构建初始密度界面母模型，并基于初始密度界面母模型，生成训练数据，其中训练数据包括：高分辨密度界面模型训练集、重力数据训练集及偏移密度界面模型训练集；构建深度学习模型并获取盆地密度偏移模型，通过训练数据对深度学习模型进行训练，获取盆地密度偏移模型，通过训练好的深度学习模型对盆地密度偏移模型进行处理，得到二维盆地基底界面密度精细模型。
-
-
-
-
-
-
搜索结果
7 条记录 (耗时 0.022 秒)
