CN109060811A - 一种基于图像灰度识别的油页岩含油率测定方法 - Google Patents
一种基于图像灰度识别的油页岩含油率测定方法 Download PDFInfo
- Publication number
- CN109060811A CN109060811A CN201811254806.8A CN201811254806A CN109060811A CN 109060811 A CN109060811 A CN 109060811A CN 201811254806 A CN201811254806 A CN 201811254806A CN 109060811 A CN109060811 A CN 109060811A
- Authority
- CN
- China
- Prior art keywords
- oil
- oil shale
- oil content
- shale
- image
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明一种基于图像灰度识别的油页岩含油率测定方法,更具体说涉及一种油页岩原矿的含油率的实时测定方法,解决了油页岩原矿含油率无法实时测定的问题,其步骤为:一、制备不同含油率油页岩样品并对样品进行图像采集;二、测定图像采集后油页岩样品的真实含油率;三、提取采集图像的特征参数并根据特征参数与油页岩的含油率间的相关性分析选择建模输入参数;四、建立油页岩含油率的数学计算模型,代入未知含油率的待测油页岩样品的特征参数值,得到基于图像灰度识别的油页岩含油率值。本发明实现了油页岩含油率的在线测定,并可根据含油率差异调整油页岩入炉参数,实现油页岩最大化利用。
Description
技术领域
本发明涉及一种基于图像灰度识别的油页岩含油率测定方法,更具体说涉及一种油页岩原矿的含油率的实时测定方法。
背景技术
油页岩属于非常规油气资源,是一种固体化石燃料,其以资源的丰富性和开发利用的可行性而被列为21世纪非常重要的替代能源之一。油页岩被加热后,其中的油母质受热发生热解生成页岩油、热解气、热解水及半焦,页岩油可以直接作为能源燃烧利用。页岩油经深度加工处理后,能够制取不同品种的油。油页岩也可以直接燃烧,利用其发电。油页岩还可用于制取水泥等建材。
油页岩的综合利用一般包含以下2种方法:(1)干馏生产页岩油;(2)作为一种燃料,将其燃烧利用其热量进行发电。干馏生成的页岩油能够直接当做一种燃料油出售,也能够依靠加入氢气和不加入氢气两种方法进一步加工,制作轻柴油,可以极大增加页岩油的附加价值,经进一步加工后获得的重油可以直接当成燃料燃烧。油页岩当做燃料时,一般是将其燃烧,发热产电,它可以送入锅炉进行燃烧或先干馏而后将其所生成的热解气去燃烧发热生电,也能够进行取暖。
我国的油页岩资源大部分的含油率在5%-10%之间,有不少低含油矿的含油率低于5%,而含油率高于10%的高含油矿资源则不多。其中,我国约有3.2×1011吨的油页岩含油率在3.5%-5.0%之间,折算成页岩油的重量则为1.5×1010吨,各占我国油页岩和页岩油量的45.0%及32.0%(此油页岩的含油率很低,干馏炼油的价值不大)。我国约有2.6×1011吨含油率介于5.0%-10.0%的油页岩,折算为页岩油量为1.8×1010吨,各占我国油页岩和页岩油量的37.0%及38.0%。我国含油率高于10.0%的油页岩有1.26×1011吨,折算成页岩油量是1.4×1010吨,各占我国油页岩和页岩油量的17.0%及29.0%。
油页岩干馏是在隔绝空气的条件下,加热至450-550度左右,使其热解,生成页岩油、页岩半焦和热解气的方法。油页岩干馏技术虽已成型,但应用在任何一种油页岩上都需要进行大量的研究来适应其物理化学性质,优化干馏参数。影响油页岩干馏的因素主要是加热温度、加热时间和加热速度等。油页岩的含油率、粒度等因素对干馏的工艺参数有很大的影响。各地区、同地区不同含油率的油页岩的干馏工艺参数都不尽相同,但因实验室进行的油页岩含油率测定过程繁琐、效率低下且相对于生产具有滞后性,无法实现油页岩原矿含油率进行实时测定并对入炉参数的实时调整,只能按照同样的参数设置加工所有干馏入炉来料,导致了油页岩干馏经济效益不高以及资源的浪费。
发明内容
鉴于目前技术存在的问题,本发明的目的在于提供一种基于图像灰度识别的油页岩含油率测定方法,以指导不同含油率油页岩入炉干馏前的参数设置。
本发明解决上述技术问题的技术方案如下:一种基于图像灰度识别的油页岩含油率测定方法,包括以下步骤:
步骤1:制备不同含油率油页岩样品并对样品进行图像采集;
步骤2:测定图像采集后油页岩样品的真实含油率;
步骤3:提取采集图像的特征参数并根据特征参数与油页岩的含油率间的相关性分析选择建模输入参数;
步骤4:建立油页岩含油率的数学计算模型,代入未知含油率的待测油页岩样品的特征参数值,得到基于图像灰度识别的油页岩含油率值。
在步骤1中,油页岩样品图像通过CCD相机采集。图像采集在暗室中进行,通过不同含油率的油页岩混配制备150-300组油页岩样品。油页岩样品平铺于固定的方形塑料盘中,上置垂直固定的白色光源及与计算机相连接的CCD相机。拍照时控制相机位置、曝光度保持一致。图像通过计算机控制相机拍照完成采集。
在步骤2中,油页岩样品的实际含油率通过低温干馏炉测定。将油页岩样品粉碎至3mm以下,充分干燥后置于低温干馏炉的铝甑中,在隔绝空气的条件下以一定的升温速度加热到520度,并保持一定时间。干馏后测定所得油、水、半焦和干馏副产物的重量。所得页岩油的重量与样品重量之比即为油页岩样品的实际含油率。
在步骤3中,提取的特征参数包括油页岩颗粒平均尺寸,图像灰度平均值、灰度值方差、平滑度、歪斜度、能量及熵。
油页岩颗粒的平均尺寸参数提取基于带标记的分水岭分割方法。分水岭分割方法的基本思想是把图像看作是测地学上的拓扑地貌,图像中每一点像素的灰度值表示该点的海拔高度,每一个局部极小值及其影响区域称为集水盆,而集水盆的边界则形成分水岭,即分水岭寻找的是输入图像的极大值点。分割完成后,计算图像中的连通区域数目,即得到图像中的油页岩颗粒数目。根据图像像素点总数与图像面积得到单位像素点面积。计算每个连通区域平均占有的像素点个数,再乘以单位像素点面积得到油页岩颗粒的平均尺寸参数。
图像灰度平均值、灰度值方差、平滑度、歪斜度、能量及熵的提取基于图像的灰度直方图。灰度直方图是关于灰度级的离散函数,它可以指示图像中各灰度级上的像素点的数目以及各灰度级出现的频率,其公式为其中i表示灰度级,L表示灰度级的个数,n表示图像中具有灰度级i的像素点的数目,N表示图像中的像素点总数,H(i)为图像中灰度级i的像素点的频率。灰度直方图通过MATLAB软件可以分析得出。
根据灰度直方图,提取图像灰度平均值、灰度值方差、平滑度、歪斜度、能量及熵6个特征参数。
灰度平均值使用如下公式计算:其中i表示灰度级,L表示灰度级的个数,H(i)为图像中灰度级i的像素点的频率,μ表示灰度平均值;
灰度值方差使用如下公式计算:其中i表示灰度级,L表示灰度级的个数,H(i)为图像中灰度级i的像素点的频率,μ表示灰度平均值,σ表示灰度值方差;
平滑度表示图像的纹理亮度,对于灰度差异较大的区域其值为0,灰度一致的区域其值为1。平滑度使用如下公式计算:其中σ表示灰度方差,μk表示平滑度;
歪斜度反映的是图像直方图分布的不对称程度,歪斜度越大表示直方图分布越不对称,反之越对称,使用如下公式计算:其中i表示灰度级,L表示灰度级的个数,H(i)为图像中灰度级i的像素点的频率,μ表示灰度平均值,σ表示灰度值方差,μs表示歪斜度;
能量反映的是灰度分布的均匀程度,灰度分布较均匀时能量较大,反之,较小,使用如下公式计算:其中i表示灰度级,L表示灰度级的个数,H(i)为图像中灰度级i的像素点的频率,μN表示能量;
熵反映灰度直方图分布的均匀性,使用如下公式计算:其中i表示灰度级,L表示灰度级的个数,H(i)为图像中灰度级i的像素点的频率,μE表示熵。
将所得的7个特征参数分别与油页岩样品的实际含油率数据代入相关系数r的计算公式中,根据相关系数的绝对值选择一个或多个合适的特征参数作为建模输入的参数,相关系数表达式为:其中X和Y分别表示两种变量样本。
在步骤4中,建立油页岩含油率的数学计算模型采用多元线性回归法。通过MATLAB软件对油页岩样品的真实含油率及选定的特征参数进行多元线性回归,得到回归方程。
通过步骤1的样品制备和图像采集方采集未知含油率的待测油页岩样品的图像并提取相关系数分析中所选定的特征参数,将这些特征参数值代入得到的回归方程中,计算得出基于图像灰度识别的待测油页岩样品的含油率。
本发明一种基于图像灰度识别的油页岩含油率测定方法的益处在于:实现油页岩含油率的在线测定,根据测定的含油率差异,不同含油率的油页岩可以进入设置了不同加热温度、加热时间、加热速度参数的干馏炉。该方法测定油页岩含油率更为精准且节约成本,不同性质的油页岩能得到最大化的利用,既提高了经济效益,也使管理人员对于来料性质的变化更为敏感,针对来料性质重大变化而进行的生产工艺的调整也会更为及时。
附图说明
图1为本发明一种基于图像灰度识别的油页岩含油率测定方法的流程示意图。
具体实施方式
以下通过具体实施方式对本发明的技术方案进行进一步说明,所举实例只用于解释本发明,并非用于限定本发明的范围。
选取某地区油页岩样品,通过不同含油率油页岩的配比制备重量均等的200组油页岩样品置于方形塑料盘中,在暗室中调整垂直上置的灯源至能清晰看到图像且图像不受阴影影响,标记方形铁盘与桌面相对位置,保持灯源参数不变,通过计算机控制CCD相机分别采集其图像。更换下一组样品,将铁盘放置于标记处,采集图像,直至所有样品图像采集完成。
图像采集成功后将200组油页岩样品分别进行干馏得到其真实含油率。将样品粉碎至3mm,取500g充分干燥后,移取50g已知重量的样品至铝甑中,铝甑导出管与已知重量的接受器连接,接受器置于含有冰水的冷却槽中。通电加热,按标准控制加热速度,达到520度时,恒温20min后停止加热,称取接受器中冷凝物的重量(即油水和)。用溶剂抽出法测出冷凝物中水的重量,冷凝物重量减去水的重量即为页岩油重量。页岩油重量与样品总重量只比即为油页岩样品的含油率。
通过MATLAB软件,将采集到的油页岩样品图像进行灰度化处理,使用带标记的分水岭分割方法分割图像,在本实施例中,对其中一张图像进行分割,得到72个连通区域,即代表图像中含有72颗油页岩颗粒。该图像像素大小为2000×1500,而图像在宽度上的实际长度为15.5cm,则每一像素点所占面积为油页岩的平均尺寸为每张图像均按此方法处理。
将灰度化处理的图像输入预设好灰度直方图解析程序,将采集的图像输入并得到不同含油率油页岩图像的灰度直方图。通过公式分别计算灰度平均值、灰度值方差、平滑度、歪斜度、能量和熵6个特征参数,在本实施例中,对其中一张图像进行计算,得到其各特征参数的数值为:灰度平均值为61.4563,方差为1260,平滑度为0.000723,歪斜度为0.0253,能量为0.1365,熵为2.1569,每张图像均按此方法处理。
200组样品的所有特征参数计算完成后,将每一组特征参数分别与油页岩样品的真实含油率分别进行相关性计算。在本实施例中,结果显示油页岩颗粒平均尺寸、图像灰度平均值、灰度值方差、平滑度、歪斜度、能量及熵以上7个特征参数与油页岩样品真实含油率的相关性分别为0.85728,-0.95584,-0.84668,0.73225,0.93912,0.82259,-0.60740。
在本实施例中取相关性系数绝对值大于0.93的特征参数作为建模输入的参数,即选取灰度平均值及歪斜度作为建模输入的参数。通过MATLAB软件对油页岩样品真实含油率、灰度平均值及歪斜度三组数据作多元线性回归,得出拟合方程如下:y=34.9-0.3μ+11μs,其中y为油页岩含油率(%),μ为基于灰度直方图提取的图像的灰度平均值,μs为基于灰度直方图提取的歪斜度。
采集未知含油率的待测油页岩样品的图像并提取其图像灰度平均值及歪斜度特征参数,在本实施例中,提取的参数值为58.8723和0.1318,将数值代入油页岩含油率数学计算模型中,得到基于图像灰度识别的油页岩样品含油率的预测值为18.69%,而经过干馏分析,待测的油页岩样品实际含油率为18.58%,预测值与真实值比较,绝对误差0.11%,相对误差0.59%。多次测定结果显示,该模型得到的预测值与真实值相比平均绝对误差小于1%,平均相对误差小于5%,准确率较高,可以为油页岩干馏工艺中的干馏参数设置提供可靠的数据依据。
Claims (5)
1.一种基于图像灰度识别的油页岩含油率测定方法,其特征在于,包括如下步骤:
步骤1:制备不同含油率油页岩样品并对样品进行图像采集;
步骤2:测定图像采集后油页岩样品的真实含油率;
步骤3:提取采集图像的特征参数并根据特征参数与油页岩的含油率间的相关性分析选择建模输入参数;
步骤4:建立油页岩含油率的数学计算模型,代入未知含油率的待测油页岩样品的特征参数值,计算得到基于图像灰度识别的油页岩含油率值。
2.根据权利要求1所述的基于图像灰度识别的油页岩含油率测定方法,其特征在于:
所述步骤1中不同含油率油页岩样品通过混配已知含油率的油页岩制备;
所述步骤1中图像采集通过与计算机相连的CCD相机实现。
3.根据权利要求1所述的基于图像灰度识别的油页岩含油率测定方法,其特征在于:所述步骤3中提取的特征参数为油页岩颗粒平均尺寸,图像灰度平均值、灰度值方差、平滑度、歪斜度、能量及熵。
4.根据权利要求1和权利要求2所述的基于图像灰度识别的油页岩含油率测定方法,其特征在于:
所述步骤3中提取的特征参数中,油页岩颗粒平均尺寸的提取基于带标记的分水岭分割方法;
所述步骤3中提取的特征参数中,图像灰度平均值、灰度值方差、平滑度、歪斜度、能量及熵的提取基于图像的灰度直方图。
5.根据权利要求1所述的基于图像灰度识别的油页岩含油率测定方法,其特征在于:所述步骤4中的油页岩含油率的数学计算模型通过多元线性回归法得到。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811254806.8A CN109060811B (zh) | 2018-10-26 | 2018-10-26 | 一种基于图像灰度识别的油页岩含油率测定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811254806.8A CN109060811B (zh) | 2018-10-26 | 2018-10-26 | 一种基于图像灰度识别的油页岩含油率测定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109060811A true CN109060811A (zh) | 2018-12-21 |
CN109060811B CN109060811B (zh) | 2021-03-23 |
Family
ID=64764418
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811254806.8A Active CN109060811B (zh) | 2018-10-26 | 2018-10-26 | 一种基于图像灰度识别的油页岩含油率测定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109060811B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1441244A (zh) * | 2003-03-01 | 2003-09-10 | 中国电子科技集团公司第二十二研究所 | 岩屑描述仪及岩屑岩性和含油丰度的定量分析方法 |
CN205844202U (zh) * | 2016-05-20 | 2016-12-28 | 中石化石油工程技术服务有限公司 | 一种岩屑岩性分析装置 |
CN106402631A (zh) * | 2016-11-03 | 2017-02-15 | 株洲中车时代装备技术有限公司 | 基于ccd的电机轴承润滑油量监控方法及系统 |
CN107782640A (zh) * | 2017-10-20 | 2018-03-09 | 东北大学 | 基于数字图像进行岩石试件含水均匀性检测和扩散系数计算的方法 |
-
2018
- 2018-10-26 CN CN201811254806.8A patent/CN109060811B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1441244A (zh) * | 2003-03-01 | 2003-09-10 | 中国电子科技集团公司第二十二研究所 | 岩屑描述仪及岩屑岩性和含油丰度的定量分析方法 |
CN205844202U (zh) * | 2016-05-20 | 2016-12-28 | 中石化石油工程技术服务有限公司 | 一种岩屑岩性分析装置 |
CN106402631A (zh) * | 2016-11-03 | 2017-02-15 | 株洲中车时代装备技术有限公司 | 基于ccd的电机轴承润滑油量监控方法及系统 |
CN107782640A (zh) * | 2017-10-20 | 2018-03-09 | 东北大学 | 基于数字图像进行岩石试件含水均匀性检测和扩散系数计算的方法 |
Non-Patent Citations (3)
Title |
---|
杨晓明: "基于灰度统计特征的岩屑岩性最优描述方法研究", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
王亮: "基于数字图像处理技术的泥沙颗粒分析", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
王明磊 等: "鄂尔多斯盆地延长组长7段致密油微观赋存形式定量研究", 《石油勘探与开发》 * |
Also Published As
Publication number | Publication date |
---|---|
CN109060811B (zh) | 2021-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104616079B (zh) | 基于气温变化的电网日用电量预测方法 | |
CN106802977B (zh) | 一种用于烧结矿性能指标预测及综合质量评价方法 | |
Liu et al. | Mineral matter–organic matter association characterisation by QEMSCAN and applications in coal utilisation | |
CN108416686A (zh) | 一种基于煤炭资源开发的生态地质环境类型划分方法 | |
Siegel et al. | A bottom-up view of the biological pump: Modeling source funnels above ocean sediment traps | |
CN109034647A (zh) | 一种致密油气藏体积压裂水平井重复压裂选井的方法 | |
CN103439342A (zh) | 基于热图时序特征的红外无损检测方法 | |
Morin et al. | Measurements and modeling of the vertical profile of specific surface area of an alpine snowpack | |
Hsu et al. | Model for sludge cake drying accounting for developing cracks | |
CN108388703A (zh) | 用于非线性和随机过程的软测量方法 | |
Tang et al. | Prediction of the ash content of flotation concentrate based on froth image processing and BP neural network modeling | |
Fu et al. | Discrimination analysis of coal and gangue using multifractal properties of optical texture | |
CN109060811A (zh) | 一种基于图像灰度识别的油页岩含油率测定方法 | |
CN105203593A (zh) | 基于混合料细观结构特性的沥青和集料导热系数反演方法 | |
CN106886564A (zh) | 一种基于空间聚类订正nwp风能图谱的方法及装置 | |
CN105716992B (zh) | 一种重质油在加热炉出口温度下气化率的测定方法 | |
Yao et al. | Infrared image-based identification method for the gradation of rock grains using heating characteristics | |
Xiao et al. | Modeling and simulation of petroleum coke calcination in pot calciner using two-fluid model | |
Zheng et al. | Research on the infrared thermographic detection of concrete under solar heating | |
CN109187262A (zh) | 一种油砂含油量的测定方法 | |
Shen et al. | ROI extraction method of infrared thermal image based on GLCM characteristic imitate gradient | |
Engin | Comparison of the different mathematical methods performed in determining the size distribution of aggregates using LiDAR point cloud data and suggested algorithm | |
Wang et al. | Image-based rock mixing ratio estimation by using illuminance analysis in underground mining | |
Stamou et al. | Study and analysis of WorldView-2 satellite imagery for evaluating the energy efficiency of the urban area of Kalamaria, Greece | |
de Roode et al. | 1A. 3 LARGE-EDDY SIMULATION OF A STRATOCUMULUS TO CUMULUS CLOUD TRANSITION AS OBSERVED DURING ASTEX |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |