面向剩余油挖潜的单油井控制区域划分方法研究

剩余油挖潜是提高石油产量的重要途径,合理划分单个油井的控制区域是制定有效挖潜措施的重要前提。文章结合石油开采原理和油藏工程师的实践经验,提出了水驱效果和水流方向2条启发式规则,并在此基础上提出一种自动划分单油井控制区域的方法。该方法首先基于水驱效果和水流方向选取给定油井的周围注水井,并依次连接周围水井形成多边形区域;若多边形中没有其他油井,则该多边形区域内与油井连通的区域即油井的控制区域,否则依据连通性和距离原则将多边形区域划分为多口油井的控制区域。文中提出的方法应用于自主开发的面向大庆油田的剩余油分析与辅助决策系统软件中,取得了良好的应用效果。

基于卷积去噪自编码器的芯片表面弱缺陷检测方法

芯片表面缺陷会影响芯片的外观和性能,因此表面缺陷检测是芯片生产过程中的重要环节。具有缺陷与背景对比度低、缺陷较小等特点的弱缺陷给传统检测方法带来了挑战。因为近年来深度学习在机器视觉领域展现出了强大的能力,所以文中采用基于深度学习的方法来研究芯片表面弱缺陷的检测问题。该方法将芯片表面缺陷看作噪音,首先应用卷积去噪自编码器(Convolutional Denoising Auto-encoders,CDAE)重构无缺陷图像,然后用重构的无缺陷图像减去输入图像,获得包含缺陷信息的残差图。因为残差图中已经消除了背景的影响,所以最后可以基于残差图较容易地进行缺陷检测。由于基于CDAE重构芯片背景的无缺陷图像时存在随机噪音,导致弱缺陷可能会湮没在重构噪音中,为此,文中提出了重叠分块策略抑制重构噪音,以便更好地检测弱缺陷。因为CDAE是无监督学习网络,所以训练时无需进行大量的人工数据标注,这进一步增强了该方法的可应用性。通过对真实芯片表面数据进行测试,验证了所提方法在芯片表面检测上的有效性。

基于Faster-RCNN的结核杆菌自动检测方法研究与应用

染色处理可使结核杆菌在显微镜拍摄的医学图像中显现,医生通过检测图像中的结核杆菌辅助诊断结核病。近年来卷积神经网络(CNN)在目标检测上取得了突破性进展,但结核杆菌存在图像上尺度小,构造标注数据难,不适用迁移学习等问题,使得基于CNN的目标检测方法在结核杆菌检测方面尚存在一定的困难。为此,以Faster-RCNN目标检测算法为基础,研究在医学图像上的结核杆菌检测问题。针对结核杆菌尺度小,提出重叠子图划分策略;针对标注数据构造难,提出分块、迭代标注策略。实践证明,该方法有较高的准确度以及可接受的速度,已构建了13 261个结核杆菌的训练数据,应用于合作单位的医疗检测产品,能满足实际应用需求。

基于布局模板的家具自动布局方法研究与应用

人们对居家环境的高要求推动了家装市场的快速发展,庞大的家装市场对高自动化程度的家装CAD软件有迫切需求。家具布局是家装设计的重要组成部分,文章提出了基于模板的自动家具布局方法,以提高家装CAD软件的自动化水平。首先用模板记录设计师的初步设计方案和所遵循的一系列设计原则;然后通过结合模板映射和冲突消解方法,自动完成给定房间的家具布局设计。因为模板映射和冲突消解均基于规则进行,所以该方法的结果具有较好的可解释性,研究成果已经集成进入合作研发的自动家装设计平台,基于设计平台的测试效果令人满意。