CN101493888A - Pdc岩屑数字图像录井方法 - Google Patents
Pdc岩屑数字图像录井方法 Download PDFInfo
- Publication number
- CN101493888A CN101493888A CNA2009101199952A CN200910119995A CN101493888A CN 101493888 A CN101493888 A CN 101493888A CN A2009101199952 A CNA2009101199952 A CN A2009101199952A CN 200910119995 A CN200910119995 A CN 200910119995A CN 101493888 A CN101493888 A CN 101493888A
- Authority
- CN
- China
- Prior art keywords
- landwaste
- lithology
- color
- identification
- pdc
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Geophysics And Detection Of Objects (AREA)
Abstract
一种智能描述PDC钻头钻井中产生的岩屑的PDC岩屑数字图像录井方法,包含单层岩屑描述、多层岩屑信息管理及岩性录井曲线绘制等功能,所述单层岩屑描述含自动识别和人工识别,其中自动识别含宏、微观的颜色、岩性描述;其特征在于:自动识别中的宏观描述即对单层岩屑图像背景去除后直接提取颜色、岩性特征,再用各自分类器分别判识;微观描述则对背景去除后的图像先分割,提取各单粒岩屑,再分别提取其颜色、岩性特征,然后进行分别判识,最后统计单层同类岩性的岩屑面积,得到各类岩屑比例,绘制出录井曲线图;人工识别中可修正自动识别所得类别,加载到训练样本库中,以备更新分类器,提高识别率。
Description
技术领域:
本发明专利涉及一套基于数字图像处理技术,利用PDC钻头条件下石油录井现场采集的大量细小岩屑大视场、高分辨率图像,借以实现岩屑特征描述和种类智能识别的PDC岩屑数字图像录井方法,属于地质勘探和信息存储领域。
背景技术:
对钻井岩样进行准确细致的观察和描述是保证石油勘探开发效率与效益的有力手段。近年来PDC钻头在勘探领域得到了普遍的推广,其独特的破岩机理在大大提高钻探效率的同时造成岩屑细小、量少、肉眼难以分辨等难题,使得传统的人工录井工作方式无法实现PDC钻头条件下岩屑的快速准确识别。而将数字图像采集处理技术引入录井领域实现细小岩屑特征的自动提取和快速分析已经成为解决这一难题的发展方向。
现有的基于图像处理技术的岩屑特征分析方法在岩屑种类的识别准确率、识别效率以及自动化程度方面均难以满足录井现场的使用要求。因此,建立一套具有较高自动化和智能化程度,能够在录井现场实现岩屑图像特征自动分析和准确快速识别的PDC岩屑数字图像录井方法已经成为当今石油勘探领域的一大需求。
发明内容:
本发明专利的目的在于:为现场录井工作建立一套基于数字图像处理技术,利用PDC钻头条件下大量细小岩屑高分辨率、大视场数字图像,借以实现岩屑特征描述、种类识别和录井曲线绘制等目的的PDC岩屑数字图像录井方法,该方法具有自动化和智能化程度高、岩屑特征描述准确,识别率高等特征。
该岩屑录井方法包括单层岩屑特征描述和多层岩屑信息管理以及岩性录井曲线绘制功能。其中,单层岩屑特征描述将系统自动识别与人工识别有机的结合起来,形成了一套特有的人机互作模式;自动识别中,分别从宏观和微观两个层次进行岩屑的特征提取和分类识别,宏观即对单层岩屑所拍得整幅图像在背景去除后直接提取颜色和岩性特征,然后分别运用颜色和岩性分类器分类识别;微观部分,则对背景去除后的岩屑图像先分割,提取各单颗岩粒的完整边缘,然后对各单颗岩粒分别提取颜色和岩性特征,再分别运用颜色和岩性分类器分别识别,最后统计单层同类岩性的岩屑面积,得到各类岩性所占比例,并绘制出录井曲线图。人工识别中可对宏微观自动识别所得类别进行修正,并加载到训练样本库中,以备重新训练分类器,来提高岩屑自动识别的准确率。这样就即从整体上抓住了大量岩屑的宏观主体特征,又从各类岩粒的统计中获得了整包岩屑的微观特征——各类岩屑所占比例及颜色,再结合录井人员的现场修正,即可实现岩屑的准确快速描述。
本发明专利具有以下特点:
1.单层岩屑特征描述将系统自动识别与人工识别有机的结合起来,凭借地质录井的传统经验,借助人工识别结果对自动识别结果进行修正,并重新训练分类器,以提高岩屑自动识别的准确率。
2.单层岩屑自动识别从宏观、微观两个角度分别对颜色和岩性特征进行分类描述,颜色部分实现了棕红色、肉红色、黄色、绿色、棕色、黑色、灰色、白色、紫红色、蓝灰色、褐色、紫色、深灰色十三种颜色的分类识别,岩性部分实现了泥岩、砂岩和其他类别的分类识别。
3.单层岩屑特征描述的宏观、微观颜色判定均采用先变换颜色空间到HSI空间,然后对十三种标准颜色岩屑在三维度颜色空间中确定均值中心位置,最后比较待描述岩屑均值点位置与各标准岩屑的中心位置距离,根据最近距离识别出颜色。
4.单层岩屑图像边缘提取部分采用了五维均值偏移聚类和边缘膨胀算法,实现了岩屑图像中各单粒岩屑边缘的完整提取。
5.单层岩屑特征提取中,宏观岩性部分提取了图像的灰度统计特征,含:均值、方差、偏度、峰值、能量、熵;微观岩性部分运用Gabor方法提取了图像的80个纹理特征。宏微观颜色部分均提取了RGB和HSI颜色空间的各分量统计均值特征。
6.单层岩屑分类识别中,宏观和微观的颜色分类均采用了三维均值聚类分类识别方法,岩性分类均采用了支持向量机(SVM)分类器分类识别。
7.多层岩屑岩性录井曲线绘制,即根据单层微观描述中得到的各类岩屑岩性所占比例,通过数学上的三次插值算法,绘制整个钻井过程中各地层泥岩、砂岩所占比例的录井曲线,为现场录井人员提供了实时直观的地层岩性曲线走势信息。
附图说明:
图1是PDC岩屑数字图像录井方法流程示意图;
图2是微观特征描述状态下PDC岩屑数字图像录井仪岩屑描述系统的操作界面;
图3是宏观特征描述状态下PDC岩屑数字图像录井仪岩屑描述系统的操作界面;
图中:1、井区信息管理,2、录井结果显示,3、录井曲线描绘,4、微观描述结果查看,5、岩屑特征描述,6、岩屑图像显示窗口,7、分类器控制菜单,8、RGB色度空间坐标,9、HSI色度空间坐标,10、岩屑微观特征统计图,11、微观识别结果显示窗口,12、人工识别输入窗口,13、宏观描述结果查看,14、岩屑宏观特征统计图,15、宏观识别结果显示窗口,16、岩屑录井区,17、岩屑描述区,18、岩屑图像采集。
具体实施方式:
PDC岩屑数字图像录井方法由单层岩屑描述、多层岩屑信息管理和录井曲线绘制三部分功能构成。其中,单层岩屑描述功能由岩屑描述17和分类器7两大子系统负责实现。岩屑描述17子系统包括岩屑图像采集18、图像显示6、岩屑特征描述5、微观描述结果查看4和宏观描述结果查看13、人工识别12五大模块;分类器7子系统包括训练样本加载、训练样本查看、分类器训练、分类器恢复四大模块;多层岩屑信息管理功能由井区信息管理1和多层录井结果显示2两大子系统负责实现;录井曲线绘制功能则由录井曲线描绘3子系统负责实现。
分类器7子系统包括颜色聚类分类器和岩性SVM分类器,其分别采用HSI颜色空间中的三维度均值聚类分类和支持向量机分类算法,均具有训练样本的加载、查看及分类器训练和恢复的功能。
图像显示6模块实现了被采集原始图像以及图像分割处理后结果的可视化显示,并且能够通过右键菜单实现对图像中单颗岩粒的属性查看。
颜色特征描述5模块实现了宏微观岩屑颜色和岩性的特征提取和分类识别。其中,宏微观颜色的判定方法相同,均首先将岩屑图像的颜色空间由RGB转换为HSI,并显示出各自的RGB色度坐标8和HSI色度坐标9。之后算出HSI空间中的三维度均值,并计算出它与颜色聚类分类器训练过程中得到的各标准颜色岩屑中心点的距离,将距离最近的标准颜色标定为该岩屑的颜色。相应结果分别由微观识别结果显示窗口11和宏观识别结果显示窗口15加以显示,在宏观识别中,将同时显示出岩屑宏观特征统计图14。
岩屑特征描述5模块中的微观岩性识别首先对背景去除后的岩屑图像采用五维均值偏移聚类和边缘膨胀算法进行边缘提取,然后采用Gabor变换提取单颗岩粒图像的纹理特征,再运用支持向量机分类器分类,识别出单颗岩粒的岩性,最后统计整幅岩屑图像中各类岩屑面积所占比例,显示在岩屑微观特征统计图10中,以比例最大的岩屑种类标定此层岩屑的岩性,并在微观识别结果显示窗口11中显示结果。
岩屑特征描述5模块中的宏观岩性识别直接对背景去除后的岩屑图像,在HSI空间中提取整幅图像的灰度直方图统计特征,再运用训练好的支持向量机分类器分类,识别出整幅图像的岩性,并在宏观识别结果显示窗口15中显示结果。
在单层岩屑描述17功能中增加的人工识别12模块极大提高了PDC岩屑数字图像录井方法的识别准确率,并拓展了其适用范围。如在录井现场的使用过程中,宏微观颜色、岩性的自动识别结果不能够令人满意,则可根据传统地质录井经验对自动识别的结果进行人工修正,并人工识别输入窗口12输入人工识别结果。人工识别结果一经输入将被记录进数据库中,并被作为全新的训练样本用于对分类器7子系统进行重新训练,以获得令人满意的分类结果。
多层岩屑信息管理功能借助数据库的强大数据存储功能,将不同井区、不同层段的单层岩屑描述结果进行综合管理。在井区信息管理1点击某井区名,可方便快捷的获得该井区各个层段的岩屑录井结果,并显示在多层录井结果显示2窗口中。
录井曲线描绘子系统3借助单层岩屑描述17中微观岩性识别结果,将得到的不同地层层段中各类岩屑岩性所占比例,通过数学上的三次插值算法,绘制出整个钻进过程中各个地层中泥岩、砂岩所占比例的录井曲线,从而实现录井曲线绘制功能。
Claims (8)
1、一种对石油钻井过程中PDC钻头产生的岩屑图像进行自动分析、快速识别分类的PDC岩屑数字图像录井方法,包含单层岩屑特征描述、多层岩屑管理及岩性录井曲线绘制等功能,所述单层岩屑特征描述由自动识别和人工识别系统构成,其中自动识别部分包含宏观颜色、宏观岩性、微观颜色和微观岩性智能描述,其特征在于:
自动识别中的宏观描述即对单层岩屑所拍得整幅图像在背景去除后直接提取颜色和岩性特征,然后分别运用颜色和岩性分类器分类识别;
微观描述则对背景去除后的硬件采集图像先分割,提取各单粒岩屑的完整边缘,然后对各单粒岩屑分别提取颜色和岩性特征,分别运用颜色和岩性分类器分别识别,最后统计同类岩性的岩屑面积,得到各类岩性所占比例。
2、根据权利要求1所述的PDC岩屑数字图像录井方法,其特征在于:所述单层岩屑特征描述是将系统自动识别与人工识别有机的结合起来,借助地质录井的人工识别结果对自动识别结果进行修正,并重新训练分类器,来提高岩屑自动识别的准确率。
3、根据权利要求2所述的PDC岩屑数字图像录井方法,其特征在于:所述单层岩屑自动识别是从宏观、微观两个角度分别对颜色和岩性特征进行分类描述,颜色部分实现了棕红色、肉红色、黄色、绿色、棕色、黑色、灰色、白色、紫红色、蓝灰色、褐色、紫色、深灰色十三种颜色的分类识别,岩性部分实现了泥岩、砂岩和其他类别的分类识别。
4、根据权利要求3所述的PDC岩屑数字图像录井方法,其特征在于:所述单层岩屑特征描述的宏观、微观颜色判定均是采用先变换颜色空间到HSI空间,然后对十三种标准颜色岩屑在三维度颜色空间中确定均值中心位置,最后比较待描述岩屑均值点位置与各标准岩屑的中心位置距离,根据最近距离识别出颜色。
5、根据权利要求3所述的PDC岩屑数字图像录井方法,其特征在于:所述单层岩屑图像边缘提取部分是采用五维均值偏移聚类和边缘膨胀算法,实现岩屑图像中各单粒岩屑边缘的完整提取。
6、根据权利要求3所述的PDC岩屑数字图像录井方法,其特征在于:所述单层岩屑特征提取宏观岩性部分提取了图像的灰度统计特征,含:均值、方差、偏度、峰值、能量、熵;微观岩性部分运用Gabor方法提取了图像的80个纹理特征,宏微观颜色部分均提取了RGB和HSI颜色空间的各分量统计均值特征。
7、根据权利要求3所述的PDC岩屑数字图像录井方法,其特征在于:所述单层岩屑分类识别中宏观和微观的颜色分类均采用了三维均值聚类分类识别方法,岩性分类均采用了支持向量机分类器分类识别。
8、根据权利要求1所述的PDC岩屑数字图像录井方法,其特征在于:所述多层岩屑岩性录井曲线绘制,是根据单层微观描述中得到的各类岩屑岩性所占比例,通过数学上的三次插值算法,绘制整个钻井过程中各地层泥岩、砂岩所占比例的录井曲线,实时获取直观的地层岩性曲线走势信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009101199952A CN101493888B (zh) | 2009-03-03 | 2009-03-03 | Pdc岩屑数字图像录井方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009101199952A CN101493888B (zh) | 2009-03-03 | 2009-03-03 | Pdc岩屑数字图像录井方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101493888A true CN101493888A (zh) | 2009-07-29 |
CN101493888B CN101493888B (zh) | 2011-09-07 |
Family
ID=40924480
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009101199952A Expired - Fee Related CN101493888B (zh) | 2009-03-03 | 2009-03-03 | Pdc岩屑数字图像录井方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101493888B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102606150A (zh) * | 2012-03-30 | 2012-07-25 | 中国海洋石油总公司 | 一种碎屑岩岩性识别方法及系统 |
CN103679726A (zh) * | 2013-12-16 | 2014-03-26 | 成都安健发科技有限公司 | 一种提高岩屑图像成像质量的方法 |
CN103927547A (zh) * | 2014-03-31 | 2014-07-16 | 中国海洋石油总公司 | 一种用于对岩屑荧光图像进行快速分析方法 |
CN107208478A (zh) * | 2015-02-20 | 2017-09-26 | 哈里伯顿能源服务公司 | 钻井流体中颗粒粒度和形状分布的分类 |
CN108364031A (zh) * | 2018-03-20 | 2018-08-03 | 盘锦中录油气技术服务有限公司 | 一种基于支持向量机的录井解释图版分类边界划分方法 |
CN108415079A (zh) * | 2018-03-05 | 2018-08-17 | 长沙矿山研究院有限责任公司 | 基于凿岩冲击声识别的岩层分界面圈定方法 |
CN109995756A (zh) * | 2019-02-26 | 2019-07-09 | 西安电子科技大学 | 用于信息系统入侵检测的在线单分类主动机器学习方法 |
CN111007064A (zh) * | 2019-12-13 | 2020-04-14 | 常州大学 | 一种基于图像识别的录井岩性智能识别方法 |
CN111709423A (zh) * | 2020-06-26 | 2020-09-25 | 东北石油大学 | 岩性特征库匹配的pdc钻头条件下岩屑岩性识别方法 |
CN112901156A (zh) * | 2021-01-14 | 2021-06-04 | 思凡(上海)石油设备有限公司 | 一种岩屑录井检测系统 |
CN115272940A (zh) * | 2022-08-23 | 2022-11-01 | 西南石油大学 | 一种基于神经网络的岩屑颗粒智能计量方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1107226C (zh) * | 1997-07-08 | 2003-04-30 | 中国石油天然气总公司石油勘探开发科学研究院 | 一种岩屑荧光录井的方法 |
-
2009
- 2009-03-03 CN CN2009101199952A patent/CN101493888B/zh not_active Expired - Fee Related
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102606150A (zh) * | 2012-03-30 | 2012-07-25 | 中国海洋石油总公司 | 一种碎屑岩岩性识别方法及系统 |
CN102606150B (zh) * | 2012-03-30 | 2015-03-25 | 中国海洋石油总公司 | 一种碎屑岩岩性识别方法及系统 |
CN103679726A (zh) * | 2013-12-16 | 2014-03-26 | 成都安健发科技有限公司 | 一种提高岩屑图像成像质量的方法 |
CN103679726B (zh) * | 2013-12-16 | 2016-08-17 | 成都安健发科技有限公司 | 一种提高岩屑图像成像质量的方法 |
CN103927547A (zh) * | 2014-03-31 | 2014-07-16 | 中国海洋石油总公司 | 一种用于对岩屑荧光图像进行快速分析方法 |
CN103927547B (zh) * | 2014-03-31 | 2017-04-19 | 中海油能源发展股份有限公司 | 一种用于对岩屑荧光图像进行快速分析方法 |
CN107208478A (zh) * | 2015-02-20 | 2017-09-26 | 哈里伯顿能源服务公司 | 钻井流体中颗粒粒度和形状分布的分类 |
CN108415079A (zh) * | 2018-03-05 | 2018-08-17 | 长沙矿山研究院有限责任公司 | 基于凿岩冲击声识别的岩层分界面圈定方法 |
CN108415079B (zh) * | 2018-03-05 | 2020-09-11 | 长沙矿山研究院有限责任公司 | 基于凿岩冲击声识别的岩层分界面圈定方法 |
CN108364031A (zh) * | 2018-03-20 | 2018-08-03 | 盘锦中录油气技术服务有限公司 | 一种基于支持向量机的录井解释图版分类边界划分方法 |
CN108364031B (zh) * | 2018-03-20 | 2020-07-21 | 盘锦中录油气技术服务有限公司 | 一种基于支持向量机的录井解释图版分类边界划分方法 |
CN109995756A (zh) * | 2019-02-26 | 2019-07-09 | 西安电子科技大学 | 用于信息系统入侵检测的在线单分类主动机器学习方法 |
CN109995756B (zh) * | 2019-02-26 | 2022-02-01 | 西安电子科技大学 | 用于信息系统入侵检测的在线单分类主动机器学习方法 |
CN111007064A (zh) * | 2019-12-13 | 2020-04-14 | 常州大学 | 一种基于图像识别的录井岩性智能识别方法 |
CN111709423A (zh) * | 2020-06-26 | 2020-09-25 | 东北石油大学 | 岩性特征库匹配的pdc钻头条件下岩屑岩性识别方法 |
CN111709423B (zh) * | 2020-06-26 | 2022-03-15 | 东北石油大学 | 岩性特征库匹配的pdc钻头条件下岩屑岩性识别方法 |
CN112901156A (zh) * | 2021-01-14 | 2021-06-04 | 思凡(上海)石油设备有限公司 | 一种岩屑录井检测系统 |
CN112901156B (zh) * | 2021-01-14 | 2022-11-04 | 思凡(上海)石油设备有限公司 | 一种岩屑录井检测系统 |
CN115272940A (zh) * | 2022-08-23 | 2022-11-01 | 西南石油大学 | 一种基于神经网络的岩屑颗粒智能计量方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN101493888B (zh) | 2011-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101493888B (zh) | Pdc岩屑数字图像录井方法 | |
CN110135468B (zh) | 一种煤矸石的识别方法 | |
CN112990227B (zh) | 掌子面地质检测方法 | |
US7308139B2 (en) | Method, system, and apparatus for color representation of seismic data and associated measurements | |
CN105427309B (zh) | 面向对象高空间分辨率遥感信息提取的多尺度分层处理方法 | |
CN101950359B (zh) | 一种岩石种类的识别方法 | |
Sun et al. | Coal–rock interface detection on the basis of image texture features | |
CN104616664A (zh) | 一种基于声谱图显著性检测的音频识别方法 | |
CN107133630A (zh) | 一种基于扫描图像判断碳酸盐岩孔隙类型的方法 | |
CN103646246A (zh) | 一种基于决策树模型的多光谱遥感影像河流信息提取方法 | |
CN103778443B (zh) | 基于主题模型方法和领域规则库实现场景分析描述的方法 | |
Akgün et al. | Comparing different satellite image classification methods: an application in Ayvalik District, Western Turkey | |
CN107273608A (zh) | 一种油藏地质剖面图矢量化方法 | |
CN105243387A (zh) | 一种基于无人机影像的露天矿典型地物分类方法 | |
Huo et al. | Novel lithology identification method for drilling cuttings under PDC bit condition | |
CN109003275A (zh) | 焊缝缺陷图像的分割方法 | |
CN110378921A (zh) | 基于浮泥流变特性与灰度共生矩阵的航道底质层界智能识别方法 | |
CN107993261A (zh) | 一种基于三维岩心扫描图像的孔隙与孔喉识别方法 | |
Ferraz et al. | 3D segmentation of forest structure using a mean-shift based algorithm | |
CN110889834A (zh) | 一种基于云计算的公路隧道围岩分级方法 | |
Abdolmaleki et al. | Exploration of IOCG mineralizations using integration of space-borne remote sensing data with airborne geophysical data | |
CN115640546A (zh) | 一种图像与特征信息融合的岩性识别方法 | |
CN114565593B (zh) | 基于半监督和注意力的全视野数字图像分类与检测方法 | |
WO2023133512A1 (en) | Systems and methods for measuring physical lithological features based on calibrated photographs of rock particles | |
Turtinen et al. | Visual training and classification of textured scene images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20110907 Termination date: 20120303 |