CN110987993A - 一种原位有机质定量统计分析方法 - Google Patents

一种原位有机质定量统计分析方法 Download PDF

Info

Publication number
CN110987993A
CN110987993A CN201911300766.0A CN201911300766A CN110987993A CN 110987993 A CN110987993 A CN 110987993A CN 201911300766 A CN201911300766 A CN 201911300766A CN 110987993 A CN110987993 A CN 110987993A
Authority
CN
China
Prior art keywords
asphalt
organic
organic matter
situ
value
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.)
Pending
Application number
CN201911300766.0A
Other languages
English (en)
Inventor
何佳艺
冯庆来
韦红
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.)
China University of Geosciences
Original Assignee
China University of Geosciences
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 China University of Geosciences filed Critical China University of Geosciences
Priority to CN201911300766.0A priority Critical patent/CN110987993A/zh
Publication of CN110987993A publication Critical patent/CN110987993A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00Investigating 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
    • G01N23/22Investigating 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
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N1/00Sampling; Preparing specimens for investigation
    • G01N1/28Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
    • G01N1/286Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q involving mechanical work, e.g. chopping, disintegrating, compacting, homogenising
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00Investigating 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
    • G01N23/20Investigating 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
    • G01N23/203Measuring back scattering
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00Investigating 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
    • G01N23/22Investigating 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
    • G01N23/2202Preparing specimens therefor

Landscapes

  • Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

本发明提供了一种原位有机质定量统计分析方法,选取若干表面没有裂缝的原位有机质的初始样品进行切割、打磨处理、编号、表面吹气和喷碳处理;然后贴上导电胶放入扫描电镜中进行扫描拍摄,将每个部分得到的所有扫描图片进行拼接,得到该部分的完整扫描图片;利用Imagej软件,得到沥青的阈值和有机质的阈值范围;观察每个样品在扫描电镜的细节能谱图,分别找到沥青碳含量和有机质碳含量的最大值及最小值,得到沥青碳含量均值和有机质碳含量均值;进而得到有机碳含量。本发明的有益效果是:节省时间,操作简单,得到了原位有机质中沥青和有机质的含量,且精度较高,为后续沉积氧化还原环境研究、油源对比和生烃潜力研究提供可靠的数据依据。

Description

一种原位有机质定量统计分析方法
技术领域
本发明涉及能源领域,尤其涉及一种原位有机质定量统计分析方法。
背景技术
目前对沥青的研究分析总是从如下几个方面进行:(1)利用光学显微镜观察沥青的形态和赋存状态,(2)从地球化学的角度风分析饱和烃色谱特征、测定生物标志化合物、测定沥青的反射率和氯仿沥青“A”及族组成,从而达到沥青的成因分析和恢复油气藏的成藏史。但是这些方法中对于沥青和有机质的含量统计却没有研究,仅指出TOC的高低与原位有机质有关系,却不清楚原位有机质的各个组成与TOC有怎样的趋势关系,这对烃源岩的生烃潜力和恢复油气藏的成藏史的判断研究存在着很大的影响,对分析沥青的成因及形成机理、油气勘探开发、油源及气源对比造成困难,并影响判断储集层储层性能、烃源岩孔隙度、孔隙度与沥青的关系和储集层充烃期次。
发明内容
为了解决上述问题,本发明提供了一种原位有机质定量统计分析方法,用扫描电镜结合能谱的判断,可以更加准确的辨别原位有机质,观察沥青的赋存形态,减少误差;为后期判断沥青的成因和形成机理提供依据,结合地球化学数据分析有机质成熟度、推断沉积的氧化还原条件并判断烃源岩的生烃生气潜力,为后期的油气勘探开发提供有力证据,同时利用分析原位有机质的含量分析TOC的高低与原位有机质的关系,为后续判断沥青的来源和进行油源对比、气源对比提供数据支撑,为判断储集层储层性能、烃源岩孔隙度、孔隙度与沥青的关系和储集层充烃期次提供依据。该原位有机质定量统计分析方法主要包括以下步骤:
S1:选取若干表面没有裂缝的含有原位有机质岩石的初始样品,并对所述初始样品进行切割和打磨处理,得到第一处理后样品;所述原位有机质包括沥青和有机质;
S2:对所述第一处理后样品进行编号,并对每个第一处理后样品进行表面进行吹气和喷碳处理,得到第二处理后样品;
S3:将所述第二处理后样品贴上导电胶放入扫描电镜中,该扫描电镜调为背散射模式,并设定该背散射模式下的各项观察参数,所述各项观察参数包括数斑值、对比度、亮度和工作距离;
S4:将扫描电镜调到放大A倍,从所述第二处理后样品中选取表面没有裂缝和污染的部分,以从左到右的顺序对该部分以m*n的像素规格进行扫描拍摄,得到扫描图片,以时间顺序将每个部分得到的所有扫描图片进行拼接,进而得到该部分的完整扫描图片;A、m和n均为大于零的正整数;
S5:利用Imagej软件,根据用户选取的若干具有沥青和有机质的完整扫描图片的灰度得到沥青的阈值和有机质的阈值范围;
S6:将每个第二处理后样品拍摄的所有完整扫描图片放入同一个文件夹中,利用Matlab编程,按照编号序列自动进行第二处理后样品的识别,根据原位有机质灰度的不同识别出沥青和有机质,根据沥青的阈值和有机质的阈值范围,求出沥青和有机质各自的面积百分比;
S7:观察每个第二处理后样品在扫描电镜的细节能谱图,找到沥青碳含量的最大值以及最小值和有机质碳含量的最大值和最小值,沥青碳含量均值=(沥青碳含量最大值+沥青碳含量最小值)/2,有机质碳含量均值=(有机质碳含量最大值+有机质碳含量最小值)/2;
S8:有机碳含量(TOC)=沥青面积百分比*沥青碳含量均值+有机质面积含量百分比*有机质碳含量均值。
进一步地,选取的初始样品来自威远143-5井深度位于2816-2900m的九个小层内,每个小层内,选取1~2个样品。
进一步地,初始样品切割后的尺寸为1cm*1cm*1cm或1cm*2cm*1cm。
进一步地,所述打磨处理的具体过程如下:首先利用200目和600目的砂纸依次对切割后的样品的平行层面进行粗磨,将切割面打磨平成高度统一;然后再利用1500目、3000目、5000目和7000目的砂纸依次对粗磨后的样品进行细磨处理,直至样品表面出现镜面反光现象。
进一步地,数斑值为5.0,对比度为100,亮度为38.2,工作距离为11.8mm。
进一步地,所述的裂缝或污染在扫描电镜下通过人眼识别出来。
进一步地,所述的将扫描电镜调到放大A倍中,A的取值为400或者500。
进一步地,A的取值为400时,选取的扫描拍摄的规格有二种:一种是m*n的取值为10*10,将100张小照片拼接成一张大图;另一种是m*n的取值为15*20,将300张小照片拼成一张大图。
进一步地,A的取值为500时,选取的扫描拍摄的规格是m*n的取值为20*25,将500张小照片拼成一张大图。
进一步地,将小图拼接成大图时,大图的分辨率一直保持不变。
本发明提供的技术方案带来的有益效果是:节省时间,操作简单,得到了原位有机质中沥青和有机质的碳含量,且精度较高,为后续沉积氧化还原环境、油源对比和生烃潜力研究提供可靠的数据依据。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明实施例中一种原位有机质定量统计分析方法的流程图;
图2是本发明实施例中扫描电镜中拍摄顺序的示意图;
图3是本发明实施例中将小照片拼接成大图的示意图;
图4是本发明实施例中沥青碳含量、有机质碳含量以及沥青+有机质碳含量的曲线示意图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解,现对照附图详细说明本发明的具体实施方式。
本发明的实施例提供了一种原位有机质定量统计分析方法。
请参考图1~4,图1是本发明实施例中一种原位有机质定量统计分析方法的流程图,图2是本发明实施例中扫描电镜中拍摄顺序的示意图,图3是本发明实施例中将小照片拼接成大图的示意图,图4是本发明实施例中沥青碳含量、有机质碳含量以及沥青+有机质碳含量的曲线示意图;具体包括如下步骤:
S1:选取若干表面没有裂缝的含有原位有机质岩石的初始样品,并对所述初始样品进行切割和打磨处理,得到第一处理后样品;所述原位有机质包括沥青和有机质;选取的初始样品来自威远143-5井深度位于2816-2900m的九个小层内,每个小层内,选取1~2个样品;初始样品切割后的尺寸为1cm*1cm*1cm或1cm*2cm*1cm;所述打磨处理的具体过程如下:首先利用200目和600目的砂纸依次对切割后的初始样品的平行层面进行粗磨,将切割面打磨平成高度统一;然后再利用1500目、3000目、5000目和7000目的砂纸依次对粗磨后的初始样品进行细磨处理,直至初始样品表面出现镜面反光现象;
S2:对所述第一处理后样品进行编号,并对每个第一处理后样品进行表面进行吹气和喷碳处理,得到第二处理后样品;将每个第一处理后样品粘在玻璃板上写下该第一处理后样品编号,用实验室气球对该第一处理后样品表面进行吹气降低污染,并对该第一处理后样品进行喷碳,以增强其导电性,便于在扫描电镜上观察和能谱测试;
S3:将所述第二处理后样品贴上导电胶放入扫描电镜(环境扫描电镜,Environment Scanning Electron Microscopy,ESEM)中,该扫描电镜调为背散射模式,并设定该背散射模式下的各项观察参数,所述各项观察参数包括数斑值、对比度、亮度和工作距离;所有样品的观察参数保持一致,在背散射模式下数斑值为5.0,对比度为100,亮度为38.2,工作距离为11.8mm;
S4:将扫描电镜调到放大A倍,从所述第二处理后样品中选取表面没有裂缝和污染的部分,以从左到右的顺序对该部分以m*n的像素规格进行扫描拍摄,得到扫描图片,以时间顺序将每个部分得到的所有扫描图片进行拼接,进而得到该部分的完整扫描图片;A、m和n均为大于零的正整数;在本实施例中,A取400或者500,m*n取10*10、15*20或者是20*25;
在放大倍数为400倍的情况下,选取第二处理后样品表面没有裂缝和污染的范围进行10*10(每行十张照片,拍十行)的扫描拍摄;然后将100张小照片拼成一张大图,恢复扫描的面积,大图分辨率保持不变;
在放大倍数为400倍的条件下,选取第二处理后样品表面没有裂缝和污染的范围进行15*20(每行15张照片,排20行)的扫描拍摄;然后将300张照片拼成一张大图,恢复扫描的面积,大图保持分辨率不变;
在放大倍数为500倍的条件下,选取第二处理后样品表面没有裂缝和污染的范围进行20*25(每行20张照片,拍25行)的扫描拍摄;然后将500张照片拼成一张大图,恢复扫描的面积,大图保持分辨率不变;
S5:选取若干具有沥青和有机质的完整扫描图片,利用Imagej软件,根据该若干具有沥青和有机质的完整扫描图片的灰度进行沥青和有机质的识别,当鼠标点击每一个沥青部分或者有机质部分,可以得到该沥青或该有机质相应的阈值,通过统计,得到沥青的阈值和有机质的阈值范围;利用Imagej中阈值划分识别,大大提高了识别精度为后续生烃生气潜力的判断提供准确依据。每个第二处理后样品的原位有机质的阈值范围如下所示:
143-5-4:沥青0有机质[1,67] 143-5-10:沥青0有机质[1,75];
143-5-17:沥青0有机质[1,63] 143-5-21:沥青0有机质[1,54];
143-5-39:沥青0有机质[1,66] 143-5-53:沥青0有机质[1,81];
143-5-66:沥青0有机质[1,77] 143-5-61:沥青0有机质[1,50];
143-5-70:沥青0有机质[1,52] 143-5-76:沥青0有机质[1,60];
143-5-99:沥青0有机质[1,52] 143-5-107:沥青0有机质[1,77];
143-5-127:沥青0有机质[1,52] 143-5-135-1:沥青0有机质[1,50];
143-5-137:沥青0有机质[1,48] 143-5-148:沥青0有机质[1,62];
通过大量的完整扫描图片的灰度进行统计,设定沥青和有机质灰度的精确阈值以减小误差;
S6:将每个第二处理后样品拍摄的所有完整扫描图片放入同一个文件夹中,利用Matlab编程,按照编号序列自动进行第二处理后样品的识别,根据原位有机质灰度的不同识别出沥青和有机质,根据沥青的阈值和有机质的阈值范围,求出沥青和有机质各自的面积百分比;
将一个第二处理后样品拍摄的所有照片放入同一个文件夹中,程序按照序号自动进入识别,根据原位有机质的灰度不同识别出两种有机质,沥青设定阈值为0,有机质设定阈值范围参考步骤S5中的范围,并求出两部分总和,即求出沥青和有机质各自的面积百分比。程序如下:
Figure BDA0002321673950000051
Figure BDA0002321673950000061
Figure BDA0002321673950000071
S7:观察每个第二处理后样品在扫描电镜的细节能谱图,找到沥青碳含量的最大值以及最小值和有机质碳含量的最大值和最小值,沥青碳含量均值=(沥青碳含量最大值+沥青碳含量最小值)/2,有机质碳含量均值=(有机质碳含量最大值+有机质碳含量最小值)/2;
根据如下所示的每个第二处理后样品的统计结果,可以发现随着张数的不断增加,小图与拼接成的大图,沥青和有机质含量的差距在不断缩小,说明随着张数的增加,图片的分辨率提高,程序对图片的识别率增高,减小了误差;
Figure BDA0002321673950000072
Figure BDA0002321673950000081
Figure BDA0002321673950000091
S8:有机碳含量(TOC)=沥青面积百分比*沥青碳含量均值+有机质面积含量百分比*有机质碳含量均值;将matlab中统计的结果套入公式,可以发现随着张数不断增加,小图与大图较TOC的差值减小,甚至出现吻合的情况。
Figure BDA0002321673950000092
Figure BDA0002321673950000101
利用AI软件绘制沥青的碳含量、有机质的碳含量和沥青+有机质的碳含量的三条曲线,得到如图4所示的结果,由图4可知,3三条曲线是趋势与有机碳含量(TOC)趋势接近,说明有机碳含量主要来自原位有机质,也即沥青和有机质,且通过本发明所述的原位有机质定量统计分析方法,能够分别得到沥青的碳含量和有机质的碳含量,得到的精度较高。
与现有的技术比较,本发明的有益效果是:
1、用扫描电镜小图拼接成大图的方法可以保持大图的分辨率不变,减小了后续软件识别的误差。
2、利用Imagej设定阈值的方法更加精准的识别原位有机质,对于每个层位每块样品都有自己特定的阈值,减少了误差。
3、matlab软件利用编程方法,自动识别所有图片,对于大量照片的统计大大减少了人工统计的时间。
4、探明原位有机质中沥青和有机质的含量以及沥青与有机质对TOC的贡献以及TOC的高低与其各自含量的关系。
5、为后续沉积氧化还原环境、油源对比和生烃潜力研究提供可靠的数据依据。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (10)

1.一种原位有机质定量统计分析方法,其特征在于:包括以下步骤:
S1:选取若干表面没有裂缝的含有原位有机质岩石的初始样品,并对所述初始样品进行切割和打磨处理,得到第一处理后样品;所述原位有机质包括沥青和有机质;
S2:对所述第一处理后样品进行编号,并对每个第一处理后样品进行表面进行吹气和喷碳处理,得到第二处理后样品;
S3:将所述第二处理后样品贴上导电胶放入扫描电镜中,该扫描电镜调为背散射模式,并设定该背散射模式下的各项观察参数,所述各项观察参数包括数斑值、对比度、亮度和工作距离;
S4:将扫描电镜调到放大A倍,从所述第二处理后样品中选取表面没有裂缝和污染的部分,以从左到右的顺序对该部分以m*n的像素规格进行扫描拍摄,得到扫描图片,以时间顺序将每个部分得到的所有扫描图片进行拼接,进而得到该部分的完整扫描图片;A、m和n均为大于零的正整数;
S5:利用Imagej软件,根据用户选取的若干具有沥青和有机质的完整扫描图片的灰度,得到沥青的阈值和有机质的阈值范围;
S6:将每个第二处理后样品拍摄的所有完整扫描图片放入同一个文件夹中,利用Matlab编程,按照编号序列自动进行第二处理后样品的识别,根据原位有机质灰度的不同识别出沥青和有机质,根据沥青的阈值和有机质的阈值范围,分别求出沥青和有机质各自的面积百分比;
S7:观察每个第二处理后样品在扫描电镜的细节能谱图,找到沥青碳含量的最大值以及最小值和有机质碳含量的最大值和最小值,分别得到沥青碳含量均值和有机质碳含量均值;沥青碳含量均值=(沥青碳含量最大值+沥青碳含量最小值)/2,有机质碳含量均值=(有机质碳含量最大值+有机质碳含量最小值)/2;
S8:有机碳含量=沥青面积百分比*沥青碳含量均值+有机质面积含量百分比*有机质碳含量均值。
2.如权利要求1所述的一种原位有机质定量统计分析方法,其特征在于:步骤S1中,选取的初始样品来自威远143-5井深度位于2816-2900m的九个小层内,每个小层内,选取1~2个样品。
3.如权利要求1所述的一种原位有机质定量统计分析方法,其特征在于:步骤S1中,初始样品切割后的尺寸为1cm*1cm*1cm或1cm*2cm*1cm。
4.如权利要求1所述的一种原位有机质定量统计分析方法,其特征在于:步骤S1中所述打磨处理的具体过程如下:首先利用200目和600目的砂纸依次对切割后的样品的平行层面进行粗磨,将切割面打磨平成高度统一;然后再利用1500目、3000目、5000目和7000目的砂纸依次对粗磨后的样品进行细磨处理,直至样品表面出现镜面反光现象。
5.如权利要求1所述的一种原位有机质定量统计分析方法,其特征在于:步骤S3中,数斑值为5.0,对比度为100,亮度为38.2,工作距离为11.8mm。
6.如权利要求1所述的一种原位有机质定量统计分析方法,其特征在于:步骤S4所述的裂缝或污染在扫描电镜下通过人眼识别出来。
7.如权利要求1所述的一种原位有机质定量统计分析方法,其特征在于:步骤S4所述的将扫描电镜调到放大A倍中,A的取值为400或者500。
8.如权利要求7所述的一种原位有机质定量统计分析方法,其特征在于:A的取值为400时,选取的扫描拍摄的规格有二种:一种是m*n的取值为10*10,将100张小照片拼接成一张大图;另一种是m*n的取值为15*20,将300张小照片拼成一张大图。
9.如权利要求7所述的一种原位有机质定量统计分析方法,其特征在于:步骤S4中,A的取值为500时,选取的扫描拍摄的规格是m*n的取值为20*25,将500张小照片拼成一张大图。
10.如权利要求1所述的一种原位有机质定量统计分析方法,其特征在于:步骤S4中,将小图拼接成大图时,大图的分辨率一直保持不变。
CN201911300766.0A 2019-12-17 2019-12-17 一种原位有机质定量统计分析方法 Pending CN110987993A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911300766.0A CN110987993A (zh) 2019-12-17 2019-12-17 一种原位有机质定量统计分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911300766.0A CN110987993A (zh) 2019-12-17 2019-12-17 一种原位有机质定量统计分析方法

Publications (1)

Publication Number Publication Date
CN110987993A true CN110987993A (zh) 2020-04-10

Family

ID=70094704

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911300766.0A Pending CN110987993A (zh) 2019-12-17 2019-12-17 一种原位有机质定量统计分析方法

Country Status (1)

Country Link
CN (1) CN110987993A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112288671A (zh) * 2020-11-19 2021-01-29 长江大学 基于maps扫描技术的有机质类型判别方法、系统及装置
CN112362423A (zh) * 2020-10-20 2021-02-12 长江大学 一种在线原位测定烃源岩有机质含量的方法
WO2023138187A1 (zh) * 2022-01-21 2023-07-27 中国石油大学(华东) 一种定量评价页岩系统封闭性的方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0742434A1 (en) * 1995-05-09 1996-11-13 Acerinox S.A. X-ray quantative microanalysis method for metal alloys
CN102959130A (zh) * 2010-08-31 2013-03-06 杰富意钢铁株式会社 冷轧钢板的制造方法、冷轧钢板和汽车构件
CN103543169A (zh) * 2013-10-16 2014-01-29 北京工业大学 一种测定硬化混凝土原始水灰比的方法
JP2017173301A (ja) * 2016-03-22 2017-09-28 住友金属鉱山株式会社 金属酸化物の粉体中の異物の分析方法
CN107941834A (zh) * 2017-10-27 2018-04-20 西南交通大学 一种统计第二相分布的方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0742434A1 (en) * 1995-05-09 1996-11-13 Acerinox S.A. X-ray quantative microanalysis method for metal alloys
CN102959130A (zh) * 2010-08-31 2013-03-06 杰富意钢铁株式会社 冷轧钢板的制造方法、冷轧钢板和汽车构件
CN103543169A (zh) * 2013-10-16 2014-01-29 北京工业大学 一种测定硬化混凝土原始水灰比的方法
JP2017173301A (ja) * 2016-03-22 2017-09-28 住友金属鉱山株式会社 金属酸化物の粉体中の異物の分析方法
CN107941834A (zh) * 2017-10-27 2018-04-20 西南交通大学 一种统计第二相分布的方法

Non-Patent Citations (8)

* Cited by examiner, † Cited by third party
Title
J. P. KIM等: "COMPARISON OF PARTICLE SIZE SPECTRUM DETERMINATION FROM IMAGES MADE USING MANUAL AND AUTOMATED IMAGE ANALYSIS", 《ENVIRONMENTAL TECHNOLOGY》 *
JIM BUCKMAN等: "Workflow model for the digitization of mudrocks", 《GEOLOGICAL SOCIETY》 *
LIN MA等: "Correlative multi-scale imaging of shales: a review and future perspectives", 《GEOLOGICAL SOCIETY》 *
张慧等: "中国南方早古生代页岩有机质的扫描电镜研究", 《石油与天然气地质》 *
张林晔等: "《东营凹陷成烃与成藏关系研究》", 31 March 2005, 地质出版社 *
彭希龄等: "《准噶尔盆地东部背景区烃类微渗漏研究》", 31 October 1997, 海洋出版社 *
聂华: "镁锶中间合金中Sr的检测理论与方法", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》 *
赵日新: "扫描电镜分析参数对定量评价页岩微观孔隙的影响", 《石油与天然气地质》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112362423A (zh) * 2020-10-20 2021-02-12 长江大学 一种在线原位测定烃源岩有机质含量的方法
CN112362423B (zh) * 2020-10-20 2023-11-28 长江大学 一种在线原位测定烃源岩有机质含量的方法
CN112288671A (zh) * 2020-11-19 2021-01-29 长江大学 基于maps扫描技术的有机质类型判别方法、系统及装置
WO2023138187A1 (zh) * 2022-01-21 2023-07-27 中国石油大学(华东) 一种定量评价页岩系统封闭性的方法及系统

Similar Documents

Publication Publication Date Title
CN110987993A (zh) 一种原位有机质定量统计分析方法
CN105352873B (zh) 页岩孔隙结构的表征方法
RU2610216C2 (ru) Способ и система двойного изображения для генерации многомерного изображения образца
CN100351853C (zh) 高噪声图像特征点自动提取方法
CN104697476A (zh) 粗糙度光切轮廓曲线的自动检测方法及装置
CN110223282B (zh) 一种泥页岩有机孔隙与无机孔隙自动识别方法及系统
CN113435457A (zh) 基于图像的碎屑岩成分鉴定方法、装置、终端及介质
CN110873722A (zh) 一种岩心矿物组分鉴别方法
Al Ibrahim et al. An automated petrographic image analysis system: Capillary pressure curves using confocal microscopy
CN112964712A (zh) 一种快速检测沥青路面状态的方法
CN109285137A (zh) 页岩孔隙贡献度的获取方法及装置
Kazak et al. Machine-learning-assisted segmentation of focused ion beam-scanning electron microscopy images with artifacts for improved void-space characterization of tight reservoir rocks
WO2020211193A1 (zh) 一种针对砂砾岩储层中岩屑含量统计的方法
CN111028094B (zh) 一种基于页岩扫描电镜图像提取的等效toc计算方法
CN113870202A (zh) 一种基于深度学习技术的远端芯片缺陷检测系统
Lang et al. Pavement cracking detection and classification based on 3d image using multiscale clustering model
CN111257188B (zh) 碳酸盐岩孔隙系统的多尺度表征方法及装置
CN113191330A (zh) 融合二次电子和背散射电子图像的区域生长孔隙识别方法
CN1290049C (zh) 强反射背景下粗糙纹理工件图像特征点自动提取方法
CN109374436B (zh) 一种基于ct图像的水合物沉积物剪切带识别方法
CN111738978A (zh) 储层孔喉连通性的评价方法、装置、电子设备及存储介质
CN111340786B (zh) 一种复杂点阵结构内部缺陷的三维分割方法及系统
CN1845175A (zh) 基于小波和共生矩阵的纹理表面缺损检测方法
CN114419088A (zh) 一种基于数字图像的隧道围岩信息提取方法
CN112113958A (zh) 页岩纹层的地球化学定量表征方法及系统

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200410

RJ01 Rejection of invention patent application after publication