CN115755068A - 一种海底管线状态在线智能诊断*** - Google Patents
一种海底管线状态在线智能诊断*** Download PDFInfo
- Publication number
- CN115755068A CN115755068A CN202211403464.8A CN202211403464A CN115755068A CN 115755068 A CN115755068 A CN 115755068A CN 202211403464 A CN202211403464 A CN 202211403464A CN 115755068 A CN115755068 A CN 115755068A
- Authority
- CN
- China
- Prior art keywords
- data
- module
- pipeline
- pipeline state
- sub
- 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.)
- Pending
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 51
- 238000001514 detection method Methods 0.000 claims abstract description 86
- 238000012545 processing Methods 0.000 claims abstract description 60
- 238000004458 analytical method Methods 0.000 claims abstract description 33
- 238000005259 measurement Methods 0.000 claims abstract description 26
- 238000007405 data analysis Methods 0.000 claims abstract description 23
- 230000015572 biosynthetic process Effects 0.000 claims description 15
- 238000005070 sampling Methods 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 5
- 238000003908 quality control method Methods 0.000 claims description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 4
- 230000005855 radiation Effects 0.000 claims description 4
- 238000013135 deep learning Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 10
- 230000007547 defect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 241000282414 Homo sapiens Species 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 238000009991 scouring Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Images
Landscapes
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开一种海底管线状态在线智能诊断***包括:管线状态测量数据模块、管线检测模块、管线状态数据分析模块和分析结果回传模块;管线状态测量数据模块用于对管线状态数据进行数据处理;管线检测模块用于将数据处理后的结果进行管线检测,得到管线目标的检测结果;管线状态数据分析模块用于将检测结果进行分析,得出管线状态的分析结果;分析结果回传模块用于将分析结果进行数据回传。克服缺乏有效的管线状态数据在线处理与分析手段,提高了管线状态在线检测结果呈现的时效性。
Description
技术领域
本发明涉及智能诊断技术领域,具体涉及一种海底管线状态在线智能诊断***。
背景技术
随着海洋油气业、海上风电的蓬勃发展以及沿海岛屿的不断开发,为了满足石油输送、电力传输以及海岛居民供水供电的需求,人类在海底铺设了越来越多的管线。但是受海流冲刷、地质灾害等因素的影响,海底管线会出现裸露海床、悬空的情况。这会极大增加管线被拖网、船锚以及严重破坏的可能性。如果不能及时地对管线状态进行探查与诊断并采取必要的维护措施,管线一旦损坏或断裂就可能造成巨大的经济损失甚至是生态灾难,严重影响人们的生产生活。因此,定期检测海底管线,尤其是定期检测强潮汐环境下的海底管线显得尤为重要。
现有技术中对海底管线探查常用设备有侧扫声呐、多波束声呐、浅底层剖面仪以及磁力计等。其中,侧扫声呐属于主动成像声呐,具有价格低廉、扫测范围大、成像分辨率高的特点,尽管其位置精度不高,但可以用来初步判断管线的分布范围以及其位置状态。多波束声呐能够获取高精度的海底点云数据,适合用来对已知位置管线的精细探测。浅地层剖面仪可以获取断面信息,能够准确得到管线的埋藏深度和出露高度,但无法对管道整体的裸露长度及位置偏移进行详细评估,也不能直观呈现管线周边微地形、地貌特征。磁力仪局限于探测磁性体,无法探测无磁性管线。鉴于各种设备的优缺点,现有管线探查作业通常采用多种设备结合的方式进行。
目前海底管线探查方式主要有载人测量船测量、无人船测量以及水下机器人测量,然而无论采用何种探查方式,均采取“先外业测量后内业数据处理”的工作模式,该模式存在的主要问题是缺乏有效的数据在线处理与分析手段,导致海底管线状态数据存在滞后性,进而带来多种问题:(1)增加了管线处于危险状况的时间,内业数据处理期间,管线可能遭到严重破坏而无法及时处理。(2)管线破损导致的经济损失以及环境破坏程度可能会进一步加大。(3)工作人员或无人设备测量设备无法及时根据测量结果中的信息做出测量方案上的调整,导致一个船舶次数的测量工作可能无法充分且及时获取管线状态信息,不仅增加了测量成本,也进一步降低了管线检测的时效性。(4)数据处理与管线状态诊断需要人工完成,消耗大量人力物力,不利于管线状态诊断的自动化、标准化,而且诊断结果难以避免人为因素。
发明内容
根据本发明的一个方面,提供了一种海底管线状态在线智能诊断***,包括管线状态测量数据模块、管线检测模块、管线状态数据分析模块和分析结果回传模块。
本发明的海底管线状态在线智能诊断***,通过自动实时获取仪器采集到的数据,摒弃了传统的“先外业测量后内业测量”的工作模式,提高了管线状态在线检测结果呈现的时效性。
减少海底管线探查次数,实际减少了管线长时间暴露风险,避免了内业数据处理期间管线可能遭到严重破坏而无法及时处理的问题,同时避免了由于无法及时处理管线异常问题导致的经济损失和环境破坏进一步加剧。
从仪器检测数据到对数据进行处理、检测和分析,并将分析结果传输至管理人员,实际上提高了对管线状态探查的标准化程度和自动化程度,降低人员等的成本。工作人员或无人设备测量设备可以及时根据测量结果中的信息做出测量方案上的优化,增加其在线自主决策能力。
智能数据处理和诊断分析,减少了人为的因素,提高了管线状态的可信度和准确性。
管线状态测量数据模块用于对管线状态数据进行数据处理,得到数据处理结果;
管线检测模块用于将数据处理结果进行基于深度学习网络模型构建管线目标检测模型,对数据处理结果进行管线目标检测,得到管线目标的分割检测结果;
管线状态数据分析模块用于将检测结果进行分析,得出管线状态的分析结果;
分析结果回传模块用于将分析结果进行数据回传。
在一些实施方式中,还包括:分析结果显示管线状态异常时,分析结果回传模块将分析结果进行数据回传。由此,可以具有减少人为干预,提高管线状态探查的标准化程度和自动化程度的效果。
在一些实施方式中,管线状态测量数据模块包括侧扫声呐数据处理子模块、管线检测模块包括侧扫声呐数据目标检测子模块、管线状态数据分析模块包括侧扫声呐数据管线状态诊断子模块和/或管线状态测量数据模块包括多波束点云数据处理子模块、管线状态数据分析模块包括多波束点云数据目标检测子模块、管线状态数据分析模块包括多波束点云数据管线状态诊断子模块和/或管线状态测量数据模块包括浅地层数据处理子模块、管线状态数据分析模块包括浅地层数据目标检测子模块、管线状态数据分析模块包括浅地层数据管线状态诊断子模块;
测扫声呐数据分别经过以下模块进行处理得出分析结果:侧扫声呐数据处理子模块、侧扫声呐数据目标检测子模块和侧扫声呐数据管线状态诊断子模块;
多波束点云数据分别经过以下模块进行处理得出分析结果:多波束点云数据处理子模块、多波束点云数据目标检测子模块和多波束点云数据管线状态诊断子模块;
浅地层数据分别经过以下模块进行处理得出分析结果:浅地层数据处理子模块、浅地层数据目标检测子模块和浅地层数据管线状态诊断子模块。由此,可以具有实时检测管线状态,为管理人员提供在线管线位置,还可以具有增加无人测量平台的在线自主决策能力的效果。
在一些实施方式中,管线状态测量数据模块还可以包括数据质量控制子模块,所述数据质量控制子模块用于去除管线状态数据中的误差数据。由此,可以具有保证数据的有效性和准确性的效果。
在一些实施方式中,其中侧扫声呐数据经过侧扫声呐数据处理子模块的以下处理:侧扫声呐数据解码;海底线跟踪;辐射改正;斜距改正;地理编码后得到侧扫声呐地貌图像。由此,还可以为后续侧扫声呐数据目标检测子模块对侧扫声呐数据进行目标检测提供数据支撑的效果。
在一些实施方式中,其中多波束点云数据经过多波束点云数据处理子模块的以下处理:多波束点云数据解码;数据插值;水深解算;点云滤波;格网化得到地形点云数据。由此,还可以为后续多波束点云数据目标检测子模块对多波束点云数据进行目标检测提供数据支撑的效果。
在一些实施方式中,其中浅地层数据经过浅地层数据处理子模块的以下处理:浅地层数据解码;强度提取;海底线提取;能量补偿;等间隔采样得到浅地层剖面图像。由此,还可以为后续浅地层数据目标检测子模块对浅地层数据进行目标检测提供数据支撑的效果。
在一些实施方式中,其中侧扫声呐数据目标检测子模块用于对侧扫声呐数据进行管线目标检测,得到侧扫声呐数据检测结果。
在一些实施方式中,其中多波束点云数据目标检测子模块用于对多波束点云数据进行管线目标检测,得到多波束点云数据检测结果。
在一些实施方式中,其中浅地层数据目标检测子模块用于对浅地层数据进行管线目标检测,得到浅地层数据检测结果。由此,还可以具有为后续对管线状态的分析提供数据支撑的效果。
在一些实施方式中,其中侧扫声呐数据管线状态诊断子模块对侧扫声呐数据检测结果进行诊断。
在一些实施方式中,其中多波束点云数据管线状态诊断子模块对多波束点云数据检测结果进行诊断。
在一些实施方式中,其中浅地层数据管线状态诊断子模块对浅地层数据检测结果进行诊断。由此,还可以具有智能分析管线状态是否异常的效果。
附图说明
图1为海底管线状态在线智能诊断***工作流程图;
图2为管线状态测量数据模块的结构示意图;
图3为管线检测模块的结构示意图;
图4为管线状态数据分析模块的结构示意图;
图5为本发明一实施例的海底管线状态在线智能诊断***结构示意图。
具体实施方式
下面结合附图对本发明作进一步详细的说明。
图1示意性地显示了本发明的一种实施方式的海底管线状态在线智能诊断***的工作流程图。图5示意性地显示了本发明的一种实施方式的海底管线状态在线智能诊断***的结构示意图。如图1所示,该包括管线状态测量数据模块、管线检测模块、管线状态数据分析模块和分析结果回传模块。
其中,管线状态测量数据模块用于对管线状态数据进行数据处理,得到数据处理结果;
管线检测模块用于将数据处理结果进行基于深度学习网络模型构建管线目标检测模型,对数据处理结果进行管线目标检测,得到管线目标的分割检测结果;
管线状态数据分析模块用于将检测结果进行分析,得出管线状态的分析结果;
分析结果回传模块用于当分析结果显示为管线状态为异常时,将分析结果进行数据回传。
图2示意性地显示了管线状态测量数据模块的结构示意图。
管线状态测量数据模块包括侧扫声呐数据处理子模块、多波束点云数据处理子模块和浅地层数据处理子模块。其中,管线状态数据可以分别由侧扫声呐、多波束声呐、浅地层剖面仪中的辅助传感器进行采集。
其中侧扫声呐数据经过侧扫声呐数据处理子模块中的以下处理:侧扫声呐数据解码;海底线跟踪;辐射改正;斜距改正;地理编码。
侧扫声呐数据解码为根据数据包编码规则提取侧扫声呐数据中的回波强度信息以及时间信息。
海底线跟踪为根据接收回波强度序列变化来确定第一个海底回波采样点对应的时间,进而得到声呐到海底的高度。
辐射改正为根据声波传播距离以及声波入射角度估值对回波强度值进行改正,得到灰度均衡的侧扫声呐图像。
斜距改正为基于平坦海床假设,利用海底线跟踪得到的声呐到海底高度将每个回波点斜距改正成水平距离。
地理编码为利用导航数据、航向数据计算每个回波点的地理坐标。经过上述处理最终会得到一幅具有位置信息的侧扫声呐地貌图像。
其中多波束点云数据经过多波束点云数据处理子模块中的以下处理:多波束点云数据解码;数据插值;水深解算;点云滤波;格网化。
多波束点云数据解码为根据数据包编码规则提取多波束点云数据中的声波回波角度、传播时间以及时间信息。
数据插值为根据回波对应时刻对采集到的数据进行插值,得到回波时刻对应的辅助传感器测量值。
水深解算为根据同一时刻辅助传感器测量值以及声呐测量值计算回波点位置,得到海底点云数据。
点云滤波为根据每个深度测量点以及位置关系剔除异常点。
格网化为通过对海底点云数据进行插值,得到规则海底点云数据,经过上述处理最终得到位置准确的地形点云数据。
其中浅地层数据经过浅地层数据处理子模块中的以下处理:浅地层数据解码;强度提取;海底线提取;能量补偿;等间隔采样。
浅地层数据解码为根据数据包编码规则提取浅地层数据中回波信号振幅、相位信息以及时间信息。
强度提取为利用信号处理得到每个对应采样点对应回波强度。本实施方案中信号处理采用的是希尔伯特变换。
海底线提取为根据回波强度序列变化情况确定第一个海底回波采样点对应时间,通过该时间得到声呐到海底的距离。
能量补偿为根据回波传播时间对应能量损失进行补偿,得到灰度均衡的浅地层剖面图像。
等间隔采样为根据辅助传感器测得的数据,得到瀑布图像,接着原始瀑布图像进行等间距采样,得到具有地理位置且图像横向、纵向分辨率一致的浅地层剖面图像数据,经过上述处理最终得到一幅沿航迹方向上的地层剖面图像数据。瀑布图像为等间距时间下的数据变化图。
管线状态测量数据模块还可以包括数据质量控制子模块,数据质量控制子模块用于去除管线状态数据中的误差数据。管线状态数据包括从侧扫声呐、多波束声呐、浅地层剖面仪中辅助传感器测得的数据。辅助传感器包括但不限于:导航传感器、姿态传感器和航向传感器。
侧扫声呐测得的数据分别经过以下模块进行处理得出分析结果:侧扫声呐数据处理子模块、侧扫声呐数据目标检测子模块和侧扫声呐数据管线状态诊断子模块。
多波束声呐测得的数据分别经过以下模块进行处理得出分析结果:多波束点云数据处理子模块、多波束点云数据目标检测子模块和多波束点云数据管线状态诊断子模块。
浅地层剖面仪测得的数据分别经过以下模块进行处理得出分析结果:浅地层数据处理子模块、浅地层数据目标检测子模块和浅地层数据管线状态诊断子模块。
每一种设备测得新数据时,所对应的子模块会对经过数据质量控制模块后的新数据进行处理。当侧扫声呐测得新数据时,侧扫声呐数据所对应的子模块会对经过数据质量控制模块后的新数据进行处理。这样可以更好的满足实时检测的需求。
多个设备对管线状态进行探查,可以提高管线状态数据的精确性和可信度。为了减少存储中的数据,可以仅将早于当前时刻一段时间内的数据处理结果存储供后续的管线检测模块使用。
图3示意性地显示了管线检测模块的结构示意图。
管线检测模块包括侧扫声呐数据目标检测子模块、多波束点云数据目标检测子模块和浅地层数据目标检测子模块。
侧扫声呐数据目标检测模块基于图像语义分割网络模型构建,将侧扫声呐地貌图像分割为管线目标、阴影区以及海床背景。
多波束点云数据目标检测模块基于分割网络模型构建,将地形点云数据分割成管线目标和海底地形。本实施方案分割网络模型采用的点云语义分割网络模型。
浅地层数据目标检测模块基于目标检测网络模型构建,将浅地层剖面图像中的管线目标位置框选出来。本实施方案采用的目标检测网络模型是Yolov7s目标检测网络模型。
三个子模块独立工作,其网络模型的计算均在单独的计算模块上进行,以满足实时在线检测以及无人设备搭载的需求。计算模块优选低功耗边缘计算单元,本实施方案采用的是Jetson Xavier NX系列的边缘计算卡。
图4示意性地显示了管线状态数据分析模块的结构示意图。
管线状态数据分析模块包括侧扫声呐数据管线状态诊断子模块、多波束点云数据管线状态诊断子模块和浅地层数据管线状态诊断子模块。
侧扫声呐数据管线状态诊断子模块包括对侧扫声呐地貌图像的管线状态进行诊断,其中,若侧扫声呐地貌图像中存在管线目标,判断管线目标是否与阴影相接,若是,则判断为管线裸露,若否则判断为管线悬空。
多波束点云数据管线状态诊断子模块包括对地形点云数据的管线状态进行诊断,其中,若地形点云数据存在管线目标,判断管线目标是否高于海底地形,若是,则判断为管线悬空,若否,则判断为管线裸露。
浅地层数据管线状态诊断子模块包括对浅地层剖面图像的管线状态进行诊断,其中,若浅地层剖面图像存在管线目标,判断管线目标是否高于海底线,若是,则判断为管线悬空,若否,则判断管线目标是否与海底线相交,若是,则判断为管线裸露,若否,则判断为管线深埋。
上述得到的分析结果回传模块将诊断结果可通过无线网络的形式远程回传至海岸边的基站中,供管理人员查看。
以上所述的仅是本发明的一些实施方式。对于本领域的普通技术人员来说,在不脱离本发明创造构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。
Claims (10)
1.海底管线状态在线智能诊断***,其特征在于,包括:管线状态测量数据模块、管线检测模块、管线状态数据分析模块;
所述管线状态测量数据模块用于对管线状态数据进行数据处理,得到数据处理结果;
所述管线检测模块用于将数据处理结果进行基于深度学习网络模型构建管线目标检测模型,对数据处理结果进行管线目标检测,得到管线目标的分割检测结果;
所述管线状态数据分析模块用于将检测结果进行分析,得出管线状态的分析结果。
2.根据权利要求1所述的海底管线状态在线智能诊断***,其特征在于,还包括分析结果回传模块,所述分析结果回传模块用于将分析结果进行数据回传。
3.根据权利要求2所述的海底管线状态在线智能诊断***,其特征在于,当分析结果显示管线状态异常时,分析结果回传模块将分析结果进行数据回传。
4.根据权利要求1所述的海底管线状态在线智能诊断***,其特征在于,所述管线状态测量数据模块包括侧扫声呐数据处理子模块、所述管线检测模块包括侧扫声呐数据目标检测子模块、所述管线状态数据分析模块包括侧扫声呐数据管线状态诊断子模块,测扫声呐数据分别经过以下模块进行处理得出诊断结果:侧扫声呐数据处理子模块、侧扫声呐数据目标检测子模块和侧扫声呐数据管线状态诊断子模块;
和/或所述管线状态测量数据模块包括多波束点云数据处理子模块、所述管线状态数据分析模块包括多波束点云数据目标检测子模块、所述管线状态数据分析模块包括多波束点云数据管线状态诊断子模块,多波束点云数据分别经过以下模块进行处理得出诊断结果:多波束点云数据处理子模块、多波束点云数据目标检测子模块和多波束点云数据管线状态诊断子模块;
和/或所述管线状态测量数据模块包括浅地层数据处理子模块、所述管线状态数据分析模块包括浅地层数据目标检测子模块、所述管线状态数据分析模块包括浅地层数据管线状态诊断子模块,浅地层数据分别经过以下模块进行处理得出诊断结果:浅地层数据处理子模块、浅地层数据目标检测子模块和浅地层数据管线状态诊断子模块。
5.根据权利要求1-4任一项所述的海底管线状态在线智能诊断***,其特征在于,所述管线状态测量数据模块包括数据质量控制子模块,所述数据质量控制子模块用于去除管线状态数据中的误差数据。
6.根据权利要求4所述的海底管线状态在线智能诊断***,其特征在于,侧扫声呐数据经过所述侧扫声呐数据处理子模块的以下处理:侧扫声呐数据解码;海底线跟踪;辐射改正;斜距改正;地理编码后得到侧扫声呐地貌图像。
7.根据权利要求4所述的海底管线状态在线智能诊断***,其特征在于,多波束点云数据经过所述多波束点云数据处理子模块的以下处理:多波束点云数据解码;数据插值;水深解算;点云滤波;格网化得到地形点云数据。
8.根据权利要求4所述的海底管线状态在线智能诊断***,其特征在于,浅地层数据经过所述浅地层数据处理子模块的以下处理:浅地层数据解码;强度提取;海底线提取;能量补偿;等间隔采样得到浅地层剖面图像。
9.根据权利要求4所述的海底管线状态在线智能诊断***,其特征在于,所述侧扫声呐数据目标检测子模块用于对侧扫声呐数据进行管线目标检测,得到侧扫声呐数据检测结果;和/或
所述多波束点云数据目标检测子模块用于对多波束点云数据进行管线目标检测,得到多波束点云数据检测结果;和/或
所述浅地层数据目标检测子模块用于对浅地层数据进行管线目标检测,得到浅地层数据检测结果。
10.根据权利要求9所述的海底管线状态在线智能诊断***,其特征在于,所述侧扫声呐数据管线状态诊断子模块对侧扫声呐数据检测结果进行诊断得到诊断结果;和/或
所述多波束点云数据管线状态诊断子模块对多波束点云数据检测结果进行诊断得到诊断结果;和/或
所述浅地层数据管线状态诊断子模块对浅地层数据检测结果进行诊断得到诊断结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211403464.8A CN115755068A (zh) | 2022-11-09 | 2022-11-09 | 一种海底管线状态在线智能诊断*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211403464.8A CN115755068A (zh) | 2022-11-09 | 2022-11-09 | 一种海底管线状态在线智能诊断*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115755068A true CN115755068A (zh) | 2023-03-07 |
Family
ID=85368100
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211403464.8A Pending CN115755068A (zh) | 2022-11-09 | 2022-11-09 | 一种海底管线状态在线智能诊断*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115755068A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104976518A (zh) * | 2015-06-08 | 2015-10-14 | 中国海洋石油总公司 | 一种海底管线泄漏监测*** |
CN208012618U (zh) * | 2018-02-05 | 2018-10-26 | 天津市陆海测绘有限公司 | 一种海管调查*** |
CN110060248A (zh) * | 2019-04-22 | 2019-07-26 | 哈尔滨工程大学 | 基于深度学习的声呐图像水下管道检测方法 |
CN111028154A (zh) * | 2019-11-18 | 2020-04-17 | 哈尔滨工程大学 | 一种地形崎岖不平海底的侧扫声呐图像匹配拼接方法 |
CN111854704A (zh) * | 2020-07-15 | 2020-10-30 | 天津市陆海测绘有限公司 | 一种海洋地球物理综合调查*** |
WO2022166097A1 (zh) * | 2021-02-08 | 2022-08-11 | 中国科学院声学研究所 | 一种侧扫声呐的水下目标多模式成像方法 |
-
2022
- 2022-11-09 CN CN202211403464.8A patent/CN115755068A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104976518A (zh) * | 2015-06-08 | 2015-10-14 | 中国海洋石油总公司 | 一种海底管线泄漏监测*** |
CN208012618U (zh) * | 2018-02-05 | 2018-10-26 | 天津市陆海测绘有限公司 | 一种海管调查*** |
CN110060248A (zh) * | 2019-04-22 | 2019-07-26 | 哈尔滨工程大学 | 基于深度学习的声呐图像水下管道检测方法 |
CN111028154A (zh) * | 2019-11-18 | 2020-04-17 | 哈尔滨工程大学 | 一种地形崎岖不平海底的侧扫声呐图像匹配拼接方法 |
CN111854704A (zh) * | 2020-07-15 | 2020-10-30 | 天津市陆海测绘有限公司 | 一种海洋地球物理综合调查*** |
WO2022166097A1 (zh) * | 2021-02-08 | 2022-08-11 | 中国科学院声学研究所 | 一种侧扫声呐的水下目标多模式成像方法 |
Non-Patent Citations (3)
Title |
---|
张永明等: "声波探测技术在海底输油管道检测中的应用", 《海洋测绘》, vol. 34, no. 1, pages 113 - 67 * |
施凤等: "浅地层剖面数据的自动精处理方法研究", 《测绘地理信息》, vol. 42, no. 2, pages 181 - 268 * |
王强等: "联合多波束和侧扫声纳的非掩埋海缆调查技术", 《海洋测绘》, vol. 42, no. 3, pages 141 - 143 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108413926B (zh) | 用于海上风电场群桩桩基水下地形高程高精度测量的方法 | |
CN111854704A (zh) | 一种海洋地球物理综合调查*** | |
EP3078991B1 (en) | Method for swell effect and mis-tie correction in high-resolution seismic data using multi-beam echo sounder data | |
CN105352476A (zh) | 船载水岸线水上水下一体化测量***集成方法 | |
CN105711768A (zh) | 一种船载式船舶吃水自动检测*** | |
CN109100723A (zh) | 基于多普勒天气雷达数据的高空风反演方法 | |
CN115951361B (zh) | 基于大数据平台的海上风电桩的智能地形扫测方法 | |
CN106405559A (zh) | 一种船舶吃水检测方法 | |
Kearns et al. | Bathymetry-The art and science of seafloor modeling for modern applications | |
Bourillet et al. | Swath mapping system processing: Bathymetry and cartography | |
CN111220146B (zh) | 一种基于高斯过程回归学习的水下地形匹配定位方法 | |
KR101339678B1 (ko) | 갯녹음 실태조사를 위한 암반,비암반 면적 산출방법 | |
CN108761470B (zh) | 一种基于拖缆形态方程解析的目标定位方法 | |
CN116660996B (zh) | 一种基于深度学习的漂流式浅海局部地声参数预测方法 | |
CN116523822A (zh) | 一种基于侧扫声呐的海缆检测识别方法 | |
Medina et al. | Management of dynamic navigational channels using video techniques | |
CN111854705A (zh) | 一种水下测绘方法 | |
CN115755068A (zh) | 一种海底管线状态在线智能诊断*** | |
CN116738375A (zh) | 基于单条带测深数据的诱导升沉误差探测消除方法及*** | |
CN116519056A (zh) | 一种基于无人船的河底淤积动态监测方法 | |
CN213813947U (zh) | 海上风电基础海缆接入端检测*** | |
CN107010181B (zh) | 一种基于多波束仰扫的船舶吃水自动检测***与方法 | |
CN115290055A (zh) | 基于无人机和无人船的海岸带sbt-dem构建方法 | |
CN111895939B (zh) | 一种基于多源声呐定位的水下滑坡体变形监测装置和方法 | |
CN111650593A (zh) | 一种海上风电场海缆敷设状态探查***及其工作方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230307 |