CN109598739B - 一种水体中渗漏气泡数目的统计方法及处理终端 - Google Patents
一种水体中渗漏气泡数目的统计方法及处理终端 Download PDFInfo
- Publication number
- CN109598739B CN109598739B CN201811539078.5A CN201811539078A CN109598739B CN 109598739 B CN109598739 B CN 109598739B CN 201811539078 A CN201811539078 A CN 201811539078A CN 109598739 B CN109598739 B CN 109598739B
- Authority
- CN
- China
- Prior art keywords
- bubble
- video frame
- prediction block
- video
- bubbles
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30242—Counting objects in image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种水体中渗漏气泡数目的统计方法即处理终端,所述方法包括如下步骤:步骤S1:获取原始视频资料;步骤S2:将原始视频资料拆分成多个视频帧,并对气泡进行识别;步骤S3:对已识别出的气泡进行标记,并每一个气泡的坐标;步骤S4:在第二视频帧中预设预测框,建立与气泡的一一映射关系,并对气泡进行标记;步骤S5:将剩下所有的视频帧中的气泡进行标记,得到气泡的数目。本发明不会因为对同一个气泡进行重复统计而造成统计错误,且充分考虑到真气泡渗漏随时间改变的这一变量因素去,实现更为准确的气泡数目统计;可以计算机实现,不再需要依靠人工来完成统计,统计效率更高,准确率更高,具有更大的实际应用优势。
Description
技术领域
本发明涉及水体气泡统计技术领域,具体是一种水体中渗漏气泡数目的统计方法及处理终端。
背景技术
在天然气水合物资源研究勘探以及全球气候变化等方面,都会涉及到海底冷泉的研究,海底冷泉是指甲烷及其他流体从海底渗漏至水体,在海底冷冻冷泉区域,流体的温度与周围相比无明显升高,同时该区域通常发育有大量化能自养生物,因此通常发现海底冷泉是寻找到海底底下天然气水合物的标志之一,对天然气水合物研究勘探具有非常重要的现实意义。
我国在2015年首次在南海北部陆坡琼东南海域发现活动的“海马”冷泉区。对海底冷泉的研究,尤其是深海冷泉的调查极大的依赖深海探测技术,因此需要对获得的直接数据和间接数据进行定性和定量综合分析。直接数据就包括由天然气水合物分解成甲烷,甲烷在海洋下变成气泡,即甲烷渗漏,因此通过对甲烷渗漏的气泡进行研究和统计,对该区域的水合物的研究提供帮助。
目前对甲烷渗漏的气泡统计通常借助海底摄像的视频并应用图像分析技术,计算出某一时刻气泡体积量,再进行人工推断,计算结果准确度低,因此需要一种能够精确统计气泡数量的方法,提高冷泉区渗漏气泡统计的准确率。
发明内容
针对现有技术的不足,本发明的目的之一提供一种水体中渗漏气泡数目的统计方法,其能够解决水体中渗漏气泡精确统计测量的问题;
本发明的目的之二提供一种处理终端,其能够解决水体中渗漏气泡精确统计测量的问题。
实现本发明的目的之一的技术方案为:一种水体中渗漏气泡数目的统计方法,包括如下步骤:
步骤S1:获取原始视频资料;
步骤S2:将原始视频资料拆分成多个以时间顺序排列的视频帧,并对各个视频帧中的气泡进行识别;
步骤S3:对第一视频帧中已识别出的气泡进行标记,并记录第一视频帧中每一个气泡的坐标;
步骤S4:接收用户输入的预测框设置指令,以使在第二视频帧中预设与第一视频帧中气泡对应的预测框,从而建立第一视频帧中的气泡与第二视频帧中的预测框一一映射关系,预测框位于对应气泡的正上方;
当预测框中只出现一个气泡,则对预测框中的气泡标记为对应第一视频帧中的气泡,当预测框中出现两个以上气泡,则将预测框中的气泡与第一视频帧中的气泡进行直径比较,直径差距最小的气泡判断为对应第一视频帧中的气泡,若预测框中至少有两个气泡的直径相同,,则取直线距离最小的气泡判断为对应第一视频中的气泡,直线距离是指第一视频帧中的气泡中心距离预测框中气泡中心的直线距离;
对判断为对应第一视频中的气泡采用与第一视频帧中对应气泡相同的标记,当对所有预测框中对应第一视频帧中的气泡均标记完后,对还未标记的气泡进行新的标记;
步骤S5:依次按与步骤S4相同的处理将剩下所有的视频帧中的气泡进行标记,直至将最后一个视频帧的气泡标记完,并对第一视频帧至最后一个视频帧的所有标记进行个数统计,相同标记记为一个,得到气泡的数目。
进一步地,在步骤S4中,所述预测框的位置是根据第一视频帧中气泡的坐标和气泡向上运移的速率进行设置。
进一步地,在步骤S4中,各个所述预测框的尺寸相同。
进一步地,在步骤S4中,各个所述预测框与对应的气泡的距离均相同。
进一步地,所述步骤S2中的对各个视频帧中的气泡进行识别的具体实现过程包括如下步骤:
将各个视频帧均转换成灰度图,在灰度图中通过设定阈值将气泡和背景区分离,从而实现对气泡的识别。
实现本发明的目的之二的技术方案为:一种处理终端,其包括,存储器,用于存储程序指令;
处理器,用于运行所述程序指令,以执行所述水体中渗漏气泡数目的统计方法中的步骤。
本发明的有益效果为:本发明可以将某一视频内拍摄到的所有气泡进行准确统计,不会因为对同一个气泡进行重复统计而造成统计错误,而将一个时间段的视频拆分成视频帧,充分考虑到气泡渗漏随时间改变的这一变量因素去,实现更为准确的气泡数目统计;可以用计算机实现,不再需要依靠人工来完成统计,统计效率更高,准确率更高,具有更大的实际应用优势。
附图说明
图1为本发明的气泡在前后两个视频帧中的位置示意图;
图2本发明较佳实施例的流程图;
图3本发明一种处理终端的结构示意图。
具体实施方式
下面,结合附图以及具体实施方式,对本发明做进一步描述:
如图1和图2所示,一种水体中渗漏气泡数目的统计方法,包括如下步骤:
步骤S1:获取原始视频资料,视频资料是通过摄像装置记录冷泉区气泡渗漏过程的影像资料;
步骤S2:将原始视频资料拆分成视频帧,由于视频都是通过一帧一帧的视频帧按时间串联起来得到的,因此可以将原始视频资料拆分成多个以时间顺序排列的视频帧,即第一视频帧、第二视频帧、……、最后一个视频帧,第一视频帧是指原始视频资料的第一帧,以此类推;通常原始视频资料为彩色视频,对应的,视频帧也是彩色图像,因此将视频帧转换成灰度图,转换成灰度图的视频帧,视频帧中的气泡和背景值及噪音会非常清楚的呈现高低的不同,得到灰度值为1的气泡和灰度值为0的灰度图,因此可以通过设定阈值将气泡和背景区分离,阈值大小可以根据经验值或不断尝试调整阈值的大小来确定,只需要能够区分出气泡和背景即可,从而实现对气泡的识别,也即对所有视频帧中出现的气泡都已经识别出来;
步骤S3:对第一视频帧中已识别出的气泡进行标记,优选采用数字按序对所有的气泡进行标记,记录第一视频帧中每一个气泡的坐标;
步骤S4:参考图1,由于气泡是向上运移,或是螺旋上升或是垂直上升,但气泡总的来说是趋近于直线向上运移的,因此可以通过在气泡上移的路径中提前设置预测框,从而可以通过预测框判断出气泡的运移路径,也即知道某个气泡从上一视频帧到下一视频帧的位置,即在两个视频帧中准确识别同一个气泡,从而建立第一视频帧中的气泡与第二视频帧中的预测框一一映射关系,预测框位于对应气泡的正上方;
基于此,可以根据某个气泡在上一视频帧中的坐标来设置预测框的位置,并根据气泡向上运移的速率来更准确设置预测框的位置,气泡向上运移的速率可以是根据视频资料气泡向上运移的平均速率或根据预先设置的气泡向上运移的参考速率而定,比如气泡向上运移的速率越大,则预测框的位置越处于上方,反之,则预测框的位置越处于下方,从而可以提前在该气泡的坐标的正上方提前设置预测框,即预测框的中心点与气泡的中心点在同一条直线上,则该气泡在下一视频帧中应当会出现在该预测框中,若该气泡没有出现在该预测框中,则认为该气泡未进入下一视频帧中,以气泡a为例,假设气泡a在第一帧中的坐标为(4,6),由于每一视频帧是取自同一个摄像装置拍摄到的同一视频,摄像装置的拍摄位置并不改变,因此每一视频帧的原点是同一个,当然如果摄像装置的拍摄位置有改变,只需要做相应的调整即可,比如调整到同一个原点或进行坐标运算,这里并不详细描述,这里以同一个原点为例,因此可以在第二视频帧中坐标为(4,10)的位置设置预测框,即横坐标相同,而纵坐标大于第一帧中的纵坐标,从而使得预测框位于气泡a的正上方,预测框优选为矩形,预测框的大小可以根据第一视频帧中气泡a的直径来设置,只需要确保预测框的大小大于气泡a,即气泡a能够落入预测框中即可,设置好预测框后,如果预测框出现有一个气泡,则该气泡判断为气泡a,即对该气泡的标记与第一视频帧中气泡a的标记相同,如果预测框出现两个以上气泡,则将预测框中的气泡与第一视频帧中的气泡进行直径比较,直径差距最小的气泡判断为气泡a,直径差距最小是指两者气泡直径值之差的绝对值最小,如果至少有两个气泡的直径相同,则取直线距离最小的气泡判断为气泡a,这里的直线距离是指第一视频帧中的气泡a中心距离预测框中气泡中心的直线距离,也即表明气泡a从第一视频帧到第二视频帧的偏移量,偏移量越小,则认为越大可能性为气泡a,如果预测框没有出现气泡,则认为气泡a没有进入第二视频帧,这是由于第一视频帧和第二视频帧之间还是有时间间隔,气泡a在该时间间隔就已从第一视频帧中跑出,未被第二视频帧所记录,也即原始视频资料只有第一视频帧有拍摄到气泡a,而第二视频帧并没有拍摄到气泡a,这是符合实际情况的,这使得每一个气泡都只会被标记一次,即只会统计一次;按上述方法,当对第一视频帧中的所有气泡都设置一个对应的预测框后,未被标记的气泡则是新出现的气泡,即新出现的气泡未被第一视频帧所拍摄到而被第二视频帧所拍摄到,对未被标记的新出现的气泡进行新的标记;
在本步骤中,建立了各个预测框与上一视频帧(即第一视频帧)对应气泡的一一映射关系,作为优选,预设的各个预测框的尺寸相同,在预设各个预测框的位置时,各个预测框与对应的气泡的距离均相同,预测框到对应的气泡的距离为预测框的中心点到气泡的中心点的直线距离,该距离也表示气泡从第一视频帧到第二视频帧的运移距离,例如某个气泡(气泡的中心点)的坐标为(4,10),而对应词气泡的预测框(预测框的中心点)在下一个视频帧中的坐标为(4,16),则预测框与对应的此气泡的距离为4;
步骤S5:将剩下的所有视频帧都设置预测框,按与步骤S4相同的处理,找出上一视频帧出现过的气泡并进行相同的标记,而对新出现的气泡进行新的标记,统计所有标记的个数,相同的标记记为一个,从而得到气泡的准确数目。
通过步骤S1-步骤S5的处理,可以将某一视频内拍摄到的所有气泡进行准确统计,即对所有气泡仅统计一次而不会对同一个气泡重复统计,而将一个时间段的视频拆分成视频帧,充分考虑到真实海洋环境下,气泡渗漏随时间改变的这一变量因素考虑进去,实现更为准确的气泡数目统计;通过以上步骤可以通过计算机来实现,而不再需要依靠人工来完成统计,考虑到海底摄像拍摄的气泡数量通常非常巨大,且由于气泡运动塑料也快,因此可以借助计算机实现自动识别,统计效率高,统计准确率高,在现实应用中具有更大的优势。
如图3所示,本发明还涉及一种实现以上方法的实体装置的处理终端100,其包括,
存储器101,用于存储程序指令;
处理器102,用于运行所述程序指令,以执行所述水体中渗漏气泡数目的统计方法中的步骤。
对于本领域的技术人员来说,可根据以上描述的技术方案以及构思,做出其它各种相应的改变以及变形,而所有的这些改变以及变形都应该属于本发明权利要求的保护范围之内。
Claims (10)
1.一种水体中渗漏气泡数目的统计方法,其特征在于:包括如下步骤:
步骤S1:获取原始视频资料;
步骤S2:将原始视频资料拆分成多个以时间顺序排列的视频帧,并对各个视频帧中的气泡进行识别;
步骤S3:对第一视频帧中已识别出的气泡进行标记,并记录第一视频帧中每一个气泡的坐标;
步骤S4:接收用户输入的预测框设置指令,以使在第二视频帧中预设与第一视频帧中气泡对应的预测框,从而建立第一视频帧中的气泡与第二视频帧中的预测框一一映射关系,预测框位于对应气泡的正上方;
当预测框中只出现一个气泡,则对预测框中的气泡标记为对应第一视频帧中的气泡,当预测框中出现两个以上气泡,则将预测框中的气泡与第一视频帧中的气泡进行直径比较,直径差距最小的气泡判断为对应第一视频帧中的气泡,若预测框中至少有两个气泡的直径相同,则取直线距离最小的气泡判断为对应第一视频中的气泡,直线距离是指第一视频帧中的气泡中心距离预测框中气泡中心的直线距离;
对判断为对应第一视频中的气泡采用与第一视频帧中对应气泡相同的标记,当对所有预测框中对应第一视频帧中的气泡均标记完后,对还未标记的气泡进行新的标记;
步骤S5:依次按与步骤S4相同的处理将剩下所有的视频帧中的气泡进行标记,直至将最后一个视频帧的气泡标记完,并对第一视频帧至最后一个视频帧的所有标记进行个数统计,相同标记记为一个,得到气泡的数目。
2.根据权利要求1所述的水体中渗漏气泡数目的统计方法,其特征在于:在步骤S4中,所述预测框的位置是根据第一视频帧中气泡的坐标和气泡向上运移的速率进行设置。
3.根据权利要求1所述的水体中渗漏气泡数目的统计方法,其特征在于:在步骤S4中,各个所述预测框的尺寸相同。
4.根据权利要求1所述的水体中渗漏气泡数目的统计方法,其特征在于:在步骤S4中,各个所述预测框与对应的气泡的距离均相同。
5.根据权利要求1所述的水体中渗漏气泡数目的统计方法,其特征在于:所述步骤S2中的对各个视频帧中的气泡进行识别的具体实现过程包括如下步骤:
将各个视频帧均转换成灰度图,在灰度图中通过设定阈值将气泡和背景区分离,从而实现对气泡的识别。
6.一种处理终端,其包括,
存储器,用于存储程序指令;
处理器,用于运行所述程序指令,以执行如下步骤:
步骤S1:获取原始视频资料;
步骤S2:将原始视频资料拆分成多个以时间顺序排列的视频帧,并对各个视频帧中的气泡进行识别;
步骤S3:对第一视频帧中已识别出的气泡进行标记,并记录第一视频帧中每一个气泡的坐标;
步骤S4:接收用户输入的预测框设置指令,以使在第二视频帧中预设与第一视频帧中气泡对应的预测框,从而建立第一视频帧中的气泡与第二视频帧中的预测框一一映射关系,预测框位于对应气泡的正上方;
当预测框中只出现一个气泡,则对预测框中的气泡标记为对应第一视频帧中的气泡,当预测框中出现两个以上气泡,则将预测框中的气泡与第一视频帧中的气泡进行直径比较,直径差距最小的气泡判断为对应第一视频帧中的气泡,若预测框中至少有两个气泡的直径相同,则取直线距离最小的气泡判断为对应第一视频中的气泡,直线距离是指第一视频帧中的气泡中心距离预测框中气泡中心的直线距离;
对判断为对应第一视频中的气泡采用与第一视频帧中对应气泡相同的标记,当对所有预测框中对应第一视频帧中的气泡均标记完后,对还未标记的气泡进行新的标记;
步骤S5:依次按与步骤S4相同的处理将剩下所有的视频帧中的气泡进行标记,直至将最后一个视频帧的气泡标记完,并对第一视频帧至最后一个视频帧的所有标记进行个数统计,相同标记记为一个,得到气泡的数目。
7.根据权利要求6所述的处理终端,其特征在于:在步骤S4中,所述预测框的位置是根据第一视频帧中气泡的坐标和气泡向上运移的速率进行设置。
8.根据权利要求6所述的处理终端,其特征在于:在步骤S4中,各个所述预测框的尺寸相同。
9.根据权利要求6所述的处理终端,其特征在于:在步骤S4中,各个所述预测框与对应的气泡的距离均相同。
10.根据权利要求6所述的处理终端,其特征在于:所述步骤S2中的对各个视频帧中的气泡进行识别的具体实现过程包括如下步骤:
将各个视频帧均转换成灰度图,在灰度图中通过设定阈值将气泡和背景区分离,从而实现对气泡的识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811539078.5A CN109598739B (zh) | 2018-12-14 | 2018-12-14 | 一种水体中渗漏气泡数目的统计方法及处理终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811539078.5A CN109598739B (zh) | 2018-12-14 | 2018-12-14 | 一种水体中渗漏气泡数目的统计方法及处理终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109598739A CN109598739A (zh) | 2019-04-09 |
CN109598739B true CN109598739B (zh) | 2019-07-26 |
Family
ID=65962592
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811539078.5A Active CN109598739B (zh) | 2018-12-14 | 2018-12-14 | 一种水体中渗漏气泡数目的统计方法及处理终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109598739B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111610520B (zh) * | 2020-06-22 | 2021-08-17 | 中国水产科学研究院珠江水产研究所 | 一种基于声学信号的气泡释放通量量化方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08305852A (ja) * | 1995-04-27 | 1996-11-22 | Mitsubishi Space Software Kk | 画像処理による気泡の3次元計測方法 |
CN103886612A (zh) * | 2014-04-08 | 2014-06-25 | 马鸿旭 | 一种基于水库监控摄像头的水位自动提取方法及系统 |
CN103971379A (zh) * | 2014-05-30 | 2014-08-06 | 中南大学 | 基于单摄像机等效双目立体视觉模型的泡沫立体特征提取方法 |
CN105334228A (zh) * | 2015-10-15 | 2016-02-17 | 哈尔滨工程大学 | 基于图像处理的瓶装液体杂质及液位检测方法 |
CN105389814A (zh) * | 2015-11-03 | 2016-03-09 | 浙江工业大学 | 一种用于气密性试验的气泡检测方法 |
CN106023153A (zh) * | 2016-05-09 | 2016-10-12 | 山东省科学院海洋仪器仪表研究所 | 一种测量水体中气泡的方法 |
CN106530255A (zh) * | 2016-11-15 | 2017-03-22 | 中国核动力研究设计院 | 一种汽泡群数据测量方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2936387A1 (en) * | 2012-12-20 | 2015-10-28 | 3M Innovative Properties Company | Method of detecting gas-producing microbial colonies |
-
2018
- 2018-12-14 CN CN201811539078.5A patent/CN109598739B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08305852A (ja) * | 1995-04-27 | 1996-11-22 | Mitsubishi Space Software Kk | 画像処理による気泡の3次元計測方法 |
CN103886612A (zh) * | 2014-04-08 | 2014-06-25 | 马鸿旭 | 一种基于水库监控摄像头的水位自动提取方法及系统 |
CN103971379A (zh) * | 2014-05-30 | 2014-08-06 | 中南大学 | 基于单摄像机等效双目立体视觉模型的泡沫立体特征提取方法 |
CN105334228A (zh) * | 2015-10-15 | 2016-02-17 | 哈尔滨工程大学 | 基于图像处理的瓶装液体杂质及液位检测方法 |
CN105389814A (zh) * | 2015-11-03 | 2016-03-09 | 浙江工业大学 | 一种用于气密性试验的气泡检测方法 |
CN106023153A (zh) * | 2016-05-09 | 2016-10-12 | 山东省科学院海洋仪器仪表研究所 | 一种测量水体中气泡的方法 |
CN106530255A (zh) * | 2016-11-15 | 2017-03-22 | 中国核动力研究设计院 | 一种汽泡群数据测量方法 |
Non-Patent Citations (2)
Title |
---|
"Gas bubble morphology in small working gaps at spark";H.-P. Schulze et al.;《The 17th Annual Meeting of the IEEE Lasers and Electro-Optics Society》;20041213;全文 |
"水中气泡图像处理方法及运动特性研究";王红一;《中国博士学位论文全文数据库 信息科技辑》;20120515;1-10 |
Also Published As
Publication number | Publication date |
---|---|
CN109598739A (zh) | 2019-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108318101A (zh) | 基于深度学习算法的水尺水位视频智能监测方法及系统 | |
CN103106272B (zh) | 兴趣点信息获取方法及装置 | |
CN106156734A (zh) | 一种基于卷积神经网络图像识别的水流测速方法 | |
CN108229480A (zh) | 一种数字表读数的识别方法、装置及设备 | |
CN109598739B (zh) | 一种水体中渗漏气泡数目的统计方法及处理终端 | |
CN105354795B (zh) | 一种基于相位相关的自学习超分辨率图像获取方法及系统 | |
CN109840497A (zh) | 一种基于深度学习的指针式水表读数检测方法 | |
CN108319749A (zh) | 一种确定示功图的方法及装置 | |
CN103134571A (zh) | 一种基于动态视频图像处理和模式识别算法的水表自动检定技术 | |
CN108266165A (zh) | 低渗油藏co2驱最小混相压力计算方法 | |
CN109344850A (zh) | 一种基于yolo的水表自动检测方法 | |
CN110196088A (zh) | 一种水位识别监测系统 | |
CN104570088A (zh) | 一种在共偏移距共方位角域进行多方位层析速度建模方法 | |
CN109406371A (zh) | 一种基于人工裂缝与天然裂缝耦合下的渗透率测量方法及测量系统 | |
CN109165553A (zh) | 基于深度学习的石油设施遥感自动识别方法及装置 | |
CN104729463B (zh) | 一种高度校正方法和装置 | |
CN103675236A (zh) | 一种测定致密油临界充注孔喉半径门限的方法及装置 | |
CN109187277A (zh) | 一种微米毛细管通道中气液相界面移动距离获取方法 | |
CN115406806B (zh) | 一种致密油气藏两相渗流实验的计量装置 | |
CN111506679B (zh) | 地图要素数据的生成、显示方法及装置、介质、设备 | |
CN209102579U (zh) | 基于环刀法下简易型土壤导水率测定仪 | |
CN117635545A (zh) | 一种羊水指数的测量方法、超声成像设备及存储介质 | |
US20180143094A1 (en) | High pressure dynamic micro differential pressure gauge, and methods for using and checking the same | |
CN108693078B (zh) | 一种利用界面现象确定co2/油相体系一次混相压力的新方法 | |
CN108918348A (zh) | 一种微米毛细管通道中气液相界面移动速度获取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |