申请/专利权人：中海油田服务股份有限公司

申请日：2024-02-05

公开（公告）日：2024-03-15

公开（公告）号：CN117710374A

主分类号：G06T7/00

分类号：G06T7/00;G06N3/0464;G06N3/084;G06T7/70;G06V10/764;G06V10/80;G06V10/82

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.02#实质审查的生效;2024.03.15#公开

摘要：本发明公开了一种基于深度学习的跑冒滴漏检测方法、装置、设备及介质，涉及计算机视觉领域，其中，该方法包括：采集油田作业现场的视频流数据，利用视频流数据中各个帧的图像数据构建跑冒滴漏数据集；依据跑冒滴漏数据集，对基于深度学习的初始跑冒滴漏目标检测模型进行训练和优化，得到经过训练的跑冒滴漏目标检测模型；将待检测视频流数据中各个帧的图像数据输入至经过训练的跑冒滴漏目标检测模型进行目标检测，得到其各个帧的检测数据；根据各个帧的检测数据，计算其相邻帧对应的阀门区域之间的汉明距离；依据汉明距离判断是否发生跑冒滴漏情况，并对判断结果进行存储。本发明有效地提高了跑冒滴漏检测的准确性和检测效率。

主权项：1.一种基于深度学习的跑冒滴漏检测方法，其特征在于，所述方法包括：采集油田作业现场的视频流数据，利用所述视频流数据中各个帧的图像数据，构建跑冒滴漏数据集；依据所述跑冒滴漏数据集，对预先构建的基于深度学习的初始跑冒滴漏目标检测模型进行训练和优化，得到经过训练的跑冒滴漏目标检测模型；将油田作业现场的待检测视频流数据中各个帧的图像数据输入至所述经过训练的跑冒滴漏目标检测模型进行目标检测，得到所述待检测视频流数据的各个帧的检测数据；根据所述待检测视频流数据的各个帧的检测数据，计算所述待检测视频流数据的相邻帧对应的阀门区域之间的汉明距离；依据所述汉明距离，判断是否发生跑冒滴漏情况，并对判断结果进行存储。

全文数据：

权利要求：

百度查询： 中海油田服务股份有限公司 基于深度学习的跑冒滴漏检测方法、装置、设备及介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD