燕山大学孔维航获国家专利权
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!
龙图腾网获悉燕山大学申请的专利一种多模态上下文表征引导的油水两相流型分类系统及方法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:CN118334453B 。
龙图腾网通过国家知识产权局官网在2025-12-05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:202410624397.5,技术领域涉及:G06V10/764;该发明授权一种多模态上下文表征引导的油水两相流型分类系统及方法是由孔维航;成兴荣;杜亿茹;汤洪宝;李绍华;李贺设计研发完成,并于2024-05-20向国家知识产权局提交的专利申请。
本一种多模态上下文表征引导的油水两相流型分类系统及方法在说明书摘要公布了:本发明公开了一种多模态上下文表征引导的油水两相流型分类系统及方法,属于智能信息处理和多相流流型识别领域,所述系统包括初始特征提取模块、多尺度信息提取模块、多模态信息融合模块和流型识别模块;所述方法包括经过数据预处理、使用编码方法获得图形差分场编码图像、马尔可夫转移场编码图像和递归图编码图像;将图形差分场编码图像、马尔可夫转移场编码图像和递归图编码图像输入优化后的多模态上下文表征引导的油水两相流型分类系统中,得到流型分类结果;将不同的编码图像进行特征提取融合后进行分类,得到流型分类结果。本发明能够有效解决不同模态图像流型分类准确率低的问题。
本发明授权一种多模态上下文表征引导的油水两相流型分类系统及方法在权利要求书中公布了:1.一种应用于油田井下电磁监测系统的多模态上下文表征引导的油水两相流型分类方法,其特征在于,步骤如下: 步骤1:数据预处理模块接收垂直井中的油水两相流的原始电磁信号,将原始带有噪声的时间序列信号通过选择小波函数、小波阈值和小波层数进行预处理,使原有信号呈现更加真实的信号特点; 步骤2:将处理后的数据输入图像编码处理模块对油水两相流电磁信号进行图像编码,得到图像差分场编码图像、马尔可夫转移场编码图像和递归图编码图像; 步骤3:将图形差分场编码图像、马尔可夫转移场编码图像和递归图编码图像输入初始特征提取模块中的第一阶段卷积单元,分别得到第一阶段图形差分场卷积特征图、第一阶段马尔可夫转移场卷积特征图和第一阶段递归图卷积特征图; 步骤4:将第一阶段图形差分场卷积特征图、第一阶段马尔可夫转移场卷积特征图和第一阶段递归图卷积特征图输入到多尺度信息提取模块中的第一阶段多尺度信息特征提取单元,得到第一阶段多尺度图形差分场信息特征图、第一阶段多尺度马尔可夫信息特征图和第一阶段多尺度递归图信息特征图; 步骤5:将第一阶段多尺度图形差分场信息特征图、第一阶段多尺度马尔可夫信息特征图和第一阶段多尺度递归图信息特征图输入到多模态信息融合模块中的第一阶段互补多模态信息融合单元,得到第一阶段互补多模态信息融合特征图; 步骤6:将图形差分场特征图、马尔可夫转移场特征图、递归图特征图和第一阶段互补多模态信息融合特征图输入初始特征提取模块中的第二阶段卷积单元,分别得到第二阶段图形差分场图像卷积特征图、第二阶段马尔可夫转移场卷积特征图、第二阶段递归图卷积特征图和第一阶段第二互补多模态信息融合卷积特征图; 步骤7:将第二阶段图形差分场图像特征图、第二阶段马尔可夫转移场图像特征图、第二阶段递归图图像特征图和第一阶段第二互补多模态信息融合卷积特征图输入到多尺度信息提取模块中的第二阶段多尺度信息特征提取单元,得到第二阶段多尺度图形差分场信息特征图、第二阶段多尺度马尔可夫信息特征图、第二阶段多尺度递归图信息特征图和第一阶段第二多尺度互补多模态信息融合特征图; 步骤8:将第二阶段多尺度图形差分场信息特征图、第二阶段多尺度马尔可夫信息特征图、第二阶段多尺度递归图信息特征图和第一阶段第二多尺度互补多模态信息融合特征图输入到多模态信息融合模块中的第二阶段互补多模态信息融合单元,得到第二阶段互补多模态信息融合特征图; 步骤8中第三阶段互补多模态信息融合特征图、第四阶段互补多模态信息融合特征图和第五阶段互补多模态信息融合特征图生成过程与第二阶段互补多模态信息融合特征图类似; 步骤9:将图形差分场图像多模态信息互补特征图、马尔可夫转移场图像多模态信息互补特征图和递归图图像多模态信息互补特征图输入流行分类模块,得出油水两相流的流型分类结果。
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燕山大学,其通讯地址为:066004 河北省秦皇岛市海港区河北大街438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”。
以上内容由龙图腾AI智能生成。
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。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励