-
公开(公告)号:CN215672217U
公开(公告)日:2022-01-28
申请号:CN202122437796.5
申请日:2021-10-11
申请人: 河南龙宇能源股份有限公司 , 中国矿业大学
发明人: 张文康 , 李明 , 赵伟 , 王伟 , 张飞 , 贾亮亮 , 韩超 , 梁家豪 , 钟南宁 , 程小伟 , 黄思强 , 余宏 , 位兆瑞 , 苗书运 , 李晓彤 , 贾启坤 , 张睿 , 杨旭
摘要: 本实用新型公开一种厚基本顶沿空留巷护巷装置,用于煤层,包括:煤层沿工作面挖设有上顺槽和下顺槽;工作面两侧分别为实体煤和采空区;采空区边缘形成有沿空留巷;沿空留巷内设置有加强支护。本申请通过在基本顶上开设预裂钻孔及与沿空留巷内进行加强支护的方式维护沿空留巷,能够有效提高厚基本顶沿空留巷的维护效果,降低沿空留巷维护成本,保证工作面安全回采。
-
公开(公告)号:CN118296386A
公开(公告)日:2024-07-05
申请号:CN202410561163.0
申请日:2024-05-08
申请人: 中国矿业大学
IPC分类号: G06F18/214 , G06F18/10 , G06F18/15 , G06F18/21 , G06F18/25
摘要: 一种标签噪声鲁棒的微震到时智能拾取模型构建方法,通过设计新颖的LNRL训练架构模型,可以同时学习输入地震图像和输出标签的表示,从而捕获样本之间的特征表示分布关系。模型利用变分推断的常用方法来控制特征表示的分布,通过KL散度来优化特征表示分布和标签表示分布之间的关系。此外,LNRL还引入了随机傅里叶特征来在多个随机空间中对齐表示分布。本发明能够解决深度地下工程中微地震到达时刻拾取的标签噪声问题,克服现有微震数据中,来自工程师的人为标记误差和实际工程环境中恶劣条件下的设备噪声,为微震到达时间拾取提供了一个稳健的解决方案,对于地下工程和灾害监测等地球物理应用至关重要,并在未来的工作中具有更广泛的微震任务探索潜力。
-
公开(公告)号:CN118133541A
公开(公告)日:2024-06-04
申请号:CN202410251366.X
申请日:2024-03-06
申请人: 中国矿业大学
IPC分类号: G06F30/20 , G06F18/23213 , G06N7/01 , G06F119/14
摘要: 本发明公开了一种基于引力模型的微震数据可视化方法,先获取微震事件数据,并采用二维核密度估计方法得到整个二维数据的概率密度函数,从而将离散的微震数据转换成连续的核密度分布函数,并且通过特定方法确定的核函数及带宽,实现了离散数据连续化,且保证了数据精度;接着运用引力模型解决了冲击地压微震监测预警可视化过程中将空间与时间割裂开的难题,实现了微震数据的时空可视化;然后通过使用引力模型得出的矢量场,根据计算得出的矢量场进行使用箭头进行矢量流图显示,画出矢量流图;最后引入改进的K‑means聚类算法,该算法通过引入最大距离中位数方法计算获取初始聚类中心点,提高聚类结果的精度,从而实现对矢量流图可视化效果的优化。
-
公开(公告)号:CN117557840B
公开(公告)日:2024-05-24
申请号:CN202311491052.9
申请日:2023-11-10
IPC分类号: G06V10/764 , G06V10/82 , G06V10/44 , G06V10/80 , G06V10/74 , G06N3/0464 , G06N3/048 , G06N3/08 , G06T7/00
摘要: 本发明公开了一种基于小样本学习的眼底病变分级方法,首先进行视网膜眼底彩照的采集和预处理,得到现有的眼底病变数据集;接着将该影像数据通过已经经过预训练和元训练的对比网络和元网络分别学习各级别眼底病变的类内特征和类间特征;最后对未标记的影像与各级别眼底病变原型进行相似性评分以进行眼底病变的分级预测。本发明可通过进行元训练过后的包括对比网络和元网络的双网络结构自行学习只有少量样本的眼底病变眼底彩照,并对待预测样本进行更好的归类,能够在从特征空间和标签空间两方面有效减轻噪声影响的基础上实现眼底病变分级,进而实现提高眼底病变预测的准确性。
-
公开(公告)号:CN116295074B
公开(公告)日:2024-05-07
申请号:CN202310108861.0
申请日:2023-02-13
申请人: 中国矿业大学
摘要: 一种基于深度图像的煤矿巷道围岩变形破坏监测装置及方法,巷道围岩数据采集装置由远程遥控胶轮车、矿用本安双目相机模块和多项传感装置模块组成;远程遥控胶轮车由防爆胶轮车体、远程控制模块、通讯模块、锂电池组成;矿用本安双目相机模块由两套双目相机组成,两套双目相机分别安装在防爆胶轮车体的车身前端和后端;多项传感装置模块由陀螺仪、激光测距仪和防爆全景摄像头组成,其装配在防爆胶轮车体上;方法:在巷道内布置位置监测点,并测量巷道围岩形变的初始状态;利用防爆胶轮车体进行巷道内图像数据的采集;利用图像数据处理模块对图片数据进行处理,并输出结果。该装置及方法能够通过无人化的方式及时、准确对巷道围岩变形量进行监测。
-
公开(公告)号:CN117932371A
公开(公告)日:2024-04-26
申请号:CN202311449153.X
申请日:2023-11-02
申请人: 中国矿业大学
IPC分类号: G06F18/2321 , G06F18/214 , G06N3/0442 , G06F18/2415 , G06F18/25
摘要: 本发明公开一种基于微震“时‑空‑强”的冲击地压全时空预测方法,包括微震时空特征指标模块、时间预测模块和空间预测模块,具体方法如下:S1采集原始微震数据;S2构建时间序列数据集M,并对该数据集进行处理后得到微震时空特征指标;S3在时间预测模块中,基于处理后的时间序列数据集M和微震时空特征指标生成新的时间数据集M',并利用该数据集构造微震数据前兆模式序列,并利用该微震数据前兆模式序列采用LSTM和全连接网络构建冲击地压时间预测模型;S4在空间预测模块中,分别建立长短时间窗的危险区域空间云图,通过权重叠加,构建冲击危险区域云图,完成冲击地压空间预测方法的构建。本发明能够实现冲击地压时间‑空间协同的全时空预测。
-
公开(公告)号:CN117557840A
公开(公告)日:2024-02-13
申请号:CN202311491052.9
申请日:2023-11-10
IPC分类号: G06V10/764 , G06V10/82 , G06V10/44 , G06V10/80 , G06V10/74 , G06N3/0464 , G06N3/048 , G06N3/08 , G06T7/00
摘要: 本发明公开了一种基于小样本学习的眼底病变分级方法,首先进行视网膜眼底彩照的采集和预处理,得到现有的眼底病变数据集;接着将该影像数据通过已经经过预训练和元训练的对比网络和元网络分别学习各级别眼底病变的类内特征和类间特征;最后对未标记的影像与各级别眼底病变原型进行相似性评分以进行眼底病变的分级预测。本发明可通过进行元训练过后的包括对比网络和元网络的双网络结构自行学习只有少量样本的眼底病变眼底彩照,并对待预测样本进行更好的归类,能够在从特征空间和标签空间两方面有效减轻噪声影响的基础上实现眼底病变分级,进而实现提高眼底病变预测的准确性。
-
公开(公告)号:CN116256803B
公开(公告)日:2024-01-19
申请号:CN202310225337.1
申请日:2023-03-09
申请人: 中国矿业大学
摘要: 微震定位的精度和可靠性,同时还可以减少设备一种融合开采信息与地质信息的煤矿微震 成本和维护成本。区域定位方法,台站安装在有微震风险的采煤工作面四周,台站将采集到的原始微震数据传至上位机,上位机对原始微震数据进行数据处理;构建微震波形数据集,对上述处理过的微震波形数据进行标记,确定每次微震的震源位置,然后将收集的数据集划分为训练集、验证集和测试集;根据微震波形的特征设计微震波形区域定位模型进行特征提取,在区域定位模型的最后添加全连接层,由全连接层的输出确定概率最大的前两
-
公开(公告)号:CN116942198A
公开(公告)日:2023-10-27
申请号:CN202310866004.7
申请日:2023-07-14
摘要: 本发明公开了一种基于射频识别信号的胎儿心脏三维超声重建方法,所使用的装置包括一个医学二维彩超机,两枚RFID无源标签,一个连接了三根接收天线的RFID信号阅读器,以及进行RFID信号数据处理以及三维彩超重构的PC;RFID阅读器发射射频信号并接收RFID无源标签反射信号,校正接收信号相位偏差后使用相位确定天线与RFID无源标签之间的距离,对RFID无源标签的位置与仰角进行估计,确定超声探头的移动轨迹,最后将二维超声探头提取到的位置和角度信息与获取到的二维超声图像一起输入三维超声重建模型获得精准的胎儿心脏三维超声。本发明能够实现较低廉的成本和较高的精确度,特别适用于胎儿心脏检测。
-
公开(公告)号:CN116912494A
公开(公告)日:2023-10-20
申请号:CN202310872039.1
申请日:2023-07-17
IPC分类号: G06V10/26 , G06V10/774 , G06V10/82 , G06V10/762 , G06V10/80 , G06N3/0464 , G06N3/0455 , G06N3/0475 , G06N3/09 , A61B8/08
摘要: 本发明公开一种融合相对位置信息的超声心动图可靠分割方法,首先利用数据标注策略对预处理后的超声心动图数据进行标注,然后利用生成对抗网络算法对已标注的超声心动图数据进行增强操作,构建高质量超声心动图数据集,然后再通过超声心动图数据集和深度学习的方式建立了适用于超声图像的深度卷积神经网络模型的预训练模型,再结合transformer神经网络结构中的位置编码向量,分析出超声心动图的相对位置信息,构建面向超声心动图的适用于四腔心结构的图像可靠分割模型,有效地提高了图像分割的准确率及分割效率。最后,利用Birch聚类算法对超声心动图进行多次重复聚类,实现了边缘等部位的可靠精确分割,从而实现了超声心动图的可靠精确分割。
-
-
-
-
-
-
-
-
-