[发明专利]基于特征去相关的用于封孔剂注射器的注射参数确定方法在审

专利信息
申请号: 202011519163.2 申请日: 2020-12-21
公开(公告)号: CN112614175A 公开(公告)日: 2021-04-06
发明(设计)人: 杨平元 申请(专利权)人: 苏州拓驰信息技术有限公司
主分类号: G06T7/60 分类号: G06T7/60;G06T9/00;G06N3/04
代理公司: 暂无信息 代理人: 暂无信息
地址: 215000 江苏省苏州市中国(江苏)自由贸易试验*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 特征 相关 用于 封孔剂 注射器 注射 参数 确定 方法
【说明书】:

本申请公开了一种基于特征去相关的用于封孔剂注射器的注射参数确定方法,其包括:将待封闭钻孔的图像通过卷积神经网络以获得特征图;获取在抽采瓦斯气体时获得的气体参数并将其转化为输入向量;将所述输入向量通过深度神经网络,以获得气体特征向量;计算所述特征图相对于所述气体特征向量的内积矩阵;计算所述气体特征向量相对于所述特征图的内积向量;以所述特征图按像素位置减去所述内积矩阵,以获得去相关特征图;以所述气体特征向量按元素位置减去所述内积向量,以获取去相关特征向量;将所述去相关特征图通过全连接层以获得形状向量;以及,将所述形状向量和所述去相关特征向量级联后通过编码器,以获得用于封孔剂注射器的注射参数。

技术领域

本申请涉及人工智能领域,且更为具体地,涉及一种基于特征去相关的用于封孔剂注射器的注射参数确定方法、基于特征去相关的用于封孔剂注射器的注射参数确定系统和电子设备。

背景技术

现在的煤矿瓦斯的开采都是使用钻孔抽采的方式,这样,在开采过程中需要进行钻孔和封孔,来保证瓦斯的安全开采。目前,在对孔进行封闭的时候都是采用封孔剂注射器将封孔剂注射到孔中来进行封孔。

但是,现有的封孔剂注射器在对钻出来的孔进行封堵时,仍存在一些缺陷,首先,不能根据孔的形状、大小和深度进行调整,对于不同的孔,通常根据经验选择不同的封孔剂注射器,影响了封孔效果。另外,在向孔内注射封孔剂时,有时需要对钻出来的孔进行定向封堵,使得封孔剂可以在孔中进行有效的定向膨胀,提高使用效果,但是目前也没有很好地确定封孔定向的方法。

因此,期望一种优化的用于煤矿瓦斯开采钻孔的封孔剂注射器的注射参数确定的技术方案。

目前,深度学习以及神经网络已经广泛应用于计算机视觉、自然语言处理、文本信号处理等领域。此外,深度学习以及神经网络在图像分类、物体检测、语义分割、文本翻译等领域,也展现出了接近甚至超越人类的水平。

近年来,深度学习以及神经网络的发展为封孔剂注射器的注射参数确定提供了新的解决思路和方案。

发明内容

为了解决上述技术问题,提出了本申请。本申请的实施例提供了一种基于特征去相关的用于封孔剂注射器的注射参数确定方法、基于特征去相关的用于封孔剂注射器的注射参数确定系统和电子设备,其以深度神经网络提取钻孔图像的特征图来捕捉钻孔的形状和大小特征,并以深度神经网络基于钻孔中流出的气体参数来提取用于表示钻孔的深度和内部结构特征的特征向量,进而对所述特征图和所述特征向量进行去相关处理,并对去相关处理后的所述特征向量和所述特征图进行编码,以确定封孔剂注射器的注射参数。

根据本申请的一个方面,提供了一种基于特征去相关的用于封孔剂注射器的注射参数确定方法,其包括:

获取待封闭的钻孔的图像;

将所述钻孔图像通过卷积神经网络以获得特征图;

获取在钻孔抽采瓦斯气体的过程中所获得的气体参数并将所述气体参数转化为输入向量;

将所述输入向量通过深度神经网络,以获得气体特征向量;

计算所述特征图相对于所述气体特征向量的内积矩阵,所述内积矩阵用于表示所述特征图与所述气体特征向量之间的相关性;

计算所述气体特征向量相对于所述特征图的内积向量,所述内积向量用于表示所述气体特征向量与所述特征图之间的相关性;

以所述特征图按像素位置减去所述内积矩阵,以获得去相关特征图;

以所述气体特征向量按元素位置减去所述内积向量,以获取去相关特征向量;

将所述去相关特征图通过全连接层以获得形状向量;以及

将所述形状向量和所述去相关特征向量级联后通过编码器,以获得用于封孔剂注射器的注射参数。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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苏州拓驰信息技术有限公司,未经苏州拓驰信息技术有限公司许可,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/202011519163.2/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top