CN110662961A - 分析岩石样本 - Google Patents

分析岩石样本 Download PDF

Info

Publication number
CN110662961A
CN110662961A CN201880032113.6A CN201880032113A CN110662961A CN 110662961 A CN110662961 A CN 110662961A CN 201880032113 A CN201880032113 A CN 201880032113A CN 110662961 A CN110662961 A CN 110662961A
Authority
CN
China
Prior art keywords
pixel
map
value
threshold
substance
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
Application number
CN201880032113.6A
Other languages
English (en)
Other versions
CN110662961B (zh
Inventor
D·雅各比
J·隆戈
J·科内
Q·孙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Saudi Arabian Oil Co
Original Assignee
Saudi Arabian Oil Co
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Saudi Arabian Oil Co filed Critical Saudi Arabian Oil Co
Publication of CN110662961A publication Critical patent/CN110662961A/zh
Application granted granted Critical
Publication of CN110662961B publication Critical patent/CN110662961B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/24—Earth materials
    • G01N33/241—Earth materials for hydrocarbon content
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/22—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material
    • G01N23/225—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material using electron or ion
    • G01N23/2251—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material using electron or ion using incident electron beams, e.g. scanning electron microscopy [SEM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/0008—Industrial image inspection checking presence/absence
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/60—Specific applications or type of materials
    • G01N2223/616—Specific applications or type of materials earth materials
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/20—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by using diffraction of the radiation by the materials, e.g. for investigating crystal structure; by using scattering of the radiation by the materials, e.g. for investigating non-crystalline materials; by using reflection of the radiation by the materials
    • G01N23/20091—Measuring the energy-dispersion spectrum [EDS] of diffracted radiation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/22—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material
    • G01N23/2206—Combination of two or more measurements, at least one measurement being that of secondary emission, e.g. combination of secondary electron [SE] measurement and back-scattered electron [BSE] measurement
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/22—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material
    • G01N23/2209—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material using wavelength dispersive spectroscopy [WDS]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/22—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material
    • G01N23/223—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material by irradiating the sample with X-rays or gamma-rays and by measuring X-ray fluorescence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10056—Microscopic image
    • G06T2207/10061—Microscopic image from scanning electron microscope

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Environmental & Geological Engineering (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geology (AREA)
  • Remote Sensing (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明提供一种用于从岩石样本区域的图像中分析岩石的方法、计算机程序和系统，其包括访问数据库中所述样本区域的元素图，每个元素图包括像素阵列，并且每个像素具有能反映所述像素与化学元素的相关程度的值；访问数据库，所述数据库存储包括所述化学元素的多种化学元素的阈值；通过确定每个所述元素图中所述像素的值大于或小于相应的化学元素的阈值来确定物质在对应于所述像素的所述样本区域的一部分中的存在情况；基于所述像素中所述物质的存在情况标记所述像素；和输出数据，所述数据反映呈现在图形界面上的物质图。

Description

分析岩石样本
优先权申请
本申请要求2017年5月15日提交的题为“分析岩石样本”的美国临时申请系列62/506,263的优先权，并在此通过引用并入其公开的全部内容。
发明领域
本说明书描述了用于分析岩石样本，以及用于输出基于所述分析的图像的示例性过程。
背景技术
岩石可含有碳氢化合物，例如油或气。用于估计岩石中碳氢化合物的存在情况和量的标准包括，例如，岩石中化学元素或矿物质的类型以及那些化学元素和矿物质在岩石中的数量。为了确定岩石中有机物质(例如碳氢化合物或干酪根)的存在情况和量，可以使用成像技术来捕获岩石的图像。可以分析所得到的图像以识别岩石中有机材料的存在情况和数量。
发明概述
本说明书描述了使用地球化学关系来确定岩石样本图像的每个像素的可能矿物学的示例性过程。可用于分析以确定可能的矿物学的图像类型的例子包括，但不限于，使用扫描电子显微镜(SEM)获取的图像。这些图像整合了使用例如能量色散光谱(EDS)、反向散射电子(BSE)图像或波色散光谱(WDS)测量获取的“Z”值和元素数据。由该示例性过程生成的输出可以包括二维(2D)矿物质图。该矿物质图可用于矿物学评估或用于构建三维(3D)聚焦离子束扫描电子显微镜(FIB-SEM)的切片。矿物质图可以提高量化碳氢化合物的储层性质的能力。该示例性过程还可以用于使用微X射线荧光(micro-XRF)来量化岩石样本中的矿物质，并且可以与其他技术例如傅里叶变换红外光谱(FTIR)组合使用。
在一些实施方式中，使用所述示例性过程获得的矿物质图具有纳米级的分辨率和岩石基质的量化结果。在一些实施方式中，纳米级的像素可包括小于1微米(μm)的像素。
示例性方法包括通过岩石样本区域图像分析岩石。所述示例性方法包括访问数据库中所述样本区域的元素图，每个元素图包括像素阵列，并且每个像素具有反映所述像素与化学元素的相关程度的值；访问数据库，所述数据库存储包括所述化学元素的多个化学元素的阈值；通过确定每个所述元素图中所述像素的值大于或小于相应的化学元素的阈值来确定物质在对应于所述像素的所述样本区域的一部分中的存在情况；基于所述像素中所述物质的存在情况，标记所述像素；和输出数据，所述数据反映呈现在图形界面上的物质图。示例性方法可以单独或组合地包括以下特征中的一个或多个。
可以使用扫描电子显微镜(SEM)获得图像。可以基于反向散射电子(BSE)图像、能量色散光谱(EDS)图像、波色散光谱(WDS)或微X射线荧光(微XRF)图像生成至少一个元素图。每个元素图以未处理的图像数据为基础。化学元素可以包括以下中的至少一种：铝、钙、碳、氯、铁、氧、钾、磷、镁、硫、钠、硅或钛。物质图的分辨率可小于或等于250nm/像素。
确定所述样本区域的所述部分中物质的存在情况可以包括选择化学元素的元素图；比较所述元素图中的所述像素的值与第一阈值；和确定所述像素的值是否与所述第一阈值具有预定关系从而来检测物质的存在情况。如果所述像素的值与第一阈值不具有预定关系，则所述方法还包括对不同的化学元素重复进行选择、比较和确定。
所述预定关系可以包括所述像素的值大于所述第一阈值，或者所述像素的值小于所述第一阈值
所述方法可以包括选择第一化学元素的元素图；比较所述元素图中的所述像素的值与第一阈值；确定所述像素的值与所述第一阈值具有第一预定关系；选择第二化学元素的元素图；比较所述第二元素图中的所述像素的值与第二阈值；确定所述像素的值与所述第二阈值具有第二预定关系；并且基于所述像素的值与所述第一阈值具有所述第一预定关系以及基于所述像素的值与所述第二阈值具有所述第二预定关系，将所述像素标记为物质。
所述物质可以是矿物质，并且所述物质图可以是矿物质图。
所述方法可以包括接收反映所述样本区域的数据，所述数据从成像设备接收到并且所述数据以纳米级分辨率反映所述像素。可以基于所接收到的所述数据确定所述样本区域的所述部分中物质的存在情况。所述物质图可以具有纳米级的分辨率。所述方法可以包括对所述物质图中的物质进行评估；和输出基于评估的数据。基于所述评估的所述数据可以包括所述物质图中物质的表征。所述方法还可以包括基于所述物质的表征确定所述岩石样本中具有碳氢化合物的可能性；和基于所述岩石样本中具有碳氢化合物的可能性影响烃提取过程的操作。
本说明书(包括本发明概述)中描述的任何两个或更多个特征可以组合以形成在本说明书中未具体描述的实施方式。
本说明书中描述的全部或部分方法、系统和技术可以实现为计算机程序产品，其包括存储在一种或多种非暂时性机器可读存储介质上的并且可在一个或多个处理设备上执行的指令。非暂时性机器可读存储介质的示例包括，例如，只读存储器、光盘驱动器、存储器盘驱动器、随机存取存储器等。本说明书中描述的全部或部分方法、系统和技术可以实现为包括一个或多个处理设备和存储指令的存储器的设备、方法或系统，所述指令可由一个或多个处理设备执行以执行所述的操作。
在附图和说明书中示出了一个或多个实施方式的细节。根据说明书和附图以及根据权利要求，其它特征和优点将显而易见。
附图说明
图1显示了用于生成矿物质图的示例性过程。
图2显示了示例性的矿物质图。
图3是显示了进行矿物学分析的示例性过程的流程图。
图4是显示了进行矿物学分析的示例性过程的流程图。
图5显示了示例性的矿物质图和三个EDS元素图。
图6显示了图5的矿物质图与相同样本的低分辨率矿物质图的对比。
图7A显示了图6B中所示的矿物质图的精细版本；以及图7B显示了图6B中所示的矿物质图的示例性低分辨率版本。
图8显示了样本的示例性低分辨率矿物质图(顶部)，以及同一样本的示例性较高分辨率矿物质图(底部)。
图9显示了铁样本的示例性矿物质图和示例性低分辨率元素图(顶部)，以及所述铁样本的示例性矿物质图和示例性元素图(底部)。
图10显示了示例性的矿物质图。
图11显示了碎岩石样本的示例性矿物质图(顶部)，以及碳酸盐岩的示例性矿物质图(底部)。
图12显示了示例性矿物质图(左)，以及与相应的BSE图像重叠的矿物质图(右)。
图13A至13C显示了同一样本的各种类型的SEM衍生图像；图13D显示了源自图13A至13C的图像的矿物质图；以及图13E显示了样本的相互作用体积的图。
图14显示了从样本BSE数据生成的示例性矿物质图。
图15A显示了铝、钙、碳、氯、铁和氧的示例性元素图；图15B显示了钾、磷、镁、硫、钠、硅和钛的示例性元素图。
图16显示了基于图15A和图15B中所示的图像的图形表示。
图17A显示了样本的示例性矿物质图；图17B显示了覆盖有BSE图像的图17矿物质图。
发明详述
本公开内容包括用于生成诸如岩石或矿物之类的结构的像素图的示例性过程(“所述过程”)。在示例性过程中，捕获岩石的图像。图像中的像素具有纳米级分辨率。在一些实施方式中，具有纳米级分辨率的图像可包括边缘长度小于1微米(μm)(例如250纳米(nm))的像素。分析图像的每个单独像素以确定像素所代表的岩石部分的化学成分。基于这个分析，所述过程确定了岩石的所述部分的矿物质成分。因为所述过程以纳米级分辨率执行分析，所以可以生成比使用较低分辨率图像生成的像素图更详细的像素图。
示例性过程可以采用的技术包括，但不限于，SEM成像技术，包括FIB-SEM、EDS、BSE和WDS。在一个示例中，SEM包括使用聚焦的电子束扫描(或激发)样本的表面，并且基于由表面的激发引起的信号生成图像。在一个示例中，FIB-SEM包括这样的系统：其以类似于SEM的工作原理为基础，但是其使用聚焦的离子束而不是电子来激发样本。在一个示例中，EDS包括检测和测量样本的特征性X射线激发(光子)。由于每种化学元素具有独特的原子结构，所以可以检测到每个样本元素的电磁发射光谱上的一组独特峰。在一个示例中，WDS包括检测来自不同元素的X射线并使用元素的特征性衍射图案(称为布拉格衍射)将它们分离。在一个示例中，BSE包括检测从样本反射的电子。BSE信号与原子序数(“Z”值)之间存在密切关系：较重的化学元素比轻元素更强烈地散射束电子。在BSE图像中，较重的元素可能比较轻的元素显得更亮。
在石油和天然气工业中，矿物学可用于估计岩石沉积物(包括但不限于烃沉积物)的质量和数量。例如，页岩的矿物学能指示其对(水力)断裂(也称为“压裂”)的敏感性。使用岩相剖面等方法对页岩进行分析可能充满挑战，因为页岩主要由相对细粒的矿物组成。高分辨率成像技术(如SEM)可用于从页岩或其他岩石样本中获取定性的、拓扑的和定量的信息。例如，高分辨率成像技术能够以亚微米分辨率对有机物(例如干酪根)中的矿物颗粒边界和分布情况进行成像。这种成像使得可以对来自例如FIB-SEM图像的岩石区段进行增强的二维(2D)矿物学映射和三维(3D)重建。矿物颗粒边界的亚微米级分辨率可以对样本(例如页岩样本)中的矿物学、岩性学、有机地球化学和岩石物理学进行相对详细的确定。
在一些示例中，所述过程使用元素数据和灰度图像数据来识别或量化，或者既识别又量化单独的SEM/EDS图像内或SEM/EDS与BSE组合的图像内每个像素的矿物质、有机物质，或者矿物质和有机物质。图1显示了用于通过岩石样本的样本区域的显微图像分析岩石样本的过程100的示例性实施方式。根据过程100，通过使用EDS分析、WDS分析或两者来分析岩石样本从而生成(101)岩石样本的元素图。在一些实施方式中，元素图包括像素阵列。阵列中的每个像素具有灰度值，所述灰度值对应于特定元素的EDS、WDS或BSE信号的强度。在这个方面，由于岩石样本可能包含多个元素，因此可能会为同一岩石样本生成多个元素图。每个元素图可以包括元素图和岩石样本的内容物之间的相同的逐像素相关性，使得可以分析来自不同元素图的相同像素以确定该像素是否代表一种或多种不同的化学元素。元素图可以存储在一个或多个合适的数据库或其他存储结构中。
在一些实施方式中，为了便于确定岩石样本的矿物学，将所有元素图加载到张量模型中，在所述张量模型中图像被构造成堆叠页面。可以添加相应的BSE图像以帮助确定有机物和孔隙度。图16显示了示例性数据集的图形表示。
为了组织图像数据，可以使用三量度系统。前两个量度以[行，列]的形式表示图像上像素的空间位置。第三量度可以是深度，其读取所有元素图的值。因此，通过使用三量度系统，可以定位堆叠中的任何像素。如果调用张量模型中的XY位置，则该过程返回“元素向量”，其包含指定位置处像素的所有值。在某些情况下，这允许同时比较所有元素。
在一些实施方式中，每个元素图包括像素阵列，并且每个像素具有反映该像素代表化学元素的接近程度的值。例如，所述值可以是大于或小于该元素的预定阈值的灰度值(例如，在0和255之间)。过程100访问(102)数据库以获得所选元素图的化学元素的阈值。过程100访问并选择元素图和一组化学元素的相应阈值。用以选择阈值和元素图的化学元素可以是任何合适的一组预定义化学值。例如，用户可以具有该用户希望测试的化学值列表。
在这方面，由于矿物质具有特征性的元素组成，因此可以检测到构成特定矿物质的某些元素的强烈存在。可以为每个元素建立阈值。每个元素对EDS中的电子束激发的应答不同，因此阈值在元素之间可能不是通用的。例如，铁的“80”这个值可能与钛的值“80”表示不同的意思。建立用于确定布尔变量的阈值，所述布尔变量会指示元素的存在或不存在。在一些实施方式中，通过首先寻找最具特征的矿物质，可以依次测试参数，以便确定由所考虑的像素表示的岩石样本的矿物组成。
在一些实施方式中，所选元素图包含表示沉积岩的成分的数据，但还可以选择其他类型的图。该数据可用于通过SEM衍生的EDS或BSE图像或通过两者确定岩石样本的可能矿物学。例如，数据可以用于生成物质图，例如矿物质图，显示物质(例如矿物质)的分布，以及岩石样本中存在的那些物质(也就是这些矿物质)的量。通过示例性过程生成的矿物质图的示例在图2中示出。在一些实施方式中，存在于岩石样本中的矿物质的分布和量可以用所述矿物质相对于总样本的重量百分比(wt％)或体积百分比(vol％)表示。为了确定岩石样本的可能矿物学，该过程从数据库中获得来自元素图的化学元素的阈值。
过程100使用所获得的阈值来确定(103)岩石样本中物质(例如矿物或有机材料)的存在情况。在一些实施方式中，过程100通过逐个像素地分析岩石样本的图像(例如SEM图像)来做出这样的确定。图3和4显示了执行这种分析的示例性过程。但是，可以执行除图3和图4显示的分析以外的分析。在一些实施方式中，所述分析可以包括比较来自不同元素图的相同像素的值与一组化学元素中的每一个的阈值，并确定对于每个化学元素来说是否与阈值存在预定的关系。例如，预定关系可以包括所述值超过阈值或者小于阈值。至于化学元素是否存在于岩石样本的一部分中，可以基于代表岩石样本的该部分的像素值是大于还是小于该化学元素的阈值来进行确定。
基于岩石样本中化学元素的存在或不存在(103)，过程100生成(104)代表岩石样本的矿物质图的数据。在一些实施方式中，所述矿物质图包括代表岩石样本的内容物的信息。矿物质图可以用不同颜色、纹理或其他合适的区别标记来代表不同矿物质。如前所述，在一些实施方式中，使用过程100生成的矿物质图具有纳米级的分辨率和岩石基质的量化信息。在一些实施方式中，纳米级可包括小于1微米(μm)的像素。在一些实施方式中，使用过程100产生的矿物质图可具有大于纳米级或包括小于1微米(μm)的像素的分辨率和岩石基质的量化信息。
过程100输出(105)数据，所述数据反映用于呈现在适当的图形界面(例如但不限于计算机显示屏、或者平板电脑或手机的屏幕)上的矿物质图。基于数据，矿物质图由适当的图形处理设备呈现以显示给用户。
在过程100的一些实施方式中，例如使用SEM收集EDS和BSE数据。处理该数据以获得元素信息，例如原始元素(光谱)数据。提取和处理的数据可用于生成先前描述的元素图。在示例性过程(包括过程100)的一些实施方式中，不会将每个单独像素的数据转换为化学成分并随后与矿物数据库匹配。相反，在一些实施方式中，示例性过程使用原始元素(光谱)数据或来自SEM系统的X射线检测器或电子的其他原始输出数据。在一些实施方式中，如所指出的那样，可以将原始输出数据在例如0到255的范围内进行标准化。在一些实施方式中，可以用图形用户界面(GUI)实现对数据的采集参数的实时调整，以提供在地质学上一致的矿物质图。在一些实施方式中，SEM系统的采集参数包括表1中所示的示例性设置。
表1
加速电压： 15kV(15,000伏)
电流 -2.5nA(纳米安培)
真空压力 40帕斯卡
工作距离 10.1mm(毫米)
光圈 120μm(微米)
使用的探测器 电子背散射和二次电子
图像大小 300μm x 225μm
计数 100,000cps(每秒计数)
图像过滤器 5的平均过滤器
颜色图 灰度0-255
采集时间 30分钟
通过调整采集参数，可以获得黄铁矿微球团的具有相对光滑圆形的图像，以及可以获得呈相对尖锐菱形的成岩白云石晶体的图像。在一些实施方式中，这个信息可用于表征岩石样本，因为比如黄铁矿微球团或白云石菱形的形状和取向可以指示围岩是何时以及如何形成的。在这方面，准确的形态可以有助于在视觉上区分矿物质。此外，每种矿物质明确定义的边界以及因此而具有的明确的表面积可以提升定量和定性的精度。通过相对高分辨率成像和参数灵活性的组合获得的视觉结果有助于准确地确定岩石样本的化学成分，并因此确定矿物质。在一些实施方式中，对于具有约750,000个像素的SEM图像，可进行足够大量的确定以确保所说的岩石样本具有统计学上正确的总体矿物质组成。结果可以以相对高分辨率的矿物质图展示出来。
在一些实施方式中，过程100包括“基于规则”的过程以逐个像素地确定矿物学。在一些实施方式中，像素具有纳米级尺度，这可导致矿物质图具有相对较高的分辨率。因为这种过程的计算时间与像素的数量成比例，所以在某些情况下，较大的图像可能需要较长的处理时间。为了减少处理时间，可以使过程自动化以针对单个命令进行操作。在示例性实施方式中，可以使用由马萨诸塞州纳蒂克市的1Apple Hill Drive的生产的
Figure BDA0002273407540000082
来实现所述示例性过程。
如先前所解释的，过程100使用阈值来确定(103)岩石样本中物质(例如矿物质或有机物质)的存在情况。图3显示了用于分析岩石样本以进行这类确定的示例性过程。在图3的示例中，通过SEM数据获得一个或多个目标元素的值。这些值对应于像素与化学元素的对应程度。在这方面，SEM元素图中像素的每个元素值对应于由所述像素反映的样本区域中所述元素的存在情况。在一个示例中，元素值对应于在0到255的范围内基准化的图像灰度值。可以用这些元素值作为输入来分析与一组阈值(例如A、B、C、D、E、F、G、K和J)相关的元素值。在一个例子中，图3的过程对铝(相对于阈值“A”)和钾(相对于阈值“B”)进行了评估，以确定是否存在伊利石(301)。在一些实施方式中，如果所述比较结果表明像素的元素值与阈值之间存在预定关系，则认为矿物质的存在是可能的。例如，如果元素值大于或小于阈值，则认为可能存在矿物质。
继续图3的分析，如果铝和钾各自小于某个阈值，则考虑用铝(相对于阈值“C”和“D”)来确定像素值是否对应于高岭石(302)或蒙脱石(303)。如果不满足这些标准，则评估硅(相对于阈值“E”)，接着是钛(相对于阈值“F”)，以确定有没有可能是石英(305)或锐钛矿(304)。如果两个元素都不满足阈值标准，则考虑用钙(相对于阈值“G”)和镁(相对于阈值“H”)来确定像素是否代表方解石(306)或白云石(307)。如果确定矿物既不是方解石也不是白云石，那么碳和钙强度值之间的差异(相对于阈值“I”)提供了选择干酪根(308)，或者在评价了硫(相对于阈值“J”)后选择黄铁矿(309)的途径。图3的矿物质和化学组成是示例性的，在其他实施方式中可以使用其他矿物质和化学组合物。
在图3过程的示例性实施方式中，每个元素的示例性阈值示于表2中。
表2
Figure BDA0002273407540000091
Figure BDA0002273407540000101
如先前所解释，在一些实施方式中，每个阈值可以是例如0到255之间的灰度值。可基于例如代表EDS或BSE图像中特定元素的像素数据的最大强度、最小强度、或者平均强度等因素来选择或调整这些值。可以适当地使用其他阈值。除此之外或作为另外一种选择，其他元素和矿物质也可用于图3的示例性过程，它们的实例包括但不限于，铝、钙、碳、氯、铁、氧、钾、磷、镁、硫、钠、硅和钛。
如先前所解释，过程100使用阈值来确定(103)岩石样本中物质(例如矿物质或有机物质)的存在情况。图4显示了用于分析岩石样本以进行这种确定的示例性过程。在图4的示例性过程中，通过适当图像数据(例如SEM图像数据)获得对应于目标像素中一个或多个元素的存在情况的值。所述值可以是强度值，其代表像素与化学元素的相关程度。例如，对于特定化学元素来说，强度值越大，由该像素代表的岩石样本更有可能包含该化学元素。这些值可用于分析样本以确定所述样本的矿物质组成。可用于图4所示过程的一组示例性阈值(也称为参数)示于表3中。在一些实施方式中，对特定矿物质的存在情况的确定以对多种元素的分析为基础，例如分析两种、三种或更多种元素。相应地，表3显示了对于不同的示例性元素的示例性参数1、2和3。
表3
Figure BDA0002273407540000102
Figure BDA0002273407540000111
在该示例中，图4的过程执行对BSE图像的评估，然后分析EDS数据。如果BSE图像的像素具有小于阈值的灰度值，并且如果元素图对应于钙的像素具有大于特定阈值的值，则将矿物质图的像素标记为有机物/孔(401)。如果元素图对应于铁的像素具有大于特定阈值的元素值，并且如果元素图对应于硫的像素具有大于特定阈值的元素值，并且如果元素图对应于钙的像素具有小于特定阈值的元素值，则将矿物质图的像素标记为黄铁矿(402)。如果元素图对应于锌的像素具有大于特定阈值的元素值，并且如果元素图对应于硫的像素具有大于特定阈值的元素值，则将矿物质图的像素标记为闪锌矿(403)。如果元素图对应于钠的像素具有大于特定阈值的元素值，并且如果元素图对应于铝的像素具有大于特定阈值的元素值，则将矿物质图的像素标记为钠长石(404)。如果元素图对应于磷的像素具有大于特定阈值的元素值，则将矿物质图的像素标记为磷灰石(405)。如果元素图对应于铁的像素具有大于特定阈值的元素值，并且如果元素图对应于镁的像素具有大于特定阈值的元素值，则将矿物质图的像素标记为绿泥石(406)。如果元素图对应于钛的像素具有大于特定阈值的元素值，则将矿物质图的像素标记为锐钛矿(407)。如果元素图对应于镁的像素具有大于特定阈值的元素值，并且如果元素图对应于钙的像素具有大于特定阈值的元素值，则将矿物质图的像素标记为白云石(408)。如果元素图对应于钙的像素具有大于特定阈值的元素值，并且如果元素图对应于硫的像素具有大于特定阈值的元素值，则将矿物质图的像素标记为硬石膏(409)。如果元素图对应于钙的像素具有大于特定阈值的元素值，并且如果元素图对应于硫的像素具有小于特定阈值的元素值，并且如果元素图对应于硅的像素具有小于特定阈值的元素值，则将矿物质图的像素标记为方解石(410)。如果元素图对应于钾的像素具有大于特定阈值的元素值，则将矿物质图的像素标记为K-晶石(411)。如果元素图对应于钾的像素具有大于特定阈值的元素值，并且如果元素图对应于铝的像素具有大于特定阈值的元素值，则将矿物质图的像素标记为伊利石(412)。如果元素图对应于铝的像素具有大于特定阈值的元素值并且如果不存在钾，则将矿物质图的像素标记为高岭石(413)。如果元素图对应于铝的像素具有大于特定阈值的元素值，则将矿物质图的像素标记为蒙脱石(414)。如果元素图对应于硅的像素具有大于特定阈值的元素值，则将矿物质图的像素标记为石英(415)。其他情况下，将矿物质图的像素被标记为未分类(416)。可以适当地使用其他阈值。除此之外或作为另外一种选择，其他元素和矿物质可用于图4的示例性过程，包括但不限于之前描述的元素和矿物质。在一些实施方式中，分析顺序可以根据分析的元素或根据所使用的阈值参数而不同。
如先前所解释，过程100使用阈值来确定(103)岩石样本中物质(例如矿物质或有机物质)的存在情况。可以使用其他过程来分析岩石样本以进行该确定。例如，如果对应于像素的BSE图像的灰度值小于某个阈值，则可以将矿物质图的像素标记为有机物/孔。如果确定对应于像素的样本区域包含铁和硫，则可以将矿物质图的像素标记为黄铁矿。如果确定对应于像素的样本区域包含钾、铝、硅并且镁和铁的量小于某一阈值，则可以将矿物质图的像素标记为伊利石。如果确定对应于像素的样本区域包含铝(并且在一些实施方式中，含有大于特定阈值的量的钛)，则可以将矿物质图的像素标记为蒙脱石。如果确定对应于像素的样本区域包含铝和硅，则可以将矿物质图的像素标记为高岭石。如果确定对应于像素的样本区域含有镁并且含有小于某一阈值的钙量，则可以将矿物质图的像素标记为白云石。如果确定对应于像素的样本区域包含大于特定阈值的量的磷和钙，则可以将矿物质图的像素标记为磷灰石。如果确定对应于像素的样本区域包含钙和硫，则可以将矿物质图的像素标记为硬石膏。如果确定对应于像素的样本区域包含大于特定阈值的量的钛，则可以将矿物质图的像素标记为锐钛矿。如果确定对应于像素的样本区域包含大于特定阈值的量的硅，则可以将矿物质图的像素标记为石英；如果确定像素含有钙，则可以将矿物质图的像素标记为方解石。
图5显示了使用示例性过程100获得的示例性矿物质图501。矿物质图501是来自三种元素的图像数据的合成，三种元素即铁(Fe)、碳(C)和镁(Mg)。在该示例中，图3的过程在适当的元素图502、503或504上识别了该岩石样本中这些元素中每一个的存在情况。由于存在这些元素，因此该过程能确定样本的矿物组成，包括样本中有什么矿物质以及它们所在的位置。在这个例子中，矿物质图501用颜色代表不同矿物质；但是，任何合适的区别特征或属性都可用于表示不同的矿物质。例如，在图5中，红色阴影用于表示黄铁矿。
图6显示了图5的矿物质图501，其与同一样本的低分辨率矿物质图601形成对比。在该示例中，矿物质图501具有纳米级分辨率。因此，矿物质图501包含岩石样本的相对细粒度的构相和量化信息。相比之下，低分辨率矿物质图601不能提供与矿物质图501相同的细节量。低分辨率矿物质图601可以使用除本文描述的过程以外的其他过程生成。
在一些实施方式中，可以根据用户的输入，将使用示例性过程生成的矿物质图进一步精细化或更新。例如，图7A显示了矿物质图501的精细版本701。在图7A的例子中，黄铁矿区域702和白云石区域703相对于图5的矿物质图501有所更新，并且相对于图7B中所示的较低分辨率图像描绘地更清楚。
图8显示了已知的低分辨率矿物质图801和使用示例性过程100获得的相同部分的矿物质图802之间的分辨率对比度。注意，在该示例中，矿物质图802显示了白云石803区域。如图所示，图像801这个已知的低分辨率图像不识别白云石区域803，反而将同样的区域标记为碳酸盐，而碳酸盐是指岩性而非矿物质。
图9显示了铁的样本图像901和已知的低分辨率矿物质图902之间，以及铁的样本图像903和使用示例性过程100生成的矿物质图904之间的分辨率对比度。在该示例中，矿物质图904中清楚地描绘了铁905的小块区域，而同样的区域在图像902中并不明确。
图10显示了使用示例性过程100获得的矿物质图1001。在一些实施方式中，使用过程100生成的矿物质图中的矿物量通过计算材料图中某种矿物相对于矿物质图的总面积所占的面积进行确定。在一些实施方式中，使用过程100生成的矿物质图中矿物质的位置通过检测所述矿物质图的构相来确定。图10所示的矿物质图包括成像的岩石样本的分层结构，其可能对岩石的表征和评估(例如在岩石沉降或岩石的机械性质方面)具有影响。
图11显示了碎屑岩的矿物质图1101和通过使用示例性过程100获得的碳酸盐岩的矿物质图1102之间的对比。
图12显示了使用示例性过程100获得的矿物质图1201，以及与相应的BSE图像1202重叠的相同图像。在一些实施方式中，该重叠可以增强各个颗粒的清晰度。以圆圈区域1203内的颗粒为例显示了这种增强的清晰度。
图13A至13C显示了可以与示例性过程100结合使用的各种类型的SEM衍生图像。图13A显示了岩石样本表面的二次电子(SE)图像1301。在该示例中，存在五个黄铁矿晶体，标记为1至5。二次电子发射自相互作用体积的最浅区域，即，当受到电子束时发射可检测信号的样本的体积(参见图13E)。图13B显示了相同区域的BSD图像1302。由于反向散射电子发射自相互作用体积的较深区域，所以可以检测到七个黄铁矿晶体。图13C显示了相同样本的X射线图像(EDS图像)1303-在这种情况下，具有铁元素图的形式(黄铁矿由硫和铁形成)。由于X射线发射自相互作用体积的更深的区域，所以可以检测到九个黄铁矿晶体。图13D显示了使用示例性过程100从EDS图像生成的矿物质图1304。在该示例中，将输入数据标准化在0-255的范围内，其中255是元素图中的最高强度。黄铁矿区域6-9具有相对低的强度(元素值)，并且可以通过控制例如矿物质图的显示阈值从矿物质图中去除。这有效地减少了交互体积。因此，在矿物质图中仅显示黄铁矿区域1至5，其更接近二次电子图。
在一些实施方式中，示例性过程还可单独使用BSE图像或与EDS组合使用BSE图像，并基于“Z”(原子序数)值和灰度的差异来识别矿物质，以进一步解析颗粒边界和矿物质的空间关系。例如，图14显示了仅从BSE数据生成的示例性矿物质图1401，其使用“Z”值来确定矿物质学。
图15A显示了铝1501、钙1502、碳1503、氯1504、铁1505和氧1506的示例性元素图像。图15B显示了钾1507、磷1508、镁1509、硫1510、钠1511、硅1512和钛1513的示例性元素图像。图15中的图的组合数据集示于图16中。
图17A显示了示例性矿物质图1701。由于矿物质图通常不以BSE图像采用的方式显示纹理，所以可以在矿物质图上加上透明度，并且可以将图像与BSE图重叠。这可以提供关于形状的更多细节，并且可以用于执行“健全性检查”以评估该矿物质图的准确性。重叠图1702示于图17B中。在图17B中，矿物质的形状与BSE上的特征具有很好的相关性。这可显示用于确定元素的存在情况而选择的阈值是正确的。
除了SEM成像技术之外或者不用这种技术，示例性过程还可以与各种其他成像技术一起使用。例如，可以利用该过程对使用微X射线荧光(微XRF)或傅里叶变换红外光谱(FTIR)生成的图像进行矿物质的量化。
在一些实施方式中，所述过程可用于确定岩石样本中存在碳氢化合物的可能性，并且可用于表征物质并基于岩石样本中存在碳氢化合物的可能性来影响烃提取过程的操作。例如，岩石中的某种矿物质组合物可以指示岩石对钻井或压裂的敏感性，并且可以影响钻井或压裂的过程(例如，是否以及在哪里执行这些过程以提取碳氢化合物)。
在一些实施方式中，可实施自动阈值确定系统，因为阈值和其他参数可在样本或化学元素检测方法之间变化。例如，自动阈值确定系统可以使用每个元素图的最小、最大或平均强度来为过程指导阈值的确定。在一些实施方式中，可以使用神经网络指导过程来识别在每种情况下应该使用什么阈值。例如，指导可以以先前用于类似材料的阈值为基础。例如，如果过程检测到的图像类似于先前分析的其他页岩的图像，则该过程可以将图像识别为“页岩”并使用来自相似图像的阈值。适当时，可将相同的原则适用于其他类型的材料。
本说明书中描述的全部或部分过程及其各种修改可以至少部分地通过计算机程序产品实现，例如有形地体现在一个或多个信息运载体中(例如在一个或多个更有形的机器可读存储介质中)的计算机程序，用于通过数据处理设备(例如可编程处理器、计算机或多个计算机)执行或控制数据处理设备(例如可编程处理器、计算机或多个计算机)的操作。
可以用任何形式的编程语言编写计算机程序，包括编译或解释语言，并且可以以任何形式部署，包括作为独立程序或作为模块、组件、子例程或其他适用于计算环境的单元。可以将计算机程序部署成在一个计算机上或在一个站点的多个计算机上执行，或者分布在多个站点上并通过网络互连。
与实现过程相关联的动作可以由一个或多个可编程处理器执行，所述可编程处理器执行一个或多个计算机程序以执行校准过程的功能。可以将全部或部分过程实现成专用逻辑电路，例如FPGA(现场可编程门阵列)或ASIC(专用集成电路)或两者兼具。
作为示例，适合于执行计算机程序的处理器包括通用和专用微处理器，以及任何类型数字计算机的任何一个或多个处理器。通常，处理器从只读存储区域或随机存取存储区域或两者接收指令和数据。计算机(包括服务器)的组件包括用于执行指令的一个或多个处理器和用于存储指令和数据的一个或多个存储区域设备。通常，计算机还会包括一个或多个机器可读存储介质(例如用于存储数据的大容量存储设备如磁盘、磁光盘或光盘)，或通过可操作地耦合以从其接收数据或向其传输数据，或两者兼顾。适用于实现计算机程序指令和数据的非暂时性机器可读存储介质包括所有形式的非易失性存储区域，包括例如半导体存储区域设备，例如可擦除可编程只读存储器(EPROM)，电气可擦除可编程只读存储器(EEPROM)和闪存存储区设备；磁盘，例如内部硬盘或可移动磁盘；磁光盘；以及CD-ROM和DVD-ROM磁盘。
每个计算设备(例如平板计算机)可以包括用于存储数据的硬盘驱动器和计算机程序，以及用于执行计算机程序的处理设备(例如微处理器)和存储器(例如RAM)。每个计算设备可以包括图像捕获设备，诸如静态相机或视频相机。图像捕获设备可以是内置的或者可以简单地由计算设备访问。
每个计算设备可以包括图形系统，包括显示屏。显示屏如液晶显示器(LCD)或CRT(阴极射线管)向用户显示由计算设备的图形系统生成的图像。众所周知，在计算机显示器(例如显示屏)上进行显示会以物理的方式改变计算机的显示内容。例如，如果计算机显示器是基于LCD的，则可以通过在用户视觉上明显的物理变换中施加偏置电压来改变液晶的取向。另一个例子，如果计算机显示器是CRT，则荧光屏的状态可以通过视觉效果明显的物理变换中的电子的影响而改变。每个显示屏可以是触敏的，从而允许用户通过虚拟键盘将信息输入到显示屏上。在诸如台式机或智能电话的一些计算设备上，可以提供物理QWERTY键盘和滚轮以将信息输入到显示屏上。每个计算设备，以及在这样的计算设备上执行的计算机程序还可以被配置成接受语音命令，并且通过应答这些命令来执行功能。例如，本说明书中描述的过程可以通过语音命令尽可能地在客户端处启动。
可以组合本说明书中描述的不同实施方式的组件以形成本说明书中没有具体阐述的其他实施方式。可以将组件排除在本说明书中描述的过程、计算机程序、数据库等之外，而不会对其操作产生不利影响。另外，图中所示的逻辑流程不需要所示的特定顺序或依次顺序来实现想要的结果。可以将各种单独的组件组合成一个或多个个体组件以执行本文描述的功能。
本专利或申请文件包含至少一幅彩色附图。具有彩色附图的该专利或专利申请公开的副本将在请求并支付必要费用后由专利局提供。

Claims (42)

1.一种通过岩石样本区域图像分析岩石的方法，所述方法包括：
通过一个或多个处理设备访问数据库中所述样本区域的元素图，每个元素图包括像素阵列，并且每个像素具有反映所述像素与化学元素的相关程度的值；
通过一个或多个处理设备访问数据库，所述数据库存储包括所述化学元素的多个化学元素的阈值；
用一个或多个处理设备，通过确定每个所述元素图中所述像素的值大于或小于相应的化学元素的阈值来确定物质在对应于所述像素的所述样本区域的一部分中的存在情况；
基于所述像素中所述物质的存在情况，通过一个或多个处理设备标记所述像素；和
通过一个或多个处理设备输出数据，所述数据反映呈现在图形界面上的物质图。
2.根据权利要求1所述的方法，其中使用扫描电子显微镜(SEM)获得所述图像。
3.根据权利要求1所述的方法，其中基于反向散射电子(BSE)图像、能量色散光谱(EDS)图像、波色散光谱(WDS)或微X射线荧光(micro-XRF)图像生成至少一个元素图。
4.根据权利要求1所述的方法，其中每个元素图以未处理的图像数据为基础。
5.根据权利要求1所述的方法，其中所述化学元素包括以下中的至少一种：铝、钙、碳、氯、铁、氧、钾、磷、镁、硫、钠、硅或钛。
6.根据权利要求1所述的方法，其中所述物质图的分辨率小于或等于250nm/像素。
7.根据权利要求1所述的方法，其中确定包括：
选择化学元素的元素图；
比较所述元素图中的所述像素的值与第一阈值；和
确定所述像素的值是否与所述第一阈值具有预定关系从而来检测物质的存在情况；
其中，如果所述像素的值与第一阈值不具有预定关系，则所述方法还包括对不同的化学元素重复进行选择、比较和确定。
8.根据权利要求7所述的方法，其中所述预定关系包括所述像素的值大于所述第一阈值。
9.根据权利要求7所述的方法，其中所述预定关系包括所述像素的值小于所述第一阈值。
10.根据权利要求1所述的方法，其中确定包括：
选择第一化学元素的元素图；
比较所述元素图中的所述像素的值与第一阈值；
确定所述像素的值与所述第一阈值具有第一预定关系；
选择第二化学元素的元素图；
比较所述第二元素图中的所述像素的值与第二阈值；和
确定所述像素的值与所述第二阈值具有第二预定关系；并且
其中标记包括基于所述像素的值与所述第一阈值具有所述第一预定关系以及基于所述像素的值与所述第二阈值具有所述第二预定关系，将所述像素标记为物质。
11.根据权利要求1所述的方法，其中所述物质是矿物质，并且所述物质图是矿物质图。
12.根据权利要求1所述的方法，其还包括：
接收反映所述样本区域的数据，所述数据从成像设备接收到并反映具有纳米级分辨率的像素，所述确定基于所接收到的所述数据，所述物质图具有纳米级的分辨率；
对所述物质图中的物质进行评估；和
输出基于评估的数据。
13.根据权利要求12所述的方法，其中基于所述评估的数据包括所述物质图中的物质的表征。
14.根据权利要求13所述的方法，其还包括：
基于所述物质的表征确定所述岩石样本中具有碳氢化合物的可能性；和
基于所述岩石样本中具有碳氢化合物的所述可能性影响烃提取过程中的操作。
15.一种或多种非暂时性机器可读存储介质，其存储通过岩石样本区域图像分析岩石的指令，所述指令可由一个或多个处理设备执行以进行操作，所述操作包括：
通过岩石样本区域图像分析岩石；
访问数据库中所述样本区域的元素图，每个元素图包括像素阵列，并且每个像素具有反映所述像素与化学元素的相关程度的值；
访问数据库，所述数据库存储包括所述化学元素的多种化学元素的阈值；
通过确定每个所述元素图中所述像素的值大于或小于相应的化学元素的阈值来确定物质在对应于所述像素的所述样本区域的一部分中的存在情况；
基于所述像素中所述物质的存在情况标记所述像素；和
输出数据，所述数据反映呈现在图形界面上的物质图。
16.根据权利要求15所述的一种或多种非暂时性机器可读存储介质，其中使用扫描电子显微镜(SEM)获得所述图像。
17.根据权利要求15所述的一种或多种非暂时性机器可读存储介质，其中基于反向散射电子(BSE)图像、能量色散光谱(EDS)图像、波色散光谱(WDS)或微X射线荧光(micro-XRF)图像生成至少一个元素图。
18.根据权利要求15所述的一种或多种非暂时性机器可读存储介质，其中每个元素图以未处理的图像数据为基础。
19.根据权利要求15所述的一种或多种非暂时性机器可读存储介质，其中所述化学元素包括以下中的至少一种：铝、钙、碳、氯、铁、氧、钾、磷、镁、硫、钠、硅或钛。
20.根据权利要求15所述的一种或多种非暂时性机器可读存储介质，其中所述物质图的分辨率小于或等于250nm/像素。
21.根据权利要求15所述的一种或多种非暂时性机器可读存储介质，其中确定包括：
选择化学元素的元素图；
比较所述元素图中的所述像素的值与第一阈值；和
确定所述像素的值是否与所述第一阈值具有预定关系从而来检测物质的存在情况；
其中，如果所述像素的值与第一阈值不具有预定关系，则所述方法还包括对不同的化学元素重复进行选择、比较和确定。
22.根据权利要求21所述的一种或多种非暂时性机器可读存储介质，其中所述预定关系包括所述像素的值大于所述第一阈值。
23.根据权利要求21所述的一种或多种非暂时性机器可读存储介质，其中所述预定关系包括所述像素的值小于所述第一阈值。
24.根据权利要求15所述的一种或多种非暂时性机器可读存储介质，其中确定包括：
选择第一化学元素的元素图；
比较所述元素图中的所述像素的值与第一阈值；
确定所述像素的值与所述第一阈值具有第一预定关系；
选择第二化学元素的元素图；
比较所述第二元素图中的所述像素的值与第二阈值；和
确定所述像素的值与所述第二阈值具有第二预定关系；并且
其中标记包括基于所述像素的值与所述第一阈值具有所述第一预定关系以及基于所述像素的值与所述第二阈值具有所述第二预定关系，将所述像素标记为物质。
25.根据权利要求15所述的一种或多种非暂时性机器可读存储介质，其中所述物质是矿物质，并且所述物质图是矿物质图。
26.根据权利要求15所述的一种或多种非暂时性机器可读存储介质，其中所述操作包括：
接收反映所述样本区域的数据，所述数据从成像设备接收到并反映具有纳米级分辨率的所述像素，所述确定基于所接收到的所述数据，所述物质图具有纳米级分辨率；
对所述物质图中的物质进行评估；和
输出基于评估的数据。
27.根据权利要求26所述的一种或多种非暂时性机器可读存储介质，其中基于所述评估的所述数据包括所述物质图中物质的表征。
28.根据权利要求27所述的一种或多种非暂时性机器可读存储介质，其中所述操作包括：
基于所述物质的表征确定所述岩石样本中具有碳氢化合物的可能性；和
基于所述岩石样本中具有碳氢化合物的所述可能性影响烃提取过程中的操作。
29.一种系统，其包括：
一种或多种非暂时性机器可读存储介质，其存储通过岩石样本区域的图像分析岩石的指令；和
一个或多个处理设备，用于执行所述指令以执行操作，所述操作包括：
从岩石样本区域的图像中分析所述岩石；
访问数据库中所述样本区域的元素图，每个元素图包括像素阵列，并且每个像素具有反映所述像素与化学元素的相关程度的值；
访问数据库，所述数据库存储包括所述化学元素的多种化学元素的阈值；
通过确定每个所述元素图中所述像素的值大于或小于相应的化学元素的阈值来确定物质在对应于所述像素的所述样本区域的一部分中的存在情况；
基于所述像素中所述物质的存在情况标记所述像素；和
输出数据，所述数据反映呈现在图形界面上的物质图。
30.根据权利要求29所述的系统，其中使用扫描电子显微镜(SEM)获得所述图像。
31.根据权利要求29所述的系统，其中基于反向散射电子(BSE)图像、能量色散光谱(EDS)图像、波色散光谱(WDS)或微X射线荧光(micro-XRF)图像生成至少一个元素图。
32.根据权利要求29所述的系统，其中每个元素图以未处理的图像数据为基础。
33.根据权利要求29所述的系统，其中所述化学元素包括以下中的至少一种：铝、钙、碳、氯、铁、氧、钾、磷、镁、硫、钠、硅或钛。
34.根据权利要求29所述的系统，其中所述物质图的分辨率小于或等于250nm/像素。
35.根据权利要求29所述的系统，其中确定包括：
选择化学元素的元素图；
比较所述元素图中的所述像素的值与第一阈值；和
确定所述像素的值是否与所述第一阈值具有预定关系从而来检测物质的存在情况；
其中，如果所述像素的值与第一阈值不具有预定关系，则所述方法还包括对不同的化学元素重复进行选择、比较和确定。
36.根据权利要求29所述的系统，其中所述预定关系包括所述像素的值大于所述第一阈值。
37.根据权利要求29所述的系统，其中所述预定关系包括所述像素的值小于所述第一阈值。
38.根据权利要求29所述的系统，其中确定包括：
选择第一化学元素的元素图；
比较所述元素图中的所述像素的值与第一阈值；
确定所述像素的值与所述第一阈值具有第一预定关系；
选择第二化学元素的元素图；
比较所述第二元素图中的所述像素的值与第二阈值；和
确定所述像素的值与所述第二阈值具有第二预定关系；并且
其中标记包括基于所述像素的值与所述第一阈值具有所述第一预定关系以及基于所述像素的值与所述第二阈值具有所述第二预定关系，将所述像素标记为物质。
39.根据权利要求29所述的系统，其中所述物质是矿物质，并且所述物质图是矿物质图。
40.根据权利要求29所述的系统，其中所述操作包括：
接收代表所述样本区域的数据，所述数据从成像设备接收到并反映具有以纳米级分辨率的所述像素，所述确定基于所接收到的所述数据，所述物质图具有纳米级分辨率；
对所述物质图中的物质进行评估；和
输出基于评估的数据。
41.根据权利要求40所述的系统，其中基于所述评估的所述数据包括所述物质图中物质的表征。
42.根据权利要求41所述的系统，其中所述操作包括：
基于所述物质的表征确定所述岩石样本中具有碳氢化合物的可能性；和
基于所述岩石样本中具有碳氢化合物的所述可能性影响烃提取过程中的操作。
CN201880032113.6A 2017-05-15 2018-05-11 分析岩石样本 Expired - Fee Related CN110662961B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201762506263P 2017-05-15 2017-05-15
US62/506,263 2017-05-15
PCT/US2018/032188 WO2018213104A1 (en) 2017-05-15 2018-05-11 Analyzing a rock sample

Publications (2)

Publication Number Publication Date
CN110662961A true CN110662961A (zh) 2020-01-07
CN110662961B CN110662961B (zh) 2022-06-03

Family

ID=62713066

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880032113.6A Expired - Fee Related CN110662961B (zh) 2017-05-15 2018-05-11 分析岩石样本

Country Status (8)

Country Link
US (1) US10739326B2 (zh)
EP (1) EP3635392B1 (zh)
JP (1) JP2020519901A (zh)
CN (1) CN110662961B (zh)
CA (1) CA3058914A1 (zh)
MA (1) MA50347A (zh)
SA (1) SA519410245B1 (zh)
WO (1) WO2018213104A1 (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111751512A (zh) * 2020-05-27 2020-10-09 中国石油天然气股份有限公司 一种白云岩或松散沉积物微生物成因确定方法
WO2021208515A1 (zh) * 2020-04-17 2021-10-21 山东大学 基于图像与xrf矿物反演的岩性识别系统及方法
CN114486962A (zh) * 2022-04-01 2022-05-13 中国科学院地质与地球物理研究所 复杂成分样品含轻元素矿物的定量识别方法、系统和设备
CN115064011A (zh) * 2022-03-02 2022-09-16 上海广为电器工具有限公司 元素周期展示系统以及展示方法
CN115356462A (zh) * 2022-08-22 2022-11-18 中国地质大学（北京） 一种花岗岩熔体硫含量确定方法及系统

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020091880A1 (en) * 2018-10-31 2020-05-07 Exxonmobil Upstream Research Company Microanalysis of fine grained rock for reservoir quality analysis
KR102178444B1 (ko) * 2018-12-19 2020-11-13 주식회사 포스코 미세 조직 분석 장치
US11371827B2 (en) * 2019-06-11 2022-06-28 Halliburton Energy Services, Inc. Multiple scale analysis of core sample to estimate surface roughness
JP7500065B2 (ja) 2020-08-20 2024-06-17 国立研究開発法人産業技術総合研究所 鉱石分析のための情報処理方法及びシステム
CN111999325B (zh) * 2020-08-20 2023-07-25 合肥工业大学 一种基性岩中原位锆石的寻找方法
EP4024039B1 (en) * 2020-12-30 2023-10-25 FEI Company Data acquisition and processing techniques for three-dimensional reconstruction
US11584889B2 (en) * 2021-01-04 2023-02-21 Saudi Arabian Oil Company Synthetic source rock with tea
CN113049521B (zh) * 2021-03-29 2023-09-26 自然资源实物地质资料中心 识别碳酸盐岩的方法、装置及设备、存储介质
US11851610B2 (en) * 2021-12-14 2023-12-26 Saudi Arabian Oil Company Sequestration of carbon dioxide in organic-rich geological formations
CN116087249B (zh) * 2023-04-10 2023-06-30 中国科学院地质与地球物理研究所 一种用于识别矿物分布和含量的方法、系统和电子设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100131204A1 (en) * 2008-11-24 2010-05-27 Jack Dvorkin Method for determining in-situ relationships between physical properties of a porous medium from a sample thereof
WO2014207137A2 (en) * 2013-06-27 2014-12-31 Cgg Services Sa Fracability measurement method and system
US20150262400A1 (en) * 2014-03-11 2015-09-17 Fei Company Blend Modes for Mineralogy Images
CN105181717A (zh) * 2015-09-22 2015-12-23 同济大学 基于能量色散x射线谱的煤矸石物相分析方法
US20170017011A1 (en) * 2015-07-14 2017-01-19 Conocophillips Company Enhanced recovery response prediction

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3697549B2 (ja) * 1999-02-15 2005-09-21 日本電子株式会社 粒子線装置における試料物質同定装置
US6140643A (en) 1999-03-09 2000-10-31 Exxonmobil Upstream Research Company Method for identification of unknown substances
US8101907B2 (en) 2006-04-19 2012-01-24 Baker Hughes Incorporated Methods for quantitative lithological and mineralogical evaluation of subsurface formations
US8676556B2 (en) * 2007-11-27 2014-03-18 Exxonmobil Upstream Research Company Method for determining the properties of hydrocarbon reservoirs from geophysical data
US9507047B1 (en) * 2011-05-10 2016-11-29 Ingrain, Inc. Method and system for integrating logging tool data and digital rock physics to estimate rock formation properties
WO2013169973A1 (en) * 2012-05-11 2013-11-14 Ingrain, Inc. A method and system for multi-energy computer tomographic cuttings analysis
US9188555B2 (en) * 2012-07-30 2015-11-17 Fei Company Automated EDS standards calibration
US9778215B2 (en) * 2012-10-26 2017-10-03 Fei Company Automated mineral classification
WO2016049204A1 (en) * 2014-09-25 2016-03-31 Ingrain, Inc. Digital pore alteration methods and systems

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100131204A1 (en) * 2008-11-24 2010-05-27 Jack Dvorkin Method for determining in-situ relationships between physical properties of a porous medium from a sample thereof
WO2014207137A2 (en) * 2013-06-27 2014-12-31 Cgg Services Sa Fracability measurement method and system
US20150262400A1 (en) * 2014-03-11 2015-09-17 Fei Company Blend Modes for Mineralogy Images
US20170017011A1 (en) * 2015-07-14 2017-01-19 Conocophillips Company Enhanced recovery response prediction
CN105181717A (zh) * 2015-09-22 2015-12-23 同济大学 基于能量色散x射线谱的煤矸石物相分析方法

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021208515A1 (zh) * 2020-04-17 2021-10-21 山东大学 基于图像与xrf矿物反演的岩性识别系统及方法
US11796493B2 (en) 2020-04-17 2023-10-24 Shandong University System and method for identifying lithology based on images and XRF mineral inversion
CN111751512A (zh) * 2020-05-27 2020-10-09 中国石油天然气股份有限公司 一种白云岩或松散沉积物微生物成因确定方法
CN115064011A (zh) * 2022-03-02 2022-09-16 上海广为电器工具有限公司 元素周期展示系统以及展示方法
CN114486962A (zh) * 2022-04-01 2022-05-13 中国科学院地质与地球物理研究所 复杂成分样品含轻元素矿物的定量识别方法、系统和设备
CN114486962B (zh) * 2022-04-01 2022-06-14 中国科学院地质与地球物理研究所 复杂成分样品含轻元素矿物的定量识别方法、系统和设备
CN115356462A (zh) * 2022-08-22 2022-11-18 中国地质大学（北京） 一种花岗岩熔体硫含量确定方法及系统

Also Published As

Publication number Publication date
EP3635392B1 (en) 2022-07-06
SA519410245B1 (ar) 2022-07-24
CA3058914A1 (en) 2018-11-22
JP2020519901A (ja) 2020-07-02
EP3635392A1 (en) 2020-04-15
CN110662961B (zh) 2022-06-03
MA50347A (fr) 2020-08-19
WO2018213104A1 (en) 2018-11-22
US10739326B2 (en) 2020-08-11
US20180328905A1 (en) 2018-11-15

Similar Documents

Publication Publication Date Title
CN110662961B (zh) 分析岩石样本
Landrot et al. Measurement of accessible reactive surface area in a sandstone, with application to CO2 mineralization
Reyes et al. Calibrated X-ray micro-tomography for mineral ore quantification
AU2012201146B2 (en) Method of material analysis by means of a focused electron beam using characteristic X-rays and back-scattered electrons and the equipment to perform it
EP2546638B1 (en) Clustering of multi-modal data
El Haddad et al. Multiphase mineral identification and quantification by laser-induced breakdown spectroscopy
EP2748793B1 (en) Dual image method and system for generating a multi-dimensional image of a sample
JP6353450B2 (ja) 共焦点ｘ線蛍光・ｘ線コンピュータ断層撮影複合システムおよび方法
Remeysen et al. Application of microfocus computed tomography in carbonate reservoir characterization: Possibilities and limitations
Evans et al. Quantifying mineral grain size distributions for process modelling using X-ray micro-tomography
Guntoro et al. Application of machine learning techniques in mineral phase segmentation for X-ray microcomputed tomography (µCT) data
Köse et al. Statistical methods for segmentation and quantification of minerals in ore microscopy
CN102257380A (zh) 表征材料的设备和方法
CN108431870A (zh) 多模态矿物分割系统和方法
NL8902196A (nl) Geautomatiseerde werkwijze voor het identificeren van mineralen en het karakteriseren van gesteenten.
Nikonow et al. Automated mineralogy based on micro-energy-dispersive X-ray fluorescence microscopy (µ-EDXRF) applied to plutonic rock thin sections in comparison to a mineral liberation analyzer
Camalan et al. Assessment of chromite liberation spectrum on microscopic images by means of a supervised image classification
Godinho et al. 3D quantitative mineral characterization of particles using X-ray computed tomography
Englisch et al. 3d analysis of equally x-ray attenuating mineralogical phases utilizing a correlative tomographic workflow across multiple length scales
Wightman et al. Representing and interpreting the liberation spectrum in a processing context
Buyse et al. Combining automated mineralogy with X-ray computed tomography for internal characterization of ore samples at the microscopic scale
Vocke et al. Estimation of petrophysical properties of tight rocks from drill cuttings using image analysis: An integrated laboratory-based approach
JP6588362B2 (ja) 相分析装置、相分析方法、および表面分析装置
WO2017050303A1 (en) A method of analysis of materials by means of a focused electron beam using characteristic x-rays and back-scattered electrons
Tiu Classification of drill core textures for process simulation in geometallurgy: Aitik mine, Sweden

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
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20220603