龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：中国石油天然气股份有限公司
申请日：2019-10-17
公开（公告）日：2024-06-25
公开（公告）号：CN112700395B
主分类号：G06T7/00
分类号：G06T7/00
优先权：
专利状态码：有效-授权
法律状态：2024.06.25#授权;2021.05.11#实质审查的生效;2021.04.23#公开
摘要：本发明提供一种基于U‑Net全卷积深度神经网络的微观孔隙识别方法，方法包括：基于岩石的CT扫描图像生成岩石孔隙的样本数据；将所述岩石孔隙的样本数据输入至预先训练的U‑Net全卷积深度神经网络模型，得到岩石孔隙的识别结果。本发明能够减少参数数量，减少对标签样本的依赖，能够有效提高岩石孔隙的识别精度，并且识别精度可以达到像素级别，进而提高地球物理的勘探效率。
主权项：1.一种基于U-Net全卷积深度神经网络的微观孔隙识别方法，其特征在于，包括：根据岩石孔隙的训练数据和训练数据对应的孔隙识别标准结果对全卷积深度神经网络进行训练，生成U-Net全卷积深度神经网络模型，其中，获取岩石的CT扫描图像，对CT扫描图像进行人工微观孔隙识别操作，得到标签数据集，根据所述标签数据集在所述U-Net全卷积深度神经网络模型的下采样部分中进行3次下采样操作，并保证输入图像和输出结果的尺寸大小相同，每经过一个卷积操作，特征图的通道数变为原来的2倍，2个连续卷积层后设置1个最大池化层，上采样部分进行2次上采样操作，采用反卷积操作代替最大池化操作放大上一层得到的特征图，且通道数减小为原来的12，下采样和上采样之间使用连接线串联两层的结果，使网络能够融合不同尺度的特征，U-Net全卷积深度神经网络模型最后一层采用卷积操作将得到的特征图转化为每个像素点的分类结果，即实现像素级的图像分割；基于岩石的CT扫描图像生成岩石孔隙的样本数据；将所述岩石孔隙的样本数据输入至预先训练的U-Net全卷积深度神经网络模型，得到岩石孔隙的识别结果。
全文数据：
权利要求：
百度查询： 中国石油天然气股份有限公司 基于U-Net全卷积深度神经网络的微观孔隙识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号