[发明专利]一种井下工具的识别方法、识别装置及电子设备在审
申请号: | 201911302685.4 | 申请日: | 2019-12-17 |
公开(公告)号: | CN111126469A | 公开(公告)日: | 2020-05-08 |
发明(设计)人: | 李道伦;查文舒;孔舫 | 申请(专利权)人: | 合肥鼎盛锦业科技有限公司 |
主分类号: | G06K9/62 | 分类号: | G06K9/62 |
代理公司: | 北京集佳知识产权代理有限公司 11227 | 代理人: | 王娇娇 |
地址: | 230092 安徽省*** | 国省代码: | 安徽;34 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 井下 工具 识别 方法 装置 电子设备 | ||
1.一种井下工具的识别方法,其特征在于,包括:
获得井下工具的磁定位图像,所述井下工具的磁定位图像为:从井的磁定位曲线中截取出的与井下工具对应的磁定位曲线段;
将所述井下工具的磁定位图像输入至预先完成训练的分类模型,得到所述分类模型输出的所述井下工具的磁定位图像所属的工具类别;
其中,所述分类模型利用多种井下工具的磁定位样本图像和工具类别标注信息进行训练得到。
2.根据权利要求1所述的方法,其特征在于,所述获得井下工具的磁定位图像,包括:
获得井的磁定位曲线;
接收至少一组深度信息,其中,每组深度信息包括起始深度和结束深度;
基于每一组深度信息中的起始深度和结束深度,从所述井的磁定位曲线中截取与各组深度信息对应的磁定位曲线段。
3.根据权利要求1或2所述的方法,其特征在于,还包括:
获得所述井下工具的磁定位图像的深度信息;
利用所述分类模型输出的工具类别和所述深度信息,标注所述井下工具的磁定位图像。
4.根据权利要求1所述的方法,其特征在于,所述分类模型的训练过程,包括:
获得训练样本集,所述训练样本集包括多种井下工具的训练样本,其中,每个训练样本为一个井下工具的磁定位样本图像,每个训练样本具有表征其所属井下工具的工具类别标注信息;
利用预先构建的分类模型对所述训练样本进行类别预测,得到所述训练样本的工具类别预测结果;
依据所述训练样本的工具类别标注信息和工具类别预测结果,调整所述分类模型的模型参数,直至调整后的分类模型满足预设收敛条件。
5.根据权利要求4所述的方法,其特征在于,所述训练样本集中,多种井下工具的训练样本的数量之间的差值在预设范围内。
6.一种井下工具的识别装置,其特征在于,包括:
磁定位图像获取单元,用于获得井下工具的磁定位图像,所述井下工具的磁定位图像为:从井的磁定位曲线中截取出的与井下工具对应的磁定位曲线段;
识别单元,用于将所述井下工具的磁定位图像输入至预先完成训练的分类模型,得到所述分类模型输出的所述井下工具的磁定位图像所属的工具类别;
其中,所述分类模型利用多种井下工具的磁定位样本图像和工具类别标注信息进行训练得到。
7.根据权利要求6所述的装置,其特征在于,所述磁定位图像获取单元具体用于:
获得井的磁定位曲线;接收至少一组深度信息,其中,每组深度信息包括起始深度和结束深度;基于每一组深度信息中的起始深度和结束深度,从所述井的磁定位曲线中截取与各组深度信息对应的磁定位曲线段。
8.根据权利要求6或7所述的装置,其特征在于,还包括磁定位图像标注单元;
所述磁定位图像标注单元用于:获得所述井下工具的磁定位图像的深度信息,利用所述分类模型输出的工具类别和所述深度信息,标注所述井下工具的磁定位图像。
9.根据权利要求6所述的装置,其特征在于,还包括模型训练单元;
所述模型训练单元用于:获得训练样本集,所述训练样本集包括多种井下工具的训练样本,其中,每个训练样本为一个井下工具的磁定位样本图像,每个训练样本具有表征其所属井下工具的工具类别标注信息;利用预先构建的分类模型对所述训练样本进行类别预测,得到所述训练样本的工具类别预测结果;依据所述训练样本的工具类别标注信息和工具类别预测结果,调整所述分类模型的模型参数,直至调整后的分类模型满足预设收敛条件。
10.一种电子设备,其特征在于,包括处理器和存储器;
所述处理器,用于调用并执行所述存储器中存储的程序;
所述存储器用于存储所述程序,所述程序至少用于:
获得井下工具的磁定位图像,所述井下工具的磁定位图像为:从井的磁定位曲线中截取出的与井下工具对应的磁定位曲线段;
将所述井下工具的磁定位图像输入至预先完成训练的分类模型,得到所述分类模型输出的所述井下工具的磁定位图像所属的工具类别;
其中,所述分类模型利用多种井下工具的磁定位样本图像和工具类别标注信息进行训练得到。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于合肥鼎盛锦业科技有限公司,未经合肥鼎盛锦业科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911302685.4/1.html,转载请声明来源钻瓜专利网。