CN113297962A - 无人机搭载式xrf和图像融合的岩性识别系统及方法 - Google Patents
无人机搭载式xrf和图像融合的岩性识别系统及方法 Download PDFInfo
- Publication number
- CN113297962A CN113297962A CN202110566410.2A CN202110566410A CN113297962A CN 113297962 A CN113297962 A CN 113297962A CN 202110566410 A CN202110566410 A CN 202110566410A CN 113297962 A CN113297962 A CN 113297962A
- Authority
- CN
- China
- Prior art keywords
- information
- fusion
- lithology
- image
- xrf
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Molecular Biology (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明属于岩性识别技术领域,提供了一种无人机搭载式XRF和图像融合的岩性识别系统及方法。其中,该岩性识别系统包括信息采集系统、信息融合系统和岩性识别系统;所述信息采集系统、信息融合系统和岩性识别系统均搭载在无人机上;所述信息采集系统包括XRF检测系统和图像采集系统,用于分别检测设定区域岩石的元素信息及图像信息并均传送至信息融合系统;所述信息融合系统,用于将元素信息扩展成三维元素信息,并将其与本身为三维的图像信息进行融合,得到融合信息;再将图像信息的深层特征与融合信息的浅层特征逐级融合,得到融合特征图;所述岩性识别系统,用于基于融合特征图识别出设定区域岩石的岩性。
Description
技术领域
本发明属于岩性识别技术领域,尤其涉及一种无人机搭载式XRF和图像融合的岩性识别系统及方法。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必然构成在先技术。
岩性识别有利于了解区域的地质状况,或为某区域进行地质建模提供数据基础。野外地质环境复杂,崇山峻岭等地势险峻,因为地理环境的限制,专业工作人员无法到达或不方便进行地质识别等工作,即使有些危险地带专业人员可以到达,工作人员自身安全也无法得到保障。并且工作人员需要携带相关仪器到达这些地区,往返时间较长,极其耗费人力。这些条件的限制,使得这些地区的岩性识别工作存在较大困难。
目前矿物识别方法有:手标本肉眼判别、薄片镜下鉴定、X射线衍射(XRF)等分析方法。薄片镜下鉴定需要磨片操作困难,而肉眼识别存在较大误差,均无法满足偏远地区现场直接进行岩性识别的要求。依靠单独一种检测方法进行岩性识别已经在工程上广泛应用,但依靠单独一种方法进行岩性识别往往不能同时满足图像和元素等信息的要求,且岩性识别结果往往存在一定误差。比如:无法只依据图像信息识别出石英岩和灰岩,此时需要借助元素信息。
由于图像数据远比元素数据高出很多个数量级,两者相互融合,极容易发生数据淹没,进而数据无法处理,无法获得岩性识别信息,影响岩性识别的准确性。发明人发现,现有的图像和XRF相融合的方法是将图像降为一维向量,再与本身为一维的XRF向量进行拼接,而对图像降维处理操作,容易导致丢失图像的一些重要信息,从而影响岩性识别的准确性。
发明内容
为了解决上述背景技术中存在的技术问题,本发明提供一种无人机搭载式XRF和图像融合的岩性识别系统及方法,其适用于复杂环境的岩性识别且采用XRF信息扩展的方式与图像融合,能够保留更多岩石特征,最终能够提高岩性识别的准确性。
为了实现上述目的,本发明采用如下技术方案:
本发明的第一个方面提供一种无人机搭载式XRF和图像融合的岩性识别系统。
一种无人机搭载式XRF和图像融合的岩性识别系统,其包括信息采集系统、信息融合系统和岩性识别系统;所述信息采集系统、信息融合系统和岩性识别系统均搭载在无人机上;
所述信息采集系统包括XRF检测系统和图像采集系统,用于分别检测设定区域岩石的元素信息及采集相应图像信息并均传送至信息融合系统;
所述信息融合系统,用于将元素信息扩展成三维元素信息,并将其与本身为三维的图像信息进行融合,得到融合信息;再将图像信息的深层特征与融合信息的浅层特征逐级融合,得到融合特征图;
所述岩性识别系统,用于基于融合特征图识别出设定区域岩石的岩性。
作为一种实施方式,所述岩性识别系统用于:将融合特征图输入至训练完成的岩性识别模型中,输出岩性识别结果。
作为一种实施方式,所述岩性识别系统用于:从融合特征图-岩性数据库中查找与当前融合特征图相匹配的岩性,并输出岩性识别结果。
作为一种实施方式,在所述信息融合系统中,深特征图经过卷积和BN操作,提取深层特征。
作为一种实施方式,在所述信息融合系统中,浅特征图依次经过卷积、BN、ReLU、卷积及BN处理,提取浅层特征。
作为一种实施方式,所述无人机搭载式XRF和图像融合的岩性识别系统还包括控制系统,所述控制系统与所述信息采集系统相连。
作为一种实施方式,所述控制系统还与调节系统相连,所述调节系统用于调节信息采集系统的信息采集角度。
作为一种实施方式,所述调节系统包括滑轨、液压杆、圆铰、转轴和圆盘,滑轨两端封闭且固定于无人机机身,液压杆设在滑轨上方,液压杆通过自身伸缩可调节信息采集系统的采集范围;圆铰设在液压杆上方,液压杆通过圆铰与圆盘转轴相连,通过圆铰的转动来调节信息采集系统的采集角度。
作为一种实施方式,所述无人机搭载式XRF和图像融合的岩性识别系统还包括动力系统,所述动力系统为无人机及调节系统提供动力。
本发明的第二个方面提供一种基于无人机搭载式XRF和图像融合的岩性识别系统的岩性识别方法。
一种基于如上述所述的无人机搭载式XRF和图像融合的岩性识别系统的岩性识别方法,其包括:
获取设定区域岩石的元素信息及图像信息并传送至信息融合系统;
将元素信息扩展成三维元素信息,并将其与本身为三维的图像信息进行融合,得到融合信息;再将图像信息的深层特征与融合信息的浅层特征逐级融合,得到融合特征图;
基于融合特征图识别出设定区域岩石的岩性。
本发明的有益效果是:
(1)本发明提供了一种图像和XRF相融合的岩性识别方法,相比于单独一种方法进行岩性识别,提供了更多的特征,增加了岩石的特征提取范围,为更高的岩性识别奠定基础,提高岩性识别准确性。
(2)本发明将元素信息扩展成三维信息,与图像信息进行融合,解决了一维元素信息和三维图像信息无法融合的问题,并且相比于将信息进行降维处理,保留了岩石更多特征,岩性识别更加准确。
(3)本发明采用多源双重融合方法,解决了传统卷积神经网络中若元素尺度较小存在的语义信息不足,检测效果差的缺点
(4)本发明的无人机搭载式XRF和图像融合的岩性识别系统可以到达专业人员难以抵达的偏远地区,节约了人力,间接保护了从业人员的安全,且无人机往返较为快速,提高了岩性识别的效率;进行岩性识别过程操作简单,与传统方式相比,无需磨片等相关工作,岩性识别快速简便。
本发明附加方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
图1是本发明实施例的无人机搭载式XRF和图像融合的岩性识别系统的岩石识别流程图;
图2是本发明实施例的信息融合流程图;
图3是本发明实施例的无人机示意图;
图4是本发明实施例的调节系统;
图5是本发明实施例的信息采集系统示意图。
其中:1为无人机;2为调节系统;3为滑轨;4为液压杆;5为转轴;6为圆盘;7为圆铰;8为摄像机;9为信息融合系统;10为XRF系统。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出,以下详细说明都是例示性的,旨在对本发明提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本发明的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在本发明中,术语如“上”、“下”、“左”、“右”、“前”、“后”、“竖直”、“水平”、“侧”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系,只是为了便于叙述本发明各部件或元件结构关系而确定的关系词,并非特指本发明中任一部件或元件,不能理解为对本发明的限制。
本发明中,术语如“固接”、“相连”、“连接”等应做广义理解,表示可以是固定连接,也可以是一体地连接或可拆卸连接;可以是直接相连,也可以通过中间媒介间接相连。对于本领域的相关科研或技术人员,可以根据具体情况确定上述术语在本发明中的具体含义,不能理解为对本发明的限制。
参照图1和图3,本实施例的一种无人机搭载式XRF和图像融合的岩性识别系统,其包括信息采集系统、信息融合系统和岩性识别系统;所述信息采集系统、信息融合系统9和岩性识别系统均搭载在无人机1上。
如图5所示,本实施例的所述信息采集系统包括XRF检测系统和图像采集系统,用于分别检测设定区域岩石的元素信息及采集相应图像信息并均传送至信息融合系统。
在本实施例中,XRF检测系统采用XRF检测仪10来实现;
图像采集系统采用摄像机8来实现;
摄像机8和XRF检测仪10均与信息暂时储存装置相连。信息暂时储存装置用于缓存摄像机8采集的图像信息,XRF检测仪10检测的元素信息。
例如:
摄像机8为防水数码相机,对目标岩石进行拍照,拍照完成后将图像信息传输给信息融合系统,其中摄像机8自带闪光灯,可克服光线问题。XRF检测仪由激发管和分光检测系统(分析晶体、准直器与检测器)、高压电源及稳定稳流装置、记数记录系统组成,X射线管产生X射线,激发被测样品,高压电源及稳定稳流装置为提供能量并且保证X射线按照固定频率输出。分光检测系统将不同元素按照不同波长的特性分开,进而分析得到物质的元素;记数记录系统对所得信息进行记录。最后得到X射线荧光光谱,X射线荧光光谱输入到信息融合系统。
如图2所示,本实施例的所述信息融合系统9,用于将元素信息扩展成三维元素信息,并将其与本身为三维的图像信息进行融合,得到融合信息;再将图像信息的深层特征与融合信息的浅层特征逐级融合,得到融合特征图。
参照图2,在所述信息融合系统9中,深特征图经过卷积和BN操作,提取深层特征。在所述信息融合系统中,浅特征图依次经过卷积、BN、ReLU、卷积及BN处理,提取浅层特征。
例如:信息融合系统9接收到图像、元素信息后,将元素信息扩展成三维元素信息。图像信息本身为三维,如用[H,W,C]表示图像三维信息,将元素扩展成[H,W,M],其中M代表元素个数,将元素信息与图像信息进行融合,融合后的三维信息,可用[H,W,C+M]表示。
如图2所示,图像信息按特征深浅分为多个特征图,融合信息同理,深特征图大小为HхWх512,浅特征图为HхWх(C+M),深特征图经过卷积和BN操作,同时浅特征图依次经过卷积、BN、ReLU、卷积、BN等模块处理,深层的特征图与更浅一层的特征图进行逐元素相乘,将输出的特征用于分类计算,类似地,继续将该特征与浅层特征进行融合,图像信息与融合信息的逐元素相乘称为第一级融合。第一级融合的信息采用卷积神经网络进一步进行第二级融合,得到最终所需的特征图。
在具体实施中,所述岩性识别系统,用于基于融合特征图识别出设定区域岩石的岩性。
作为一种具体实施方式,所述岩性识别系统用于:将融合特征图输入至训练完成的岩性识别模型中,输出岩性识别结果。
作为另一种实施方式,所述岩性识别系统用于:从融合特征图-岩性数据库中查找与当前融合特征图相匹配的岩性,并输出岩性识别结果。
在一些实施例中,所述无人机搭载式XRF和图像融合的岩性识别系统还包括控制系统,所述控制系统与所述信息采集系统相连。
所述控制系统还与调节系统2相连,所述调节系统2用于调节信息采集系统的信息采集角度。
在具体实施中,所述无人机搭载式XRF和图像融合的岩性识别系统还包括动力系统,所述动力系统为无人机1及调节系统2提供动力。
按照图3所示,本实例中的无人机1为小型无人机,无人机包括机身和支撑架,机身维持无人机正常运行,无人机支撑架用于降落时维持稳定性,同时无人机1上配置GPS系统,对无人机1进行实时定位,确保对指定岩石进行岩性识别,无人机的动力系统为本装置主要的推力装置,为整套装置的运行提供主要动力。无人机1机身下方配置调节系统2,调节系统2上配置信息采集系统。
如图4所示,所述调节系统2包括滑轨3、液压杆4、圆铰7、转轴5和圆盘6,滑轨3固定于无人机1机身,用于整个调节系统在机身上滑动,滑轨3两端封闭。滑轨3上方配置液压杆4,液压杆4通过自身伸缩,可调节摄像机8和XRF检测仪10的岩性识别范围。液压杆上方设置圆铰7,液压杆4通过圆铰7与圆盘转轴5相连,可通过圆铰7的转动,调节岩性识别的角度。圆盘6可绕转轴5转动,在摄像机8对指定岩石拍照完成后,圆盘6绕转轴5转动指定角度(该角度依靠角度传感器可得),XRF检测仪10发射X射线,XRF系统10对该角度岩石进行元素识别。
具体地,动力系统包括无人机发动机和液压系统。发动机为无人机飞行降落提供动力,同时为滑轨的滑动、圆盘的转动提供动力,动力系统为整个装置提供动力,液压系统为液压杆4的伸缩提供动力。
基于如上述所述的无人机搭载式XRF和图像融合的岩性识别系统的岩性识别方法,其包括:
获取设定区域岩石的元素信息及图像信息并传送至信息融合系统;
将元素信息扩展成三维元素信息,并将其与本身为三维的图像信息进行融合,得到融合信息;再将图像信息的深层特征与融合信息的浅层特征逐级融合,得到融合特征图;
基于融合特征图识别出设定区域岩石的岩性。
在实际应用上述装置实现对指定岩石的岩性识别包括以下几步:
步骤1:根据GPS系统,操控无人机1飞行到需要进行岩性识别的区域;
步骤2:打开摄像机8对该区域岩石进行广角拍摄,寻找需要进行岩性识别的岩石,依照装置系统记录下无人机1需要降落的具体位置,同时运用摄像头进行观察,是否方便降落,寻找无人机1方便降落的位置;
步骤3:按照步骤2中指定位置,无人机1降落,同时打开无人机支撑架,维持机身稳定性;
步骤4:打开滑轨3,使整个调节系统2在滑轨3上滑动;
步骤5;打开液压杆4,伸缩液压杆4,同时转动圆铰7,调节系统同时运行,确保可以对指定角度的岩石进行岩性识别;
步骤6:打开摄像机8,对岩石进行拍照,获取图像信息,将图像系统传输给信息融合系统;
步骤7;依照角度传感器,圆盘6绕转轴5转动指定角度,XRF检测仪10到达步骤6摄像机拍摄位置,XRF检测仪10对岩石元素进行识别,将得到的X射线荧光光谱传输给信息融合系统;
步骤8:融合系统将所得的元素信息和图像信息进行融合处理;包括将元素信息扩展成三维信息,与图像信息融合拼接,采用多源双重融合方法进行融合。
步骤9:不同岩石的岩性识别重复步骤1到步骤8;
步骤10:收起整套装置和无人机支撑架,操控无人机飞回操控台。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种无人机搭载式XRF和图像融合的岩性识别系统,其特征在于,包括信息采集系统、信息融合系统和岩性识别系统;所述信息采集系统、信息融合系统和岩性识别系统均搭载在无人机上;
所述信息采集系统包括XRF检测系统和图像采集系统,用于分别检测设定区域岩石的元素信息及采集相应图像信息并均传送至信息融合系统;
所述信息融合系统,用于将元素信息扩展成三维元素信息,并将其与本身为三维的图像信息进行融合,得到融合信息;再将图像信息的深层特征与融合信息的浅层特征逐级融合,得到融合特征图;
所述岩性识别系统,用于基于融合特征图识别出设定区域岩石的岩性。
2.如权利要求1所述的无人机搭载式XRF和图像融合的岩性识别系统,其特征在于,所述岩性识别系统用于:将融合特征图输入至训练完成的岩性识别模型中,输出岩性识别结果。
3.如权利要求1所述的无人机搭载式XRF和图像融合的岩性识别系统,其特征在于,所述岩性识别系统用于:从融合特征图-岩性数据库中查找与当前融合特征图相匹配的岩性,并输出岩性识别结果。
4.如权利要求1所述的无人机搭载式XRF和图像融合的岩性识别系统,其特征在于,在所述信息融合系统中,深特征图经过卷积和BN操作,提取深层特征。
5.如权利要求1所述的无人机搭载式XRF和图像融合的岩性识别系统,其特征在于,在所述信息融合系统中,浅特征图依次经过卷积、BN、ReLU、卷积及BN处理,提取浅层特征。
6.如权利要求1所述的无人机搭载式XRF和图像融合的岩性识别系统,其特征在于,所述无人机搭载式XRF和图像融合的岩性识别系统还包括控制系统,所述控制系统与所述信息采集系统相连。
7.如权利要求6所述的无人机搭载式XRF和图像融合的岩性识别系统,其特征在于,所述控制系统还与调节系统相连,所述调节系统用于调节信息采集系统的信息采集角度。
8.如权利要求7所述的无人机搭载式XRF和图像融合的岩性识别系统,其特征在于,所述调节系统包括滑轨、液压杆、圆铰、转轴和圆盘,滑轨两端封闭且固定于无人机机身,液压杆设在滑轨上方,液压杆通过自身伸缩可调节信息采集系统的采集范围;圆铰设在液压杆上方,液压杆通过圆铰与圆盘转轴相连,通过圆铰的转动来调节信息采集系统的采集角度。
9.如权利要求7所述的无人机搭载式XRF和图像融合的岩性识别系统,其特征在于,所述无人机搭载式XRF和图像融合的岩性识别系统还包括动力系统,所述动力系统为无人机及调节系统提供动力。
10.一种基于如权利要求1-9中任一项所述的无人机搭载式XRF和图像融合的岩性识别系统的岩性识别方法,其特征在于,包括:
获取设定区域岩石的元素信息及图像信息并传送至信息融合系统;
将元素信息扩展成三维元素信息,并将其与本身为三维的图像信息进行融合,得到融合信息;再将图像信息的深层特征与融合信息的浅层特征逐级融合,得到融合特征图;
基于融合特征图识别出设定区域岩石的岩性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110566410.2A CN113297962B (zh) | 2021-05-24 | 2021-05-24 | 无人机搭载式xrf和图像融合的岩性识别系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110566410.2A CN113297962B (zh) | 2021-05-24 | 2021-05-24 | 无人机搭载式xrf和图像融合的岩性识别系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113297962A true CN113297962A (zh) | 2021-08-24 |
CN113297962B CN113297962B (zh) | 2022-08-19 |
Family
ID=77324408
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110566410.2A Active CN113297962B (zh) | 2021-05-24 | 2021-05-24 | 无人机搭载式xrf和图像融合的岩性识别系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113297962B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114565820A (zh) * | 2022-03-01 | 2022-05-31 | 中科海慧(北京)科技有限公司 | 一种基于时空大数据分析的矿产样本识别系统 |
CN115140305A (zh) * | 2022-09-02 | 2022-10-04 | 吉林大学 | 一种岩性智能识别飞行机器人 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105115874A (zh) * | 2015-08-18 | 2015-12-02 | 中国石油天然气股份有限公司 | 多源信息融合的多组分三维数字岩心构建方法 |
CN105496433A (zh) * | 2015-12-17 | 2016-04-20 | 深圳圣诺医疗设备股份有限公司 | 三维乳腺x射线与三维彩超融合成像系统及方法 |
CN110031493A (zh) * | 2019-04-04 | 2019-07-19 | 山东大学 | 基于图像与光谱技术的岩性智能识别系统与方法 |
CN110043267A (zh) * | 2019-04-04 | 2019-07-23 | 山东大学 | 基于岩性与不良地质前兆特征识别的tbm搭载式超前地质预报系统及方法 |
CN110320137A (zh) * | 2018-03-29 | 2019-10-11 | 中国石油化工股份有限公司 | 一种基于数字岩心的多尺度融合方法 |
CN111751394A (zh) * | 2020-04-17 | 2020-10-09 | 山东大学 | 基于图像与xrf矿物反演的岩性识别方法及系统 |
CN112801035A (zh) * | 2021-02-24 | 2021-05-14 | 山东大学 | 基于知识与数据双驱动的搭载式岩性智能识别方法及系统 |
-
2021
- 2021-05-24 CN CN202110566410.2A patent/CN113297962B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105115874A (zh) * | 2015-08-18 | 2015-12-02 | 中国石油天然气股份有限公司 | 多源信息融合的多组分三维数字岩心构建方法 |
CN105496433A (zh) * | 2015-12-17 | 2016-04-20 | 深圳圣诺医疗设备股份有限公司 | 三维乳腺x射线与三维彩超融合成像系统及方法 |
CN110320137A (zh) * | 2018-03-29 | 2019-10-11 | 中国石油化工股份有限公司 | 一种基于数字岩心的多尺度融合方法 |
CN110031493A (zh) * | 2019-04-04 | 2019-07-19 | 山东大学 | 基于图像与光谱技术的岩性智能识别系统与方法 |
CN110043267A (zh) * | 2019-04-04 | 2019-07-23 | 山东大学 | 基于岩性与不良地质前兆特征识别的tbm搭载式超前地质预报系统及方法 |
WO2020199292A1 (zh) * | 2019-04-04 | 2020-10-08 | 山东大学 | 基于图像与光谱技术的岩性智能识别系统与方法 |
CN111751394A (zh) * | 2020-04-17 | 2020-10-09 | 山东大学 | 基于图像与xrf矿物反演的岩性识别方法及系统 |
CN112801035A (zh) * | 2021-02-24 | 2021-05-14 | 山东大学 | 基于知识与数据双驱动的搭载式岩性智能识别方法及系统 |
Non-Patent Citations (1)
Title |
---|
陈明 等: "RoqSCAN技术在川南页岩气录井中的应用效果分析", 《录井工程》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114565820A (zh) * | 2022-03-01 | 2022-05-31 | 中科海慧(北京)科技有限公司 | 一种基于时空大数据分析的矿产样本识别系统 |
CN115140305A (zh) * | 2022-09-02 | 2022-10-04 | 吉林大学 | 一种岩性智能识别飞行机器人 |
CN115140305B (zh) * | 2022-09-02 | 2022-11-08 | 吉林大学 | 一种岩性智能识别飞行机器人 |
Also Published As
Publication number | Publication date |
---|---|
CN113297962B (zh) | 2022-08-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102121974B1 (ko) | 드론을 이용한 재난피해 조사·분석시스템 및 이를 이용한 재난피해 조사·분석방법 | |
CN113297962B (zh) | 无人机搭载式xrf和图像融合的岩性识别系统及方法 | |
Tahar | An evaluation on different number of ground control points in unmanned aerial vehicle photogrammetric block | |
Adams et al. | Unmanned aerial vehicle data acquisition for damage assessment in hurricane events | |
NO337638B1 (no) | Fremgangsmåte for bestemmelse av bestandatributter og dataprogram for utførelse av fremgangsmåten | |
Turner et al. | Identifying and mapping potentially adverse discontinuities in underground excavations using thermal and multispectral UAV imagery | |
WO2021043308A1 (zh) | 基于图像识别与分析的隧道内围岩石英含量预测系统与方法 | |
Raczynski | Accuracy analysis of products obtained from UAV-borne photogrammetry influenced by various flight parameters | |
KR102379326B1 (ko) | 특수차량기반 재난조사시스템 및 이를 활용한 재난조사 방법 | |
Federman et al. | UAV photgrammetric workflows: A best practice guideline | |
CN106292126A (zh) | 一种智能航测飞行曝光控制方法、无人机控制方法及终端 | |
Alon et al. | Tree detection using genus-specific RetinaNet from orthophoto for segmentation access of airborne LiDAR data | |
CN108445489A (zh) | 基于卫星遥感与无人机遥感确定热带农业损失的方法 | |
Kim et al. | Applicability assessment of UAV mapping for disaster damage investigation in Korea | |
Kim et al. | Disaster Damage Investigation using Artificial Intelligence and Drone Mapping | |
Baur et al. | How to implement drones and machine learning to reduce time, costs, and dangers associated with landmine detection | |
Gao et al. | Research on the application of UAV remote sensing in geologic hazards investigation for oil and gas pipelines | |
James | SfM-MVS PhotoScan image processing exercise | |
CN110929711B (zh) | 运用于固定场景关于身份信息和形体信息自动关联的方法 | |
CN112097743A (zh) | 基于无人机技术的建筑抗震特性分析方法 | |
CN117011759A (zh) | 钻爆法隧道掌子面围岩多元地质信息解析方法及系统 | |
Motta et al. | Landslide displacement monitoring from multi-temporal terrestrial digital images: Case of the Valoria Landslide site | |
Hughes et al. | Morphometric measurements of Omura’s whales using consumer grade sUASs: a methodological study | |
Ștefan et al. | THE DRONES ARE COMING. WHAT TO CHOOSE? LOW AND MEDIUM ALTITUDE AERIAL ARCHAEOLOGY ON LIMES TRANSALUTANUS. | |
Hill et al. | Flow visualization of aircraft in flight by means of background oriented schlieren using celestial objects |
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 |