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！

龙图腾网获悉中国科学院地质与地球物理研究所申请的专利一种地层界面无监督提取方法、系统、设备、介质及产品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：CN120931935B 。

龙图腾网通过国家知识产权局官网在2026-02-13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：202511475556.0，技术领域涉及：G06V10/26；该发明授权一种地层界面无监督提取方法、系统、设备、介质及产品是由王赞;祁生文;郑博文;刘有山;万博;张旺;朱珂珂设计研发完成，并于2025-10-16向国家知识产权局提交的专利申请。

本一种地层界面无监督提取方法、系统、设备、介质及产品在说明书摘要公布了：本申请公开了一种地层界面无监督提取方法、系统、设备、介质及产品，涉及三维地质建模领域，该方法包括：对三维地震反射振幅图像进行预处理，确定预处理的三维地震反射振幅图像；基于全卷积的U‑Net架构，提取预处理的三维地震反射振幅图像的特征向量集合；在无监督学习场景中，将每个像素提取的多维特征向量映射到多个聚类标签空间；基于自训练策略，根据聚类标签空间，为每个像素分配伪目标聚类标签，确定每个像素的目标聚类标签；根据目标聚类标签分割三维地震反射振幅图像的背景像素和地震振幅极值对应的地层界面位置像素，确定初始分割图；对初始分割图进行后处理，确定地层界面位置分布图，本申请提升了地质边界识别效率。

本发明授权一种地层界面无监督提取方法、系统、设备、介质及产品在权利要求书中公布了：1.一种地层界面无监督提取方法，其特征在于，包括： 对三维地震反射振幅图像进行预处理，确定预处理的三维地震反射振幅图像； 基于全卷积的U‑Net架构，从预处理的三维地震反射振幅图像中提取每个像素的多维特征向量，构成特征向量集合； 在无监督学习场景中，将每个像素提取的多维特征向量映射到多个聚类标签空间； 基于自训练策略，根据所述聚类标签空间，为每个像素分配伪目标聚类标签，具体包括： 基于自训练策略，采用argmax分类规则选取全卷积的U‑Net架构内特征向量集合中数值最大的维度作为当前迭代过程中对应像素的伪目标聚类标签； 基于所述全卷积的U‑Net架构的损失函数，更新所述全卷积的U‑Net架构的可学习参数，并根据所述可学习参数更新所述伪目标聚类标签，为每个像素分配最终的伪目标聚类标签；所述损失函数包括训练初期的损失函数以及训练多轮后的损失函数； 在所述全卷积的U‑Net架构的训练初期，背景标签未知，所述训练初期的损失函数包括交叉熵损失函数以及空间连续性损失函数； 所述训练初期的损失函数为： ； 其中，为训练初期的损失函数，； ；n为预处理的三维地震反射振幅图像中二维地震剖面的像素数量；q为目标聚类的数量；为一个二值指示符，用于指示聚类标签j是否是像素i的正确分类；为所述全卷积的U‑Net架构预测的第j类概率值；W和H为预处理的三维地震反射振幅图像中二维地震剖面的宽度与高度，为像素ξ,η在第k类目标的输出特征值；为空间连续性损失的权重系数； 当背景类别在连续多轮训练中稳定后，加入物理约束项并修正交叉熵损失项，仅考虑局部极值点上的特征相似性，所述训练多轮后的损失函数包括交叉熵损失函数、空间连续性损失函数以及物理约束损失函数； 所述训练多轮后的损失函数为： ； 其中，为训练多轮后的损失函数；表示预处理的三维地震反射振幅图像中二维地震剖面第i个像素的位置标记；为物理约束损失的权重系数； 根据所述伪目标聚类标签，确定每个像素的目标聚类标签； 根据所述目标聚类标签分割所述三维地震反射振幅图像的背景像素和地震振幅极值对应的地层界面位置像素，确定初始分割图； 对所述初始分割图进行后处理，确定地层界面位置分布图。

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中国科学院地质与地球物理研究所，其通讯地址为：100029 北京市朝阳区北土城西路19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。