CN115170974B - 基于ai智能检测溶洞连通性的方法及装置 - Google Patents
基于ai智能检测溶洞连通性的方法及装置 Download PDFInfo
- Publication number
- CN115170974B CN115170974B CN202211094054.XA CN202211094054A CN115170974B CN 115170974 B CN115170974 B CN 115170974B CN 202211094054 A CN202211094054 A CN 202211094054A CN 115170974 B CN115170974 B CN 115170974B
- Authority
- CN
- China
- Prior art keywords
- karst cave
- water body
- tracer
- cave
- image
- 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
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种基于AI智能检测溶洞连通性的方法,应用于勘察领域,用于检测第一溶洞和第二溶洞的连通性。本发明提供的方法包括:向所述第一溶洞的水体投放示踪剂,所述示踪剂受到紫光灯照射能够发出荧光标志;获取所述第二溶洞的水体图像,所述水体图像为被所述紫光灯照射的水体的图像;基于AI识别模型对所述水体图像进行识别,获得识别结果;根据所述识别结果判断所述第二溶洞的水体是否有所述示踪剂;若是,则判定所述第一溶洞和所述第二溶洞连通。本发明的方法能够实时监测第二溶洞是否检测到示踪剂,不需要人工到现场进行取样,大大减少了人力物力,提高了检测的速率,同时避免了采样过程中工作人员发生事故的问题。
Description
技术领域
本发明涉及勘察领域,尤其涉及一种基于AI智能检测溶洞连通性的方法及装置。
背景技术
溶洞是可溶性岩石中因喀斯特作用所形成的地下空间。在地质勘察中,溶洞之间的连通性的检测是重要的,它能帮助地质勘察人员了解勘察区域内的地质结构以及地下水的走势。由于岩溶发育和岩溶地下水的运移一般都具有明显的非均质性,形成了错综复杂的水力地质体系。其复杂的结构使检测溶洞之间的连通性和了解地下水的走势变得极其困难。连通试验在岩溶水文地质研究中已得到长期而广泛的应用,是解决岩溶地区水资源管理、获得水文地质参数、划分水文地质单元、研究水库岩溶渗漏、分析地下管道网络分布及地下水溶质运移特征的有效方法和重要手段。现在检测溶洞之间的连通性一般采用示踪剂的方法进行检测,即从注入井注入示踪剂,按一定的取样规定在周围产探井取样,再将样品取回实验室或现场进行检测是否含有示踪剂,从而确定溶洞是否连通。但这种人工采样的方法存在以下缺点:需要人工现场进行采样,间隔一段时间进行一次采样,易造成数据遗漏,不能随时掌握地下水流动状态;采样难度大,且危险,特别是夜间采样;浪费人力资源。
鉴于此,本领域亟需一种基于AI智能检测溶洞连通性的方法及装置,以解决背景技术存在的技术问题。
发明内容
本发明提供一种AI智能检测溶洞连通性的方法,不需要人工进行现场采样即可完成水体是否含有示踪剂的检测,进而判断溶洞的连通性。
为解决上述技术问题,本发明采用的一个技术方案是:提供一种基于AI智能检测溶洞连通性的方法,用于检测第一溶洞和第二溶洞的连通性,包括:
向所述第一溶洞的水体投放示踪剂,所述示踪剂受到紫光灯照射能够发出荧光标志;
获取所述第二溶洞的水体图像,所述水体图像为被所述紫光灯照射的水体的图像;
基于AI识别模型对所述水体图像进行识别,获得识别结果;
根据所述识别结果判断所述第二溶洞的水体是否有所述示踪剂;
若是,则判定所述第一溶洞和所述第二溶洞连通。
优选地,所述向所述第一溶洞的水体投放示踪剂之前,还包括:
在勘察区域进行地面勘察,获得所述第一溶洞和所述第二溶洞的位置;
根据所述第一溶洞和所述第二溶洞的位置确定摄像单元的安装位置以及所述示踪剂的投放位置;
将所述摄像单元安装在所述第二溶洞的所述安装位置,所述摄像单元包括用于照射所述第二溶洞的水体的所述紫光灯以及用于拍摄所述水体图像的摄像头。
优选地,所述获取所述第二溶洞的水体图像包括:
实时获取所述第二溶洞的水体的视频图像;
根据预设的采样时间截取至少一帧所述视频图像,以获取所述水体图像。
优选地,所述获取所述第二溶洞的水体图像包括:
根据预设的采样时间控制所述紫光灯开启以照射所述第二溶洞的水体;
控制所述摄像头开启以拍摄得到所述水体图像;
控制所述紫光灯和所述摄像头关闭。
优选地,所述向所述第一溶洞的水体投放示踪剂之前,还包括:
获得若干个被所述紫光灯照射的水体的样本图像;
对所述样本图像进行人工标注所述样本图像中是否具有所述荧光标志,生成训练样本;
利用所述训练样本进行卷积神经网络训练,得到所述AI识别模型。
优选地,所述根据所述识别结果判断所述第二溶洞的水体是否有所述示踪剂包括:
若所述AI识别模型识别结果为所述水体图像有所述荧光标志,则判定所述第二溶洞的水体有所述示踪剂;
若所述AI识别模型识别结果为所述水体图像没有所述荧光标志,则判定所述第二溶洞的水体没有所述示踪剂。
优选地,所述判定所述第一溶洞和所述第二溶洞连通之后还包括:
将所述第一溶洞和所述第二溶洞连通的判定结果上报至监管***进行记录。
优选地,所述将所述第一溶洞和所述第二溶洞连通的判定结果上报至监管***进行记录之后,还包括:
发送预警至所述工作人员的移动终端,提示工作人员前往对应的所述第二溶洞进行复查。
优选地,所述第二溶洞为一个或多个。
为解决上述技术问题,本发明采用的另一个技术方案是:提供一种基于AI智能检测溶洞连通性的装置,用于检测第一溶洞和第二溶洞的连通性,包括:
示踪剂投放模块,用于向所述第一溶洞的水体投放示踪剂,所述示踪剂受到紫光灯照射能够发出荧光;
图像获取模块,用于获取所述第二溶洞的水体图像,所述水体图像为被所述紫光灯照射的水体的图像;
图像处理模块,用于基于AI识别模型对所述水体图像进行识别,获得识别结果;
判断模块,用于根据所述识别结果判断所述第二溶洞的水体是否有所述示踪剂;若是,则判定所述第一溶洞和所述第二溶洞连通。
本发明的有益效果是:本发明的基于AI智能检测溶洞连通性的方法通过向第一溶洞的水体投放示踪剂;获取第二溶洞的水体图像;基于AI识别模型对水体图像进行识别,获得识别结果;根据识别结果判断第二溶洞的水体是否有示踪剂;若是,则判定第一溶洞和第二溶洞连通。本发明的方法能够实时监测第二溶洞是否检测到示踪剂,不需要人工到现场进行取样,能够直接获取第二溶洞的水体图像并智能识别是否含有示踪剂,从而确定第一溶洞和第二溶洞的连通性;不仅可以做到实时监测,而且能实现自动化识别和检测,大大减少了人力物力,提高了检测的速率,同时避免了采样过程中工作人员发生事故的问题。
附图说明
图1是本发明第一实施例的基于AI智能检测溶洞连通性的方法的流程示意图。
图2是本发明一种实施例中步骤S102的流程示意图。
图3是本发明另一种实施例中步骤S102的流程示意图。
图4是本发明实施例中获得AI识别模型的流程示意图。
图5是本发明第二实施例的基于AI智能检测溶洞连通性的方法的流程示意图。
图6是本发明第三实施例的基于AI智能检测溶洞连通性的方法的流程示意图。
图7是本发明实施例的基于AI智能检测溶洞连通性装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明中的术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”、“第三”的特征可以明示或者隐含地包括至少一个该特征。本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。本发明实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、***、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
图1是本发明实施例的基于AI智能检测溶洞连通性的方法的流程示意图。需注意的是,若有实质上相同的结果,本发明的方法并不以图1所示的流程顺序为限。本实施例的方法用于检测第一溶洞和第二溶洞之间的连通性,由此可以进一步地判断周边地下水的径流特征。其中,第二溶洞可以是一个或多个。如图1所示,该方法包括步骤:
步骤S101:向第一溶洞的水体投放示踪剂,示踪剂受到紫光灯照射能够发出荧光标志。
在步骤S101中,可以通过人工或机器向第一溶洞的水体投放示踪剂,在本实施例中,通过人工的方式进行投放。示踪剂在受到紫光灯照射时能够发出荧光标志,且对环境无污染,自然成本低,化学性能稳定,易于检测等。综合以上因素,示踪剂可以为荧光素钠的示踪剂。
需要说明的是,为了能实现本实施例的方法,需要先确定第一溶洞和第二溶洞的位置,以及在第一溶洞和第二溶洞安装对应的设备。因此,在步骤S101之前还包括:
在勘察区域进行地面勘察,获得第一溶洞和第二溶洞的位置;根据第一溶洞和第二溶洞的位置确定摄像单元的安装位置以及示踪剂的投放位置;将摄像单元安装在第二溶洞的安装位置,摄像单元包括用于照射第二溶洞的水体的紫光灯以及用于拍摄水体图像的摄像头,水体图像为被紫光灯照射的水体的图像。需要说明的是,摄像单元还包括用于向外部设备发送图像和信息的通讯部件。
具体地,通过人工或机器在勘察区域进行地面勘察,获得需要检测的溶洞的位置。再确定第一溶洞和第二溶洞,第一溶洞即投放示踪剂的溶洞,第二溶洞即需要检测是否有示踪剂的溶洞。再将摄像单元安装在第二溶洞的安装位置,其中安装位置需根据工作人员在现场的实际情况进行选择。实际来说,一般会在所有的溶洞都安装摄像单元,因为第一溶洞和第二溶洞是相对来说的。通过上述的前期工作准备,即可实现本实施例的自动化检测。
步骤S102:获取第二溶洞的水体图像,水体图像为被紫光灯照射的水体的图像。
在步骤S102中,通过摄像单元对第二溶洞的水体进行拍摄,获得第二溶洞的水体图像。也就是说,通过紫光灯照射第二溶洞的水体,再通过摄像头对水体进行拍摄,即可获得第二溶洞的水体图像。
在一个可选实施例中,请参见图2,步骤S102包括以下步骤:
步骤S201:实时获取第二溶洞的水体的视频图像;
步骤S202:根据预设的采样时间截取至少一帧视频图像,以获取水体图像。
通过步骤S201-S202,先获得第二溶洞的水体的视频图像,具体通过摄像单元获取第二溶洞的水体的视频流,按照一定的采样频率从视频流中提取至少一帧视频图像;对图像进行缩放、截取等预处理转换为预设输入的图像尺寸,以获得水体图像。例如,隔半小时截取一张视频图像作为水体图像。当然在此过程中需要记录截取的时间以进行保存,方便后续的查验。此种获取水体图像的方式可以保存完整的视频流,对工作人员的复查较为友好。
在一个可选实施例中,请参见图3,步骤S102包括以下步骤:
步骤S301:根据预设的采样时间控制紫光灯开启以照射第二溶洞的水体。
步骤S302:控制摄像头开启以拍摄得到水体图像。
步骤S303:控制紫光灯和摄像头关闭。
通过步骤S301-S303,根据预设的采样时间控制摄像单元启动,在获取完水体图像后控制摄像单元关闭,此种获取水体图像的方式可以进一步节约摄像单元所需的电量,而且大大减小了数据量,无需对视频流进行保存,仅存储在采样时间获取的水体图像即可。具体地,采样时间的频率可以为半小时一次。在本实施例中,在预设的采样时间控制紫光灯开启,以照射第二溶洞的水体,再控制摄像头开启进行拍摄。
步骤S103:基于AI识别模型对水体图像进行识别,获得识别结果。
在步骤S103中,AI识别模型可以为基于卷积神经网络的图像识别模型。将步骤S102中获取到的水体图像输入至AI识别模型中,AI识别模型用于识别水体图像是否有荧光标志。其中AI识别模型基于卷积神经网络通过大量的训练样本获得。AI识别模型在进行步骤S101前已预设好在***中。具体地,请参见图4,AI识别模型通过以下步骤获得:
步骤S401:获得若干个被紫光灯照射的水体的样本图像。
步骤S402:对样本图像进行人工标注样本图像中是否具有荧光标志,生成训练样本。
步骤S403:利用训练样本进行卷积神经网络训练,得到AI识别模型。
通过步骤S401-S403,先获得大量被紫光灯照射的水体的样本图像,即通过摄像头拍摄的被紫光灯照射的水体的图像,样本图像中包含有示踪剂的图像和没有示踪剂的图像,其中有荧光标志的图像即为有示踪剂的图像;再通过人工标注的方式进行标注,给样本图像添加是否有荧光标志的标签;再将标注好的样本图像进行卷积神经网络训练,直至得到可信度较大的模型为止,得到AI识别模型。
将步骤S102中获取到的水体图像输入至AI识别模型中,即可智能识别水体图像是否含有荧光标志的识别结果。需要说明的是,步骤S103可以直接在摄像单元里执行,也可以通过摄像单元发送至外部模块进行执行。
步骤S104:根据识别结果判断第二溶洞的水体是否有示踪剂。
在步骤S104中,若AI识别模型识别结果为水体图像有荧光标志,则判定第二溶洞的水体有示踪剂;若AI识别模型识别结果为水体图像没有荧光标志,则判定第二溶洞的水体没有示踪剂。需要说明的是,步骤S104可以直接在摄像单元里执行,也可以通过摄像单元发送至外部模块进行执行。
步骤S105:若是,则判定第一溶洞和第二溶洞连通。
在步骤S105中,若第二溶洞的水体有示踪剂,则可以判定第一溶洞和第二溶洞连通。若不是,则暂时判定第一溶洞和第二溶洞不连通,并重新返回步骤S102,在下一个采样时间执行步骤S102。
本发明实施例的基于AI智能检测溶洞连通性的方法通过向第一溶洞的水体投放示踪剂;获取第二溶洞的水体图像;基于AI识别模型对水体图像进行识别,获得识别结果;根据识别结果判断第二溶洞的水体是否有示踪剂;若是,则判定第一溶洞和第二溶洞连通。本发明的方法能够实时监测第二溶洞是否检测到示踪剂,不需要人工到现场进行取样,能够直接获取第二溶洞的水体图像并智能识别是否含有示踪剂,从而确定第一溶洞和第二溶洞的连通性;不仅可以做到实时监测,而且能实现自动化识别和检测,大大减少了人力物力,提高了检测的速率,同时避免了采样过程中工作人员发生事故的问题。
在一个可选实施例中,请参见图5,在上述步骤的基础上,在步骤S105之后,还包括:
步骤S106:将第一溶洞和第二溶洞连通的判定结果上报至监管***进行记录。
在步骤S106中,当判定第一溶洞和第二溶洞连通后,将判定结果上报至监管***,以免遗漏数据,同时让后台的工作人员能及时了解到当前的判定结果,以做出决策。
在一个可选实施例中,请参见图6,在上述步骤的基础上,在步骤S106之后,还包括:
步骤S107:发送预警至工作人员的移动终端,提示工作人员前往对应的第二溶洞进行复查。
通过步骤S107的设置,在判定第一溶洞和第二溶洞连通后,发送预警至工作人员,工人人员收到预警后,到检测出示踪剂的第二溶洞进行复查,进一步提高了检测的准确率,防止***误判。
图7是本发明实施例的基于AI智能检测溶洞连通性的装置70的结构示意图。该装置70用于实现上述的AI智能检测溶洞连通性的方法的步骤。如图7所示,该装置包括示踪剂投放模块71、图像获取模块72、图像处理模块73以及判断模块74。
示踪剂投放模块71用于向第一溶洞的水体投放示踪剂。
图像获取模块72用于获取第二溶洞的水体图像。
图像处理模块73用于基于AI识别模型对水体图像进行识别,获得识别结果。
判断模块74用于根据识别结果判断第二溶洞的水体是否有示踪剂;若是,则判定第一溶洞和第二溶洞连通。
关于基于AI智能检测溶洞连通性的装置70具体限定可以参见上文中对于AI智能检测溶洞连通性的方法的限定,在此不再赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的***,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
以上仅为本发明的实施方式,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (9)
1.一种基于AI智能检测溶洞连通性的方法,用于检测第一溶洞和第二溶洞的连通性,其特征在于,包括:
向所述第一溶洞的水体投放示踪剂,所述示踪剂受到紫光灯照射能够发出荧光标志;
获取所述第二溶洞的水体图像,所述水体图像为被所述紫光灯照射的水体的图像;
基于AI识别模型对所述水体图像进行识别,获得识别结果;
根据所述识别结果判断所述第二溶洞的水体是否有所述示踪剂;
若是,则判定所述第一溶洞和所述第二溶洞连通;
其中,所述向所述第一溶洞的水体投放示踪剂之前,还包括:
获得若干个被所述紫光灯照射的水体的样本图像;
对所述样本图像进行人工标注所述样本图像中是否具有所述荧光标志,生成训练样本;
利用所述训练样本进行卷积神经网络训练,得到所述AI识别模型。
2.根据权利要求1所述的基于AI智能检测溶洞连通性的方法,其特征在于,所述向所述第一溶洞的水体投放示踪剂之前,还包括:
在勘察区域进行地面勘察,获得所述第一溶洞和所述第二溶洞的位置;
根据所述第一溶洞和所述第二溶洞的位置确定摄像单元的安装位置以及所述示踪剂的投放位置;
将所述摄像单元安装在所述第二溶洞的所述安装位置,所述摄像单元包括用于照射所述第二溶洞的水体的所述紫光灯以及用于拍摄所述水体图像的摄像头。
3.根据权利要求2所述的基于AI智能检测溶洞连通性的方法,其特征在于,所述获取所述第二溶洞的水体图像包括:
实时获取所述第二溶洞的水体的视频图像;
根据预设的采样时间截取至少一帧所述视频图像,以获取所述水体图像。
4.根据权利要求2所述的基于AI智能检测溶洞连通性的方法,其特征在于,所述获取所述第二溶洞的水体图像包括:
根据预设的采样时间控制所述紫光灯开启以照射所述第二溶洞的水体;
控制所述摄像头开启以拍摄得到所述水体图像;
控制所述紫光灯和所述摄像头关闭。
5.根据权利要求1所述的基于AI智能检测溶洞连通性的方法,其特征在于,所述根据所述识别结果判断所述第二溶洞的水体是否有所述示踪剂包括:
若所述AI识别模型识别结果为所述水体图像有所述荧光标志,则判定所述第二溶洞的水体有所述示踪剂;
若所述AI识别模型识别结果为所述水体图像没有所述荧光标志,则判定所述第二溶洞的水体没有所述示踪剂。
6.根据权利要求1所述的基于AI智能检测溶洞连通性的方法,其特征在于,所述判定所述第一溶洞和所述第二溶洞连通之后还包括:
将所述第一溶洞和所述第二溶洞连通的判定结果上报至监管***进行记录。
7.根据权利要求6所述的基于AI智能检测溶洞连通性的方法,其特征在于,所述将所述第一溶洞和所述第二溶洞连通的判定结果上报至监管***进行记录之后,还包括:
发送预警至工作人员的移动终端,提示工作人员前往对应的所述第二溶洞进行复查。
8.根据权利要求1所述的基于AI智能检测溶洞连通性的方法,其特征在于,所述第二溶洞为一个或多个。
9.一种基于AI智能检测溶洞连通性的装置,用于检测第一溶洞和第二溶洞的连通性,其特征在于,该装置能够实现如权利要求1-8任一项所述的AI智能检测溶洞连通性的方法的步骤,其包括:
示踪剂投放模块,用于向所述第一溶洞的水体投放示踪剂,所述示踪剂受到紫光灯照射能够发出荧光;
图像获取模块,用于获取所述第二溶洞的水体图像,所述水体图像为被所述紫光灯照射的水体的图像;
图像处理模块,用于基于AI识别模型对所述水体图像进行识别,获得识别结果;
判断模块,用于根据所述识别结果判断所述第二溶洞的水体是否有所述示踪剂;若是,则判定所述第一溶洞和所述第二溶洞连通。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211094054.XA CN115170974B (zh) | 2022-09-08 | 2022-09-08 | 基于ai智能检测溶洞连通性的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211094054.XA CN115170974B (zh) | 2022-09-08 | 2022-09-08 | 基于ai智能检测溶洞连通性的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115170974A CN115170974A (zh) | 2022-10-11 |
CN115170974B true CN115170974B (zh) | 2022-12-20 |
Family
ID=83482393
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211094054.XA Active CN115170974B (zh) | 2022-09-08 | 2022-09-08 | 基于ai智能检测溶洞连通性的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115170974B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108827833A (zh) * | 2018-06-25 | 2018-11-16 | 山东大学 | 基于岩溶管道介质特征反演的室内示踪试验*** |
CN109538193A (zh) * | 2019-01-28 | 2019-03-29 | 西南石油大学 | 一种应用于缝洞型油藏的流道表征分析方法 |
CN111220588A (zh) * | 2020-03-24 | 2020-06-02 | 哈尔滨工业大学(威海) | 一种基于油膜荧光亮度的流场辐聚辐散测量方法 |
CN111381281A (zh) * | 2020-05-09 | 2020-07-07 | 中建四局第一建筑工程有限公司 | 一种溶洞贯通性检测方法 |
CN111699510A (zh) * | 2018-02-12 | 2020-09-22 | 豪夫迈·罗氏有限公司 | 数字病理学图像的变换 |
CN113405762A (zh) * | 2021-06-04 | 2021-09-17 | 中国航空工业集团公司沈阳空气动力研究所 | 一种风洞模型形变姿态视觉测量方法 |
CN215180964U (zh) * | 2021-11-02 | 2021-12-14 | 深圳市勘察研究院有限公司 | 基于氯化钠示踪剂的监测装置 |
CN113899768A (zh) * | 2021-10-08 | 2022-01-07 | 中国石油大学(华东) | 基于流体注入的致密砂岩岩心孔隙连通性分析的方法 |
WO2022089236A1 (zh) * | 2020-11-02 | 2022-05-05 | 腾讯科技(深圳)有限公司 | 基于人工智能的图像处理方法、装置、计算机设备和存储介质 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110257887A1 (en) * | 2010-04-20 | 2011-10-20 | Schlumberger Technology Corporation | Utilization of tracers in hydrocarbon wells |
CN104501959B (zh) * | 2014-12-30 | 2016-08-17 | 华中科技大学 | 一种红外图谱关联智能探测方法及装置 |
WO2020033635A1 (en) * | 2018-08-08 | 2020-02-13 | Cryovac, Llc | Inspection of vacuum packaged product for detection of gas inside package |
CN109212254A (zh) * | 2018-09-29 | 2019-01-15 | 山东省地矿工程集团有限公司 | 一种利用示踪剂测定地下水运移路径的方法 |
JP2022526967A (ja) * | 2019-04-11 | 2022-05-27 | クライオバック・エル・エル・シー | シールの完全性のインライン検査のためのシステム |
CN112037853B (zh) * | 2019-10-30 | 2021-12-10 | 深圳太力生物技术有限责任公司 | 筛选能够表达期望产物细胞株的方法 |
CN114166805B (zh) * | 2021-11-03 | 2024-01-30 | 格力电器(合肥)有限公司 | Ntc温度传感器检测方法、装置、ntc温度传感器及制造方法 |
CN114739591A (zh) * | 2022-03-17 | 2022-07-12 | 中国铁建高新装备股份有限公司 | 一种基于图像处理的液压油渗漏检测预警方法 |
CN114791509A (zh) * | 2022-06-22 | 2022-07-26 | 武汉易维科技股份有限公司 | 一种水流流速的智能检测方法及装置 |
-
2022
- 2022-09-08 CN CN202211094054.XA patent/CN115170974B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111699510A (zh) * | 2018-02-12 | 2020-09-22 | 豪夫迈·罗氏有限公司 | 数字病理学图像的变换 |
CN108827833A (zh) * | 2018-06-25 | 2018-11-16 | 山东大学 | 基于岩溶管道介质特征反演的室内示踪试验*** |
CN109538193A (zh) * | 2019-01-28 | 2019-03-29 | 西南石油大学 | 一种应用于缝洞型油藏的流道表征分析方法 |
CN111220588A (zh) * | 2020-03-24 | 2020-06-02 | 哈尔滨工业大学(威海) | 一种基于油膜荧光亮度的流场辐聚辐散测量方法 |
CN111381281A (zh) * | 2020-05-09 | 2020-07-07 | 中建四局第一建筑工程有限公司 | 一种溶洞贯通性检测方法 |
WO2022089236A1 (zh) * | 2020-11-02 | 2022-05-05 | 腾讯科技(深圳)有限公司 | 基于人工智能的图像处理方法、装置、计算机设备和存储介质 |
CN113405762A (zh) * | 2021-06-04 | 2021-09-17 | 中国航空工业集团公司沈阳空气动力研究所 | 一种风洞模型形变姿态视觉测量方法 |
CN113899768A (zh) * | 2021-10-08 | 2022-01-07 | 中国石油大学(华东) | 基于流体注入的致密砂岩岩心孔隙连通性分析的方法 |
CN215180964U (zh) * | 2021-11-02 | 2021-12-14 | 深圳市勘察研究院有限公司 | 基于氯化钠示踪剂的监测装置 |
Non-Patent Citations (5)
Title |
---|
Tracer tests in karst hydrogeology and speleology;Nico Goldscheider等;《International Journal of Speleology》;20080131;第37卷(第1期);第27-40页 * |
大武岩溶水源地同位素~(131)I连通试验实例;杨永琪;《勘察科学技术》;19961231(第03期);第31-32页 * |
滨海岩溶发育石灰石矿区关键通道连通技术研究;崔向东等;《工程技术》;20220831;第49卷(第15期);第112-115页 * |
诺水河风景区双峰垭隧道地下水示踪试验与分析;时晓等;《甘肃水利水电技术》;20190228;第55卷(第2期);第32-35页第3-6节 * |
连通域标识法在FMI图像溶洞信息定量拾取中的应用;闫建平等;《地球物理学报》;20161231;第59卷(第12期);第4759-4770页 * |
Also Published As
Publication number | Publication date |
---|---|
CN115170974A (zh) | 2022-10-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109630905A (zh) | 一种基于无人机遥感和深度学习的油气管道全智能巡检*** | |
CN109871730A (zh) | 一种目标识别方法、装置及监控设备 | |
CN109612943A (zh) | 基于机器学习的隧洞岩石石英含量测试***及方法 | |
CN106550326A (zh) | 一种基于无线AP和WiFi网络的景区客流侦测***及方法 | |
US11645842B2 (en) | Method for tracing pollution at drainage outlet of culvert | |
CN103978996A (zh) | 一种高速铁路环境信息采集、评估和预警装置与方法 | |
CN104410820B (zh) | 一种车载轨旁设备箱盒及线缆外观检测*** | |
CN110516518A (zh) | 一种非机动车违法载人检测方法、装置及电子设备 | |
CN102261982A (zh) | 一种隧道渗水的预警方法 | |
CN110929182A (zh) | 一种智能采砂监控装置及其监控方法 | |
CN109459552B (zh) | 一种节点监测装置的投放和回收方法及*** | |
CN102346153A (zh) | 一种隧道病害的检测方法 | |
CN106326949A (zh) | 基于rfid的桥梁工程构件定位识别巡检*** | |
CN206773866U (zh) | 火警预警无人机 | |
DE112015002827T5 (de) | Überschwemmungs-Erfassungs-System | |
CN115170974B (zh) | 基于ai智能检测溶洞连通性的方法及装置 | |
CN113223087A (zh) | 一种基于视频监控的目标物体地理坐标定位方法和装置 | |
CN109784672A (zh) | 一种针对电网异常的实时监测报警***及方法 | |
CN106875096B (zh) | 一种地震房屋损失评估*** | |
CN101793845B (zh) | 一种煤矿皮带x射线透视检测***和方法 | |
CN201749091U (zh) | 一种煤矿皮带x射线透视检测*** | |
KR102119363B1 (ko) | 지하수 관정의 비파괴 검사 시스템 | |
CN107358675A (zh) | 一种管廊综合舱的巡检方法、***及巡检机器人 | |
CN211529214U (zh) | 一种管线巡检装置 | |
CN109000718A (zh) | 一种水工建筑物安全监测***及方法 |
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 |