基于深度学习的彩色以及近红外图像去马赛克

单传感器捕获的彩色-近红外（RGB-NIR）图像存在光谱干扰，从而导致重建出的标准彩色图像（RGB）图像与近红外（NIR）图像存在色彩失真以及细节信息模糊。针对这个问题提出一种基于深度学习的去马赛克方法，通过引入跳远连接与稠密连接解决了梯度消失和梯度弥散问题，使得网络更容易训练，并且提升了网络的拟合能力。首先，用浅层特征提取层提取了马赛克图像的像素相关性以及通道相关性等低级特征；然后，将得到的浅层特征图输入到连续多个的残差稠密块以提取专门针对去马赛克的高级语义特征；其次，为充分利用低级特征与高级特征，将多个残差稠密块提取到的特征进行组合；最后，通过全局跳远连接恢复最终的RGB-NIR图像。在深度学习框架Tensorflow上使用公共的图像与视觉表示组（IVRG）数据集、有植被的户外多光谱图像（OMSIV）数据集和森林（Forest）三个公开数据集进行实验。实验结果表明，所提方法优于基于多级自适应残差插值、基于卷积卷积和神经神经网络以及基于深度残差U型网络的主流的RGB-NIR图像去马赛克方法。     

利用地震品质因子Q比例的分布特征预测南川页岩气藏保存条件

根据地震数据、地质资料和地震属性，开展了南川地区五峰组-龙马溪组下部页岩的地震品质因子Q平面上分布与页岩气保存条件评价研究。针对南川地区页岩气开发中的断裂破碎带，提出了一种获取稳定品质因子Q比例及界限的工作流程和相应的迭代算法。研究表明，地震品质因子Q比例的分布可以快速、直观识别出断裂破碎带的内幕特征与不同类型页岩分布区。其中，断裂破碎带页岩区的品质因子Q比例总体上偏小，大多低于0.2，局部超过0.5，平面上分布杂乱、碎斑状；页岩呈北东向展布的条带，被断裂所撕裂、破碎，保存条件较差。稳定分布的页岩区的品质因子Q比例是较高的，超过0.7，平面变化稳定，没有突变现象，保存条件好。微裂缝发育的页岩区的品质因子Q比例具有渐变的趋势性，品质因子Q比例的分布从该页岩区的边部0.7向中部有规律地减小至0.1，保存条件最佳。实践证明，高产气井大多位于稳定分布的页岩区或内部微裂隙发育的稳定页岩区，地震品质因子Q比例研究方法对页岩气保存评价与开发井优化部署是一个实用工具。     

质量管理体系在检验检测机构实验室的应用

在检测检验机构实验室中,加强对质量管理体系的应用是非常重要的。所谓质量管理体系,代表的是在控制组织与质量指挥的管理体系,属于组织一项重要的战略决策,在实现质量目标上发挥着不可替代的作用。实验室引入RB/T214-2017《检验检测机构资质认定能力评价检验检测机构通用要求》,其作用是非常显著的,例如可实现实验室工作规范化、标准化,进一步确保检验检测结果的可靠准确,提升实验室的管理水平和竞争力。     

围压下煤储层应力-应变、渗透性与声发射试验分析

煤储层应力-应变、渗透性与声发射特征是煤储层压裂改造和产能评价研究的基础,声发射技术作为研究煤、岩石类材料失稳、破裂及其演化过程有效方法,已被广泛应用。采用沁水盆地西山矿区石炭系太原组8号煤层样品开展了不同围压下煤样应力-应变、渗透性与声发射试验研究,揭示了围压对煤的应力-应变、渗透性和声发射的影响及其控制机理。研究结果表明,基于煤样全应力-应变-渗透性-声发射特征,将煤的变形破坏过程划分为孔隙压缩与弹性变形阶段、塑性变形阶段和破坏失稳阶段3个阶段。在孔隙压缩与弹性变形阶段,荷载作用初期煤中孔隙-裂隙逐渐被压密,煤样渗透率下降,进入弹性变形阶段,煤样渗透率较低,声发射活动不明显。在塑性变形阶段,随着轴向应力的增大煤中裂隙扩展,煤样渗透率增大,声发射活动强度明显增高并达到峰值。破坏失稳阶段,煤的轴向应力随应变的增加而降低,煤样渗透率开始下降,声发射强度也逐渐降低。煤的轴向破坏荷载和有效弹性模量以及残余强度均随围压的增高而增大,煤样的初始渗透率、峰值渗透率和残余渗透率以及累计声发射振铃计数均随着围压的增加而降低。不同围压下煤样应力-应变、渗透率和声发射特征是不同围压下煤的破坏机制所致。