CN110566190B - 高颗粒浓度实验条件下的缝内支撑剂运动轨迹追踪方法 - Google Patents
高颗粒浓度实验条件下的缝内支撑剂运动轨迹追踪方法 Download PDFInfo
- Publication number
- CN110566190B CN110566190B CN201910931901.5A CN201910931901A CN110566190B CN 110566190 B CN110566190 B CN 110566190B CN 201910931901 A CN201910931901 A CN 201910931901A CN 110566190 B CN110566190 B CN 110566190B
- Authority
- CN
- China
- Prior art keywords
- proppant
- particle
- particles
- dyed
- pixel points
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 239000002245 particle Substances 0.000 claims abstract description 216
- 238000004043 dyeing Methods 0.000 claims abstract description 28
- 238000004040 coloring Methods 0.000 claims abstract description 25
- 239000000700 radioactive tracer Substances 0.000 claims abstract description 23
- 238000004088 simulation Methods 0.000 claims abstract description 16
- 230000008569 process Effects 0.000 claims abstract description 14
- 239000007788 liquid Substances 0.000 claims abstract description 12
- 238000002156 mixing Methods 0.000 claims abstract description 8
- 239000004576 sand Substances 0.000 claims abstract description 8
- 239000003795 chemical substances by application Substances 0.000 claims description 24
- 238000012800 visualization Methods 0.000 claims description 15
- 108010043121 Green Fluorescent Proteins Proteins 0.000 claims description 11
- 238000001035 drying Methods 0.000 claims description 9
- 238000005286 illumination Methods 0.000 claims description 8
- 239000003973 paint Substances 0.000 claims description 8
- 238000012935 Averaging Methods 0.000 claims description 6
- 238000003491 array Methods 0.000 claims description 6
- 238000004140 cleaning Methods 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 239000003086 colorant Substances 0.000 claims description 3
- 235000002864 food coloring agent Nutrition 0.000 claims description 3
- 238000000227 grinding Methods 0.000 claims description 3
- 238000002791 soaking Methods 0.000 claims description 3
- 238000003756 stirring Methods 0.000 claims description 3
- 238000013508 migration Methods 0.000 abstract description 12
- 230000005012 migration Effects 0.000 abstract description 12
- 238000004364 calculation method Methods 0.000 abstract description 7
- 230000007246 mechanism Effects 0.000 abstract description 4
- 238000010276 construction Methods 0.000 abstract description 3
- 238000011160 research Methods 0.000 abstract description 3
- 238000004590 computer program Methods 0.000 abstract 2
- 230000000007 visual effect Effects 0.000 description 21
- 230000000694 effects Effects 0.000 description 10
- 238000002474 experimental method Methods 0.000 description 7
- 239000008187 granular material Substances 0.000 description 6
- 239000000049 pigment Substances 0.000 description 6
- 208000010392 Bone Fractures Diseases 0.000 description 4
- 206010017076 Fracture Diseases 0.000 description 4
- 230000001965 increasing effect Effects 0.000 description 4
- QQONPFPTGQHPMA-UHFFFAOYSA-N propylene Natural products CC=C QQONPFPTGQHPMA-UHFFFAOYSA-N 0.000 description 4
- 125000004805 propylene group Chemical group [H]C([H])([H])C([H])([*:1])C([H])([H])[*:2] 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 239000012530 fluid Substances 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- NIXOWILDQLNWCW-UHFFFAOYSA-N acrylic acid group Chemical group C(C=C)(=O)O NIXOWILDQLNWCW-UHFFFAOYSA-N 0.000 description 2
- 238000000917 particle-image velocimetry Methods 0.000 description 2
- 208000002565 Open Fractures Diseases 0.000 description 1
- 238000007605 air drying Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B43/00—Methods or apparatus for obtaining oil, gas, water, soluble or meltable materials or a slurry of minerals from wells
- E21B43/25—Methods for stimulating production
- E21B43/26—Methods for stimulating production by forming crevices or fractures
- E21B43/267—Methods for stimulating production by forming crevices or fractures reinforcing fractures by propping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geology (AREA)
- Data Mining & Analysis (AREA)
- Mining & Mineral Resources (AREA)
- Multimedia (AREA)
- Geochemistry & Mineralogy (AREA)
- Fluid Mechanics (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Spectrometry And Color Measurement (AREA)
Abstract
本发明公开了一种高颗粒浓度实验条件下的缝内支撑剂运动轨迹追踪方法,包括以下步骤:S1:制作染色支撑剂,将其视为示踪粒子;S2:将染色支撑剂一定比例与常规支撑剂均匀混合后配置携砂液,进行支撑剂输送物理模拟实验;S3:利用高速摄像机获取实验过程中示踪粒子在的运动状态,并利用图像处理软件对视频进行定时间间隔截取图片;S4:对支撑剂示踪颗粒进行二次着色,并利用计算机程序对所截取图片中的示踪粒子进行识别;S5:利用计算机程序对识别后的示踪粒子进行速度计算与轨迹追踪。本发明提供的方法能够准确识别追踪高浓度条件下的支撑剂颗粒的运移轨迹,方便研究水力压裂过程中的所有支撑剂运移机理,对指导水力压裂施工有着重大意义。
Description
技术领域
本发明涉及水力压裂物理模拟实验中支撑剂输送实验的技术领域,特别涉及高颗粒浓度实验条件下的缝内支撑剂运动轨迹追踪方法。
背景技术
水力压裂是开发非常规油气(致密气、页岩气)的必要手段,其原理是利用高压泵组,将压裂液泵注入地层,在超过地层破裂压力时压开油气储层,从而释放油气产能,达到增产效果,提高油气采收率。而在压开储层后,会向地层注入支撑剂颗粒以保持所压开的裂缝在地面停泵发生闭合时仍然能够保持一定的开度,从而使地层保持一定的导流能力。因此,支撑剂颗粒在裂缝中的运移位置将会极大的影响最终的增产效果,研究支撑剂在缝内的运移规律对于指导水力压裂施工有着较大意义。
现有研究支撑剂颗粒运移的方法中,大多是利用大型物模实验定性研究支撑剂铺置形态等宏观现象,而没有对支撑剂在实验过程中的运移状态进行测试分析,不能从微观运移机理对支撑剂运移进行充分分析。而颗粒追踪技术已经在多种多相流流体实验中进行了应用,其中应用较多的是PIV与PTV方法,但是其适用范围为低于8%的低浓度颗粒条件下的流场测试,而实际生产过程中支撑剂浓度大多在20%-40%,远高于两种技术的测量范围,直接采用粒子图像测速法很难识别追踪支撑剂颗粒。高浓度(浓度大于等于15%)条件下,支撑剂颗粒相互作用增强,会在进行追踪时产生对颗粒遮挡,支撑剂颗粒示踪过程会产生较严重的影响,因此导致识别过程中会出现颗粒遗失,丢失大量流场信息,难以实现高浓度条件下的支撑剂颗粒追踪。
发明内容
针对上述问题,本发明旨在提供一种能够准确识别追踪染色支撑剂颗粒的运移轨迹,方便研究水力压裂过程中的所有支撑剂运移机理的高颗粒浓度实验条件下的缝内支撑剂运动轨迹追踪方法。
本发明的技术方案如下:
一种高颗粒浓度实验条件下的缝内支撑剂运动轨迹追踪方法,包括以下步骤:
S1:制作染色支撑剂,将其视为示踪粒子,具体包括以下子步骤:S11:根据实验支撑剂浓度与液量进行需要染色的支撑剂颗粒量的确定,将染色支撑剂总量控制在总支撑剂颗粒量的5%;S12:利用清水清洗待染色支撑剂,待清洗完成后进行烘干备用;S13:将清洗后的支撑剂与染色剂混合并进行充分搅拌染色,其中,染色浓度控制在25%;S14:将染色后的支撑剂颗粒放入烘箱中,进行70℃、12h的烘干;S15:将烘干后的支撑剂取出,初步破碎后加水浸泡,用研磨机研磨将支撑剂逐颗分散;S16:将分散后的染色支撑剂自然风干备用。
优选的,染色时采用绿色荧光反光油漆进行染色。
S2:将染色支撑剂伴注到携砂液中混合均匀,进行支撑剂输送物理模拟实验,携砂液配置时,先将染色支撑剂与常规未染色支撑剂充分混合后再将其伴注到携砂液中混合均匀;进行支撑剂输送物理模拟实验时,在实验装置中的可视化平板前采用灯光照射所述可视化平板,增大染色支撑剂对比度,便于后期图像处理。
优选的,在所述可视化平板前1m处进行灯光照射。
优选的,所述灯光为自上而下地照射所述可视化平板。
优选的,所述灯光采用光照强度2660流明、200w的灯进行照射。
S3:利用高速摄像机获取实验过程中示踪粒子的运动特征,并利用图像处理软件获取在间隔时间Δt的流场图片,共截取T幅图片。所述高速摄像机至少设置三台且均位于灯所在的可视化平板的一侧,其中,至少一台位于所述可视化平板裂缝的入口端,用于拍摄所述入口端的流场流动状态,至少一台位于所述可视化平板裂缝的中间段,用于拍摄全局流场的流动状态,至少一台位于所述可视化平板裂缝的出口端,用于拍摄所述出口端的流场流动状态。
S4:对流场图片中的示踪粒子进行二次着色,利用计算机识别程序对着色后的图片进行示踪粒子识别,进行二次着色时采用人工着色,将原始图片中可观察到的染色支撑剂颗粒统一为计算机可识别的同一RGB值。
作为优选,将所述原始图片中可观察到的染色支撑剂颗粒统一着为红色。
作为优选,所述红色的RGB值为(255,0,0)。
S5:对识别后的示踪粒子进行追踪与速度计算:
当所述示踪粒子为单粒子时,包括以下子步骤:S51':读取第i幅图像;S52':找到所有着色像素点;S53':对像素点坐标进行求平均运算,获取中心点的xi,yi坐标;S54':利用相邻两幅图的坐标与时间,求得速度。
当所述示踪粒子为多粒子时,包括以下子步骤:
S51:区分同一图像中的不同着色支撑剂颗粒,具体包括以下子步骤:S511:读取第i幅图像;S512:找到所有X个着色颗粒所包含所有Z个像素点的坐标,并放置在一个数组中;S513:设定坐标搜索阈值对坐标进行运算,判断每一个着色像素点相邻的所有像素点,将每一次搜寻的像素点储存在X个数组中;S514:将X个数组中的像素点总个数与Z进行比较,以判断是否将所有Z个像素点均对应到X个着色颗粒上;若相加后的总染色像素点个数等于Z,则证明完整支撑剂颗粒着色像素点被成功提取,进入步骤S52;若相加后的总染色像素点个数不等于Z,则完整支撑剂颗粒着色像素点未被成功提取,改变坐标搜索阈值,重复步骤S513-S514。
S52:确定同一图像中不同着色支撑剂颗粒的颗粒中心,具体包括以下子步骤:S521:对在同一数组中的像素点进行算数平均并求整,获取每一个着色支撑剂颗粒的中心坐标;S522:将每一时刻的每个着色支撑剂颗粒的中心点坐标放置在一个三维数组中,共计X个。
S53:采用PCSS算法确定不同图像中同一着色支撑剂颗粒位置,进行粒子匹配,具体包括以下子步骤:S531:针对第i幅图的第j(j=1、2、3、4、……、X)个粒子,以其为中心,以R为半径找到一个查询区域J;S532:针对第i幅图的第j个粒子,分别计算其相对i幅图的其他X-1个粒子距离和角度;S533:利用以上方法,依次对第i+1幅图的共X个粒子进行扫描,依次求得第k个粒子与其余X-1个粒子的距离和角度,获得X组数据;S534:针对第i幅图的第j个粒子,利用相似系数计算公式分别对第i+1幅图的第k个粒子求得Sjk,其中最大的Sjk中k对应在粒子就是j粒子的在i+1幅图的配对粒子;S535:依次获取第i幅图的X个粒子与i+1幅图中的X个粒子的配对组合,最终实现每幅图像的所有粒子匹配。步骤S534中所述相似系数计算公式具体为:
其中,H(x,y)为阶跃函数:
式中:
εr为距离偏差的阈值,通常取值小于5个像素;
εθ为角度偏差的阈值,通常取值小于30°;
rjm为粒子j与查询区域J内粒子的距离;
rkm为粒子j与查询区域J内粒子的距离;
θjm为粒子i与查询区域I内粒子的连线角度;
θkm为粒子j与查询区域J内粒子的连线角度;
M为查询区域J粒子的个数;
N为查询区域K粒子的个数。
S54:利用上述方法,对所截取的T幅图片中的所有颗粒进行配对,利用前后两幅图的横纵坐标与前后两幅图的时间间隔Δt计算出颗粒流动的速度大小与方向。对T幅图都进行上述处理,即可定量获得高浓度条件下缝内支撑剂颗粒的运动轨迹。
与现有技术相比,本发明具有如下优点:
本发明能够准确识别追踪支撑剂颗粒的运移轨迹,方便研究水力压裂过程中的所有支撑剂运移机理,对指导水力压裂施工有着重大意义。其中,通过采用绿色荧光反光油漆使染色支撑剂在图像中与未染色支撑剂的对比更明显,方便图片处理时染色支撑剂的识别;通过采用强光前照射,使染色支撑剂与未染色支撑剂的对比度增大,方便染色支撑剂的识别;通过对图像中识别出的染色支撑剂采用人为着色的方法后再用计算机进行表征,能够准确识别染色支撑剂颗粒,避免因光高浓度场颗粒扰动、光照设备、摄像设备的位置关系导致同一颜色的RGB值不一样,截取图片中同一染色颗粒在裂缝中的不同部位的RGB值不一样的情况发生时,难以识别图中染色支撑剂颗粒;通过颗粒中心坐标算法,能够通过坐标值快速识别同一幅图片中的多颗粒的中心坐标;通过采用PCSS算法,能够更加精准的确定不同图像中同一染色支撑剂颗粒位置;最后通过中心颗粒位置与图片间隔时间的计算,实现了高浓度场条件下支撑剂输送过程中的粒子轨迹追踪与速度计算。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明进行支撑剂输送物理模拟实验时,可视化平板区域的结构示意图;
图2为本发明采用红色丙烯颜料染色时,拍摄的染色支撑剂流场图片;
图3为本发明采用绿色荧光反光油漆染色时,拍摄的染色支撑剂流场图片;
图4为本发明采用背光照射时,拍摄的染色支撑剂流场图片;
图5为本发明采用前光照射时,拍摄的染色支撑剂流场图片;
图6从左至右分别为本发明拍摄的t1、t3、t5时刻的单颗粒染色支撑剂的流场图片;
图7为图6人为着色后的着色支撑剂流场图片;
图8为图7着色支撑剂计算机识别结果图;
图9为图8单颗粒着色支撑剂追踪X方向上的速度分布情况;
图10为图8单颗粒着色支撑剂追踪Y方向上的速度分布情况;
图11从左至右分别为本发明拍摄的t1、t3、t5时刻的多颗粒绿色荧光反光油漆染色的支撑剂流场图片;
图12为图11人为着色后的着色支撑剂流场图片;
图13为图12着色支撑剂计算机识别结果图;
图14为图13多颗粒着色支撑剂追踪X方向上的速度分布情况;
图15为图13多颗粒着色支撑剂的轨迹运动情况;
图16从左至右分别为本发明拍摄的t1、t3、t5时刻的多颗粒红色丙烯颜料染色的支撑剂流场图片;
图17为图16人为着色后的着色支撑剂流场图片;
图18为图17着色支撑剂计算机识别结果图;
图19为图18多颗粒着色支撑剂追踪X方向上的速度分布情况;
图20为图18多颗粒着色支撑剂的轨迹运动情况。
图中:1-可视化平板装置、2-高速摄像机、3-灯。
具体实施方式
下面结合附图和实施例对本发明进一步说明。
一种高颗粒浓度实验条件下的缝内支撑剂运动轨迹追踪方法,包括以下步骤:
S1:制作染色支撑剂,将其视为示踪粒子,具体包括以下子步骤:S11:根据实验支撑剂浓度与液量进行需要染色的支撑剂颗粒量的确定,将染色支撑剂总量控制在总支撑剂颗粒量的5%;S12:利用清水清洗待染色支撑剂,待清洗完成后进行烘干备用;S13:将清洗后的支撑剂与染色剂混合并进行充分搅拌染色,其中,染色浓度控制在25%;S14:将染色后的支撑剂颗粒放入烘箱中,进行70℃、12h的烘干;S15:将烘干后的支撑剂取出,初步破碎后加水浸泡,用研磨机研磨将支撑剂逐颗分散;S16:将分散后的染色支撑剂自然风干备用。
在一个具体的实施例中,染色时采用红色丙烯颜料进行染色,将所述红色染色的支撑剂颗粒进行支撑剂输送物理模拟实验,拍摄的输送过程中染色支撑剂效果图片如图2所示,因常用支撑剂本身为红棕色或黑色,拍摄的图片整体呈红棕色,利用红色染色的支撑剂颗粒进行支撑剂输送物理模拟实验,拍摄出的效果图片人为识别图中红色染色支撑剂颗粒的位置较为困难,图中染色支撑剂颗粒与未染色支撑剂颗粒的对比度不够明显,若用红色染色的支撑剂颗粒进行后续实验,工作量大会增加时间成本,浪费人力。
在另一个具体的实施例中,采用与支撑剂本身呈现反色的绿色荧光反光油漆进行染色,然后将其进行支撑剂输送物理模拟实验,拍摄的输送过程中染色支撑剂效果图片如图3所示,从图3中可以看出,能够很明显的从图中识别到所述绿色荧光反光油漆染色的支撑剂颗粒。
S2:将步骤S1中风干后的染色支撑剂伴注到携砂液中混合均匀,进行支撑剂输送物理模拟实验。
在一个具体的实施例中,携砂液配置时,先将染色支撑剂与未染色支撑剂充分混合,然后再将混合均匀的支撑剂颗粒伴注到携砂液中混合均匀。
在一个具体的实施例中,采用绿色荧光反光油漆染色的支撑剂颗粒进行支撑剂输送物理模拟实验时,在实验装置中的可视化平板后1m处,采用光照强度2660流明、200w的灯,自上而下地照射所述可视化平板。所述等位于高速摄像机与可视化平板之间。拍摄的输送过程中染色支撑剂效果图片如图4所示,从图4中可以看出,采用背光照射,染色支撑剂颗粒不能明显地显示在效果图片中。
在另一个具体的实施例中,采用绿色荧光反光油漆染色的支撑剂颗粒进行支撑剂输送物理模拟实验时,在实验装置中的可视化平板前1m处,采用光照强度2660流明、200w的灯,自上而下地照射所述可视化平板。拍摄的输送过程中染色支撑剂效果图片如图5所示,从图5中可以看出,采用前光照射,增大了染色支撑剂的对比度,染色支撑剂颗粒能够明显地显示在效果图片中,方便后期进行图像处理。
在另一个具体的实施例中,采用了不同光照强度、相距可视化平板不同的距离作了正交实验,所有拍摄的输送过程中染色支撑剂效果图片中,染色支撑剂颗粒识别最明显的为如图5所示的可视化平板前1m处,采用光照强度2660流明、200w的灯进行的实验。光照强度小于2660流明、200w的灯进行实验时,染色支撑剂的对比度不够明显,大于时,会产生曝光,不能获得真实的染色支撑剂效果图片;距离大于1m时染色支撑剂的对比度不够明显,小于时,会产生曝光,不能获得真实的染色支撑剂效果图片。
S3:利用高速摄像机获取实验过程中示踪粒子的运动特征,并利用图像处理软件获取在间隔时间Δt的流场图片,共截取T幅图片。所述高速摄像机至少设置三台且均位于灯所在的可视化平板的一侧,其中,至少一台位于所述可视化平板裂缝的入口端,用于拍摄所述入口端的流场流动状态,至少一台位于所述可视化平板裂缝的中间段,用于拍摄全局流场的流动状态,至少一台位于所述可视化平板裂缝的出口端,用于拍摄所述出口端的流场流动状态。
在一个具体的实施例中,单粒子示踪粒子在t1、t3、t5时刻的染色支撑剂流场图片如图6所示。
在另一个具体的实施例中,采用绿色荧光反光油漆染色的支撑剂颗粒进行支撑剂输送物理模拟实验,多粒子示踪粒子在t1、t3、t5时刻的染色支撑剂流场图片如图11所示。
在另一个具体的实施例中,采用红色丙烯颜料染色的支撑剂颗粒进行支撑剂输送物理模拟实验,多粒子示踪粒子在t1、t3、t5时刻的染色支撑剂流场图片如图16所示。
S4:对流场图片中的示踪粒子进行二次着色,利用计算机识别程序对着色后的图片进行示踪粒子识别。
在一个具体的实施例中,进行二次着色时采用人工着色,将原始图片中可观察到的染色支撑剂统一为计算机可识别的同一RGB值。
优选的,人工着色时将流场图片中的所有染色支撑剂颗粒着为红色,其RGB值均为(255,0,0)。
在一个具体的实施例中,对图6的流场图片进行人工着色,将所有染色支撑剂颗粒着为RGB值为(255,0,0)的红色,人工着色后的支撑剂颗粒流场图片如图7所示。对着色后的图片进行示踪粒子识别,其识别结果如图8所示。
在另一个具体的实施例中,对图11的流场图片进行人工着色,将所有染色支撑剂颗粒着为RGB值为(255,0,0)的红色,人工着色后的支撑剂颗粒流场图片如图12所示。对着色后的图片进行示踪粒子识别,其识别结果如图13所示。
在另一个具体的实施例中,对图16的流场图片进行人工着色,将所有染色支撑剂颗粒着为RGB值为(255,0,0)的红色,人工着色后的支撑剂颗粒流场图片如图17所示。对着色后的图片进行示踪粒子识别,其识别结果如图18所示。
S5:对识别后的示踪粒子进行追踪与速度计算:
当所述示踪粒子为单粒子时,包括以下子步骤:S51':读取第i幅图像;S52':找到所有着色像素点;S53':对像素点坐标进行求平均运算,获取中心点的xi,yi坐标;S54':利用相邻两幅图的坐标与时间,求得速度。
在一个具体的实施例中,对图7识别后的示踪粒子采用上述方法进行追踪与速度计算,单颗粒在X方向的速度结果如图9所示,在Y方向的速度结果如图10所示。
当所述示踪粒子为多粒子时,包括以下子步骤:
S51:区分同一图像中的不同染色支撑剂颗粒,具体包括以下子步骤:S511:读取第i幅图像;S512:找到所有X个着色颗粒所包含所有Z个像素点的坐标,并放置在一个数组中;S513:设定坐标搜索阈值对坐标进行运算,判断每一个着色像素点相邻的所有像素点,将每一次搜寻的像素点储存在X个数组中;S514:将X个数组中的像素点总个数与Z进行比较,以判断是否将所有Z个像素点均对应到X个着色颗粒上;若相加后的总染色像素点个数等于Z,则证明完整支撑剂颗粒着色像素点被成功提取,进入步骤S52;若相加后的总染色像素点个数不等于Z,则完整支撑剂颗粒着色像素点未被成功提取,改变坐标搜索阈值,重复步骤S513-S514。
S52:确定同一图像中不同染色支撑剂颗粒的颗粒中心,具体包括以下子步骤:S521:对在同一数组中的像素点进行算数平均并求整,获取每一个着色支撑剂颗粒的中心坐标;S522:将每一时刻的每个着色支撑剂颗粒的中心点坐标放置在一个三维数组中,共计X个。
S53:采用PCSS算法确定不同图像中同一染色支撑剂颗粒位置,进行粒子匹配,具体包括以下子步骤:S531:针对第i幅图的第j(j=1、2、3、4、……、X)个粒子,以其为中心,以R为半径找到一个查询区域J;S532:针对第i幅图的第j个粒子,分别计算其相对i幅图的其他X-1个粒子距离和角度;S533:利用以上方法,依次对第i+1幅图的共X个粒子进行扫描,依次求得第k个粒子与其余X-1个粒子的距离和角度,获得X组数据;S534:针对第i幅图的第j个粒子,利用相似系数计算公式分别对第i+1幅图的第k个粒子求得Sjk,其中最大的Sjk中k对应在粒子就是j粒子的在i+1幅图的配对粒子;S535:依次获取第i幅图的X个粒子与i+1幅图中的X个粒子的配对组合,最终实现每幅图像的所有粒子匹配。步骤S534中所述相似系数计算公式具体为:
其中,H(x,y)为阶跃函数:
式中:
εr为距离偏差的阈值,通常取值小于5个像素;
εθ为角度偏差的阈值,通常取值小于30°;
rjm为粒子j与查询区域J内粒子的距离;
rkm为粒子j与查询区域J内粒子的距离;
θjm为粒子i与查询区域I内粒子的连线角度;
θkm为粒子j与查询区域J内粒子的连线角度;
M为查询区域J粒子的个数;
N为查询区域K粒子的个数。
S54:利用上述方法,对所截取的T幅图片中的所有颗粒进行配对,利用前后两幅图的横纵坐标与前后两幅图的时间间隔Δt计算出颗粒流动的速度大小与方向。对T幅图都进行上述处理,即可定量获得高浓度条件下缝内支撑剂颗粒的运动轨迹。
在一个具体的实施例中,对图13识别后的示踪粒子采用上述方法进行追踪与速度计算,多颗粒染色支撑剂在X方向的速度结果如表1所示:
表1多颗粒绿色荧光反光油漆染色支撑剂在X方向的速度结果(单位:m/s)
根据表1中的数据绘制出如图14所示的多颗粒染色支撑剂在X方向的速度分布情况柱状图,以及如图15所示的多颗粒染色支撑剂轨迹运动情况图。
在一个具体的实施例中,对图18识别后的示踪粒子采用上述方法进行追踪与速度计算,多颗粒染色支撑剂在X方向的速度结果如表2所示:
表2多颗粒红色丙烯颜料染色支撑剂在X方向的速度结果(单位:m/s)
Y坐标 | 颗粒1 | 颗粒2 | 颗粒3 | 颗粒4 | 颗粒5 | 颗粒6 |
38 | 0.0336 | 0.0308 | 0.0294 | 0.0352 | 0.0308 | 0.028 |
67 | 0.0336 | 0.035 | 0.0322 | 0.0364 | 0.0356 | 0.0312 |
210 | 0.0322 | 0.035 | 0.0308 | 0.0336 | 0.0336 | 0.0364 |
247 | 0.0322 | 0.0332 | 0.028 | 0.0336 | 0.0324 | 0.035 |
268 | 0.035 | 0.0322 | 0.0336 | 0.0364 | 0.0294 | 0.037 |
392 | 0.0378 | 0.035 | 0.035 | 0.0392 | 0.0322 | 0.0392 |
441 | 0.0378 | 0.0336 | 0.0308 | 0.0378 | 0.0336 | 0.0392 |
549 | 0.0336 | 0.0322 | 0.0308 | 0.0378 | 0.0336 | 0.0322 |
650 | 0.0252 | 0.0224 | 0.0252 | 0.0252 | 0.0238 | 0.0266 |
686 | 0.0238 | 0.0266 | 0.0224 | 0.0266 | 0.0266 | 0.0266 |
728 | 0.0252 | 0.021 | 0.021 | 0.0252 | 0.0196 | 0.0252 |
817 | 0.0224 | 0.0224 | 0.021 | 0.0224 | 0.0238 | 0.021 |
根据表2中的数据绘制出如图19所示的多颗粒染色支撑剂在X方向的速度分布情况折线图,以及如图20所示的多颗粒染色支撑剂轨迹运动情况图。
根据上述实施例结果表明,即使在使用对比度不够明显的红色丙烯颜料对支撑剂进行染色后做支撑剂输送物理模拟实验,通过本发明的方法依然能够准确的追踪到该实验条件下缝内支撑剂运动轨迹。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,虽然本发明已以较佳实施例揭露如上,然而并非用以限定本发明,任何熟悉本专业的技术人员,在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属于本发明技术方案的范围内。
Claims (6)
1.一种高颗粒浓度实验条件下的缝内支撑剂运动轨迹追踪方法,其特征在于,包括以下步骤:
S1:制作染色支撑剂,将其视为示踪粒子;
S2:将染色支撑剂伴注到携砂液中混合均匀,进行支撑剂输送物理模拟实验;
S3:利用高速摄像机获取实验过程中示踪粒子的运动特征,并利用图像处理软件获取在间隔时间Δt的流场图片;
S4:对流场图片中的示踪粒子进行二次着色,利用计算机识别程序对着色后的图片进行示踪粒子识别;二次着色时采用人工着色,将原始图片中可观察到的染色支撑剂统一为计算机可识别的同一RGB值;
S5:对识别后的示踪粒子进行追踪与速度计算;
当所述示踪粒子为单粒子时,包括以下子步骤:
S51':读取第i幅图像;
S52':找到所有着色像素点;
S53':对像素点坐标进行求平均运算,获取中心点的xi,yi坐标;
S54':利用相邻两幅图的坐标与间隔时间,求得单粒子着色支撑剂颗粒的速度与轨迹;
当所述示踪粒子为X个多粒子时,包括以下子步骤:
S51:区分同一图像中的X个不同着色支撑剂颗粒,具体包括以下子步骤:
S511:读取第i幅图像;
S512:找到所有X个着色颗粒所包含所有Z个像素点的坐标,并放置在一个数组中;
S513:设定坐标搜索阈值对坐标进行运算,判断每一个着色像素点相邻的所有像素点,将每一次搜寻的像素点储存在X个数组中;
S514:将X个数组中的像素点总个数与Z进行比较,以判断是否将所有Z个像素点均对应到X个着色颗粒上;
若相加后的总染色像素点个数等于Z,则证明完整支撑剂颗粒着色像素点被成功提取,进入步骤S52;
若相加后的总染色像素点个数不等于Z,则完整支撑剂颗粒着色像素点未被成功提取,改变坐标搜索阈值,重复步骤S513-S514;
S52:确定同一图像中X个着色支撑剂颗粒的颗粒中心,具体包括以下子步骤:
S521:对在同一数组中的像素点进行算数平均并求整,获取每一个着色支撑剂颗粒的中心坐标;
S522:将每一时刻的每个着色支撑剂颗粒的中心点坐标放置在一个三维数组中;
S53:确定不同图像中同一着色支撑剂颗粒位置;
S54:利用相邻两幅图的坐标与间隔时间,求得多粒子着色支撑剂颗粒的速度与轨迹。
2.根据权利要求1所述的高颗粒浓度实验条件下的缝内支撑剂运动轨迹追踪方法,其特征在于,步骤S1制作染色支撑剂时采用绿色荧光反光油漆进行染色,包括以下子步骤:
S11:根据实验支撑剂浓度与液量进行需要染色的支撑剂颗粒量的确定,将染色支撑剂总量控制在总支撑剂颗粒量的5%;
S12:利用清水清洗待染色支撑剂,待清洗完成后进行烘干备用;
S13:将清洗后的支撑剂与染色剂混合并进行充分搅拌染色,其中,染色浓度控制在25%;
S14:将染色后的支撑剂颗粒放入烘箱中,进行70℃、12h的烘干;
S15:将烘干后的支撑剂取出,初步破碎后加水浸泡,用研磨机研磨将支撑剂逐颗分散;
S16:将分散后的染色支撑剂自然风干备用。
3.根据权利要求1所述的高颗粒浓度实验条件下的缝内支撑剂运动轨迹追踪方法,其特征在于,步骤S2进行支撑剂输送物理模拟实验时,在实验装置中的可视化平板前采用灯光照射所述可视化平板,增大染色支撑剂对比度。
4.根据权利要求3所述的高颗粒浓度实验条件下的缝内支撑剂运动轨迹追踪方法,其特征在于,所述灯光采用光照强度2660流明、200w的灯进行照射。
5.根据权利要求4所述的高颗粒浓度实验条件下的缝内支撑剂运动轨迹追踪方法,其特征在于,步骤S3中所述高速摄像机至少设置三台且均位于灯所在的可视化平板的一侧,其中,至少一台位于所述可视化平板裂缝的入口端,至少一台位于所述可视化平板裂缝的中间段,至少一台位于所述可视化平板裂缝的出口端。
6.根据权利要求1所述的高颗粒浓度实验条件下的缝内支撑剂运动轨迹追踪方法,其特征在于,步骤S53采用PCSS算法确定不同图像中同一着色支撑剂颗粒的位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910931901.5A CN110566190B (zh) | 2019-09-29 | 2019-09-29 | 高颗粒浓度实验条件下的缝内支撑剂运动轨迹追踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910931901.5A CN110566190B (zh) | 2019-09-29 | 2019-09-29 | 高颗粒浓度实验条件下的缝内支撑剂运动轨迹追踪方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110566190A CN110566190A (zh) | 2019-12-13 |
CN110566190B true CN110566190B (zh) | 2021-02-19 |
Family
ID=68783060
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910931901.5A Active CN110566190B (zh) | 2019-09-29 | 2019-09-29 | 高颗粒浓度实验条件下的缝内支撑剂运动轨迹追踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110566190B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111191373B (zh) * | 2020-01-03 | 2023-04-07 | 长沙有色冶金设计研究院有限公司 | 一种高浓度尾砂充填料浆搅拌工艺优化方法 |
CN111502627A (zh) * | 2020-04-20 | 2020-08-07 | 华美孚泰油气增产技术服务有限责任公司 | 一种水力压裂t型裂缝实验装置及其实验方法 |
CN112326192B (zh) * | 2020-10-28 | 2021-07-20 | 西南石油大学 | 一种支撑剂平板输送实验中支撑剂速度定量表征方法 |
CN112554853A (zh) * | 2020-12-11 | 2021-03-26 | 成都北方石油勘探开发技术有限公司 | 一种控制注水或注气的方法及系统 |
CN112489041B (zh) * | 2020-12-18 | 2022-06-21 | 武汉第二船舶设计研究所(中国船舶重工集团公司第七一九研究所) | 一种基于单目视觉的船舶液体容器缺陷检测方法及系统 |
CN112686883B (zh) * | 2021-01-11 | 2022-02-01 | 西南石油大学 | 一种基于图像识别的压裂液悬砂能力评价方法 |
CN113041933B (zh) * | 2021-03-09 | 2022-03-08 | 西南石油大学 | 一种支撑剂测速实验中保持颗粒浓度稳定的装置及方法 |
CN113033049B (zh) * | 2021-03-22 | 2022-03-08 | 西南石油大学 | 一种地层尺度下的粗糙裂缝内支撑剂输送数值模拟方法 |
CN115948156A (zh) * | 2022-12-19 | 2023-04-11 | 青铜峡市蒙龙砂业科技有限公司 | 一种树脂覆膜彩砂压裂支撑剂的制备方法及其应用 |
CN116738810B (zh) * | 2023-07-04 | 2024-02-20 | 东北石油大学 | 基于粒子追踪法的盆地构造有限应变分布分析方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103233720A (zh) * | 2013-04-26 | 2013-08-07 | 中国石油大学(华东) | 基于磁性支撑剂的水力裂缝监测系统及监测方法 |
GB2513746A (en) * | 2011-04-05 | 2014-11-05 | Tracesa Ltd | Fluid identification system and production and use thereof |
CN105189921A (zh) * | 2013-03-15 | 2015-12-23 | 卡博陶粒有限公司 | 用于使用注入的多孔陶瓷支撑剂水力压裂及评估和诊断水力裂缝的组合物和方法 |
CN106795752A (zh) * | 2014-07-31 | 2017-05-31 | 卡博陶粒有限公司 | 用化学处理剂注入多孔陶瓷支撑剂的方法和系统 |
CN106812517A (zh) * | 2017-01-17 | 2017-06-09 | 中国石油大学(北京) | 裂缝内高浓度颗粒运动状态与液体流场同时监测实验方法 |
CN107207956A (zh) * | 2014-12-15 | 2017-09-26 | 贝克休斯公司 | 水力压裂组合物、其制造和使用方法 |
CN107288607A (zh) * | 2017-07-25 | 2017-10-24 | 中国石油大学(华东) | 一种利用Gd中子示踪产额成像评价近井压裂裂缝的方法 |
CN109577958A (zh) * | 2018-11-02 | 2019-04-05 | 中国石油天然气股份有限公司 | 一种脉冲中子测井时间谱评价示踪陶粒压裂缝宽的方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10422209B2 (en) * | 2018-01-09 | 2019-09-24 | Saudi Arabian Oil Company | Magnetic proppants for enhanced fracturing |
-
2019
- 2019-09-29 CN CN201910931901.5A patent/CN110566190B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2513746A (en) * | 2011-04-05 | 2014-11-05 | Tracesa Ltd | Fluid identification system and production and use thereof |
CN105189921A (zh) * | 2013-03-15 | 2015-12-23 | 卡博陶粒有限公司 | 用于使用注入的多孔陶瓷支撑剂水力压裂及评估和诊断水力裂缝的组合物和方法 |
CN103233720A (zh) * | 2013-04-26 | 2013-08-07 | 中国石油大学(华东) | 基于磁性支撑剂的水力裂缝监测系统及监测方法 |
CN106795752A (zh) * | 2014-07-31 | 2017-05-31 | 卡博陶粒有限公司 | 用化学处理剂注入多孔陶瓷支撑剂的方法和系统 |
CN107207956A (zh) * | 2014-12-15 | 2017-09-26 | 贝克休斯公司 | 水力压裂组合物、其制造和使用方法 |
CN106812517A (zh) * | 2017-01-17 | 2017-06-09 | 中国石油大学(北京) | 裂缝内高浓度颗粒运动状态与液体流场同时监测实验方法 |
CN107288607A (zh) * | 2017-07-25 | 2017-10-24 | 中国石油大学(华东) | 一种利用Gd中子示踪产额成像评价近井压裂裂缝的方法 |
CN109577958A (zh) * | 2018-11-02 | 2019-04-05 | 中国石油天然气股份有限公司 | 一种脉冲中子测井时间谱评价示踪陶粒压裂缝宽的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110566190A (zh) | 2019-12-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110566190B (zh) | 高颗粒浓度实验条件下的缝内支撑剂运动轨迹追踪方法 | |
Liu et al. | Ore image segmentation method using U-Net and Res_Unet convolutional networks | |
Zhang et al. | An efficient and reliable coarse-to-fine approach for asphalt pavement crack detection | |
CN110136449A (zh) | 基于深度学习的交通视频车辆违停自动识别抓拍的方法 | |
CN104680519B (zh) | 基于轮廓和颜色的七巧板识别方法 | |
CN102663760B (zh) | 一种对图像中的车辆挡风镜区域进行定位分割的方法 | |
CN105718870A (zh) | 自动驾驶中基于前向摄像头的道路标线提取方法 | |
CN105741324A (zh) | 移动平台上的运动目标检测识别与跟踪方法 | |
CN101325690A (zh) | 监控视频流中人流分析与人群聚集过程的检测方法及系统 | |
CN109409355A (zh) | 一种新型变压器铭牌识别的方法及装置 | |
CN102136076A (zh) | 基于安全帽检测的煤矿井下人员定位与跟踪方法 | |
CN104700092A (zh) | 一种基于模板和特征匹配相结合的小字符数字识别方法 | |
CN106296691B (zh) | 基于图像分析的路面病害识别方法 | |
Prabhakar et al. | A novel design for vehicle license plate detection and recognition | |
CN105184317B (zh) | 一种基于svm分类的车牌字符分割方法 | |
CN108537143A (zh) | 一种基于重点区域特征比对的人脸识别方法与系统 | |
CN103699876B (zh) | 一种基于线阵ccd图像识别车号的方法及装置 | |
CN102354364A (zh) | 一种单摄像机监控系统的立体障碍物检测方法 | |
Liang et al. | Fast and robust pavement crack distress segmentation utilizing steerable filtering and local order energy | |
CN109272496A (zh) | 一种煤矿火灾视频监控用火灾图像识别方法 | |
CN108733749A (zh) | 一种基于草图的图像检索方法 | |
CN115131712A (zh) | 一种计算机视觉驱动的钻杆智能计数方法 | |
WO2020207128A1 (zh) | 农业残模自动检测、回收装备及其使用方法 | |
Hoogs et al. | A common set of perceptual observables for grouping, figure-ground discrimination, and texture classification | |
CN106650735A (zh) | 一种led字符自动定位识别方法 |
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 |