Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜成都理工大学马超获国家专利权

恭喜成都理工大学马超获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网恭喜成都理工大学申请的专利一种岩性识别方法、系统、计算机设备及存储介质获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN116935115B

龙图腾网通过国家知识产权局官网在2025-04-04发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202310881970.6,技术领域涉及:G06V10/764;该发明授权一种岩性识别方法、系统、计算机设备及存储介质是由马超;侯明才;唐闻强;曹智松;钟瀚霆;周羽漩设计研发完成,并于2023-07-18向国家知识产权局提交的专利申请。

一种岩性识别方法、系统、计算机设备及存储介质在说明书摘要公布了:本申请公开一种岩性识别方法、系统、计算机设备及存储介质。所述岩性识别方法包括以下步骤:采集钻井岩心并得到岩心图像数据,对岩心图像数据进行归类、数据清洗和归一化处理,得到标准化岩心图像数据;基于标准化岩心图像数据按照预设比例划分训练集、验证集与测试集,并建立基于CoreViT神经网络模型的岩性识别模型;采用随机梯度下降方法不断优化和迭代岩性识别模型,直至获得最优岩性识别模型;基于最优岩性识别模型对目标测试钻井岩心图像进行识别,将输出的预测结果与标准标签进行对比和分析,得到最终岩性识别模型;本申请能够准确识别目标井的岩性,利于油气勘探工作的开展,且模型结构参数小,自动化程度高,计算成低。

本发明授权一种岩性识别方法、系统、计算机设备及存储介质在权利要求书中公布了:1.一种岩性识别方法,其特征在于,包括以下步骤:S1:采集钻井岩心并得到岩心图像数据,对岩心图像数据进行归类、数据清洗和归一化处理,得到标准化岩心图像数据;S2:基于标准化岩心图像数据按照预设比例划分训练集、验证集与测试集,并建立基于CoreViT神经网络模型的岩性识别模型,其中,所述CoreViT神经网络模型包括:图像分块模块、平行自注意力模块、分类模块和多层感知机模块,所述图像分块模块用于将图像分解成局部区域,并将每个局部区域转换为向量形式;所述平行自注意力模块用于采用并行多头注意力机制和前馈神经网络对这些向量进行处理,提取有用的特征信息;所述多层感知机模块用于提升模型的非线性拟合能力并且将特征向量映射到预测类别的概率分布上;所述分类模块用于汇总平行自注意力模块的学习信息,引入“类令牌”将所有图像块的信息汇总,并产生最终的预测结果,所述建立基于CoreViT神经网络模型的岩性识别模型的过程为:将标准化岩心图像数据输入并分割成N个大小相等且不重叠的图像块,每个图像块的大小为P,则将图像块展开为一维向量,并添加位置编码:X′e=Concat[xp1;xp2;…;xpN]*E;Xe=X′e+xpos;式中,x∈RH×W×C为标准化岩心图像数据,xpi是第i个图像块;Concat函数用于将所有图像块按照指定维度拼接在一起;E表示学习矩阵,用于模型的不断迭代;xpos为位置编码,将图像块输入平行自注意力模块中,平行自注意力模块包括两个多头注意力机制和两个多层感知机,平行自注意力模块将多头注意力机制和多层感知机并行化,将输入的图像块同时放入两个多头注意力机制模块中和两个多层感知机模块中,多头注意力机制通过Q、K和V矩阵不断反复学习使每个图像块获得全局信息,每个图像块获得全局信息后,进行残差链接处理:Q,K,V=XeWq,Wk,Wv;Xe=LNXe; Xe+1=LNMHSAQ,K,V;平行自注意力模块的处理过程为:X′e+1=MHSA1Xe+MHSA2Xe+Xe;Xe+1=MLP1LNX′e+1+MLP2LNX′e+1+X′e+1;式中,LNN表示层归一化函数,MHSA表示多头注意力函数,MLP为多层感知机模块,Wq,Wk,Wv分别表示三个不同的可学习矩阵,Xe表示所有图像块按照指定维度拼接在一起的向量,X′e+1表示经过一次平行注意力模块学习后的计算结果,Xe+1表示经过两个多层感知机模块处理后的计算结果,分类模块将“类令牌”引入到图像块中,与经过平行自注意力模块学习后的图像块一起学习,其过程为:由多头注意力机制模块与多层感知机模块组成,在每个多头注意力机制模块与多层感知机模块之前进行“层归一化”,在每个多头注意力机制模块与多层感知机模块之后加入残差连接,“类令牌”学习到全部图像块的信息,综合判断并最终得到分类结果;S3:采用随机梯度下降方法不断优化和迭代岩性识别模型,直至获得最优岩性识别模型;S4:基于最优岩性识别模型对目标测试钻井岩心图像进行识别,将输出的预测结果与标准标签进行对比和分析,得到最终岩性识别模型。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人成都理工大学,其通讯地址为:610059 四川省成都市二仙桥东三路1号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

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。