摘要
本发明提供了一种基于地震数据的致密气微裂缝检测方法及系统,涉及致密气微裂缝检测技术领域,包括获取地震波数据,并通过小波变换去噪、压缩感知重构和中值滤波平滑处理,得到预处理后的地震波数据。利用预设的多维特征提取模型从预处理后的数据中提取微裂缝相关特征,包括裂缝边缘、曲率、频率和相似性特征,构建多维特征矩阵。基于该特征矩阵,采用加入通道的空间注意力机制的卷积神经网络模型进行建模与训练,进而预测每个待检测位置的裂缝概率。通过图像转换和优化处理,将裂缝概率图像进行平滑、去噪与连通性分析,得到最终的裂缝检测结果。本发明能够有效提高微裂缝检测的精度。
技术关键词
卷积神经网络模型
压缩感知重构
裂缝检测方法
小波变换去噪
裂缝检测系统
数据
曲率特征
裂缝特征
特征提取模型
注意力机制
图像
卷积神经网络训练
地震勘探设备
矩阵
频率
滤波
噪声
裂缝检测技术
系统为您推荐了相关专利信息
仿生电子皮肤
信号采集模块
数字数据处理方法
运动物体状态
电流电压转换模块
故障诊断平台
信号处理平台
模数转换单元
样本
调理电路
卷积神经网络模型
注意力机制
序列
融合方法
令牌
智能车载终端
车辆加速度数据
交通事故检测
时序特征
卷积神经网络模型