CN112288671A - 基于maps扫描技术的有机质类型判别方法、系统及装置 - Google Patents
基于maps扫描技术的有机质类型判别方法、系统及装置 Download PDFInfo
- Publication number
- CN112288671A CN112288671A CN202011306054.2A CN202011306054A CN112288671A CN 112288671 A CN112288671 A CN 112288671A CN 202011306054 A CN202011306054 A CN 202011306054A CN 112288671 A CN112288671 A CN 112288671A
- Authority
- CN
- China
- Prior art keywords
- organic matter
- type
- image
- maps
- units
- 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
Links
- 239000005416 organic matter Substances 0.000 title claims abstract description 142
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000005516 engineering process Methods 0.000 title claims abstract description 30
- 239000004079 vitrinite Substances 0.000 claims description 14
- 229920002101 Chitin Polymers 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 238000000465 moulding Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 5
- 230000000737 periodic effect Effects 0.000 claims description 3
- 238000012850 discrimination method Methods 0.000 claims description 2
- 238000012360 testing method Methods 0.000 abstract description 11
- 238000004458 analytical method Methods 0.000 abstract description 9
- 238000009659 non-destructive testing Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 abstract description 2
- 239000011435 rock Substances 0.000 description 11
- 229930195733 hydrocarbon Natural products 0.000 description 10
- 150000002430 hydrocarbons Chemical class 0.000 description 10
- 239000004215 Carbon black (E152) Substances 0.000 description 9
- 241000196324 Embryophyta Species 0.000 description 7
- 239000011148 porous material Substances 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 5
- 238000000197 pyrolysis Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 4
- 238000001493 electron microscopy Methods 0.000 description 4
- 239000001257 hydrogen Substances 0.000 description 4
- 229910052739 hydrogen Inorganic materials 0.000 description 4
- 230000000877 morphologic effect Effects 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000001301 oxygen Substances 0.000 description 3
- 229910052760 oxygen Inorganic materials 0.000 description 3
- 210000001519 tissue Anatomy 0.000 description 3
- 235000013351 cheese Nutrition 0.000 description 2
- 239000010941 cobalt Substances 0.000 description 2
- 229910017052 cobalt Inorganic materials 0.000 description 2
- GUTLYIVDDKVIGB-UHFFFAOYSA-N cobalt atom Chemical compound [Co] GUTLYIVDDKVIGB-UHFFFAOYSA-N 0.000 description 2
- 230000001066 destructive effect Effects 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 229910052500 inorganic mineral Inorganic materials 0.000 description 2
- 239000011707 mineral Substances 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000028327 secretion Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 241000195493 Cryptophyta Species 0.000 description 1
- 241001504070 Huperzia Species 0.000 description 1
- 241000745987 Phragmites Species 0.000 description 1
- 235000014676 Phragmites communis Nutrition 0.000 description 1
- 239000009759 San-Chi Substances 0.000 description 1
- 229920002522 Wood fibre Polymers 0.000 description 1
- 206010000496 acne Diseases 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- PNEYBMLMFCGWSK-UHFFFAOYSA-N aluminium oxide Inorganic materials [O-2].[O-2].[O-2].[Al+3].[Al+3] PNEYBMLMFCGWSK-UHFFFAOYSA-N 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000003763 carbonization Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 239000011335 coal coke Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000635 electron micrograph Methods 0.000 description 1
- 239000003822 epoxy resin Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000001879 gelation Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000000386 microscopy Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 239000011368 organic material Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 239000004854 plant resin Substances 0.000 description 1
- 210000002706 plastid Anatomy 0.000 description 1
- 229920000647 polyepoxide Polymers 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 230000001850 reproductive effect Effects 0.000 description 1
- 239000011347 resin Substances 0.000 description 1
- 229920005989 resin Polymers 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 238000004626 scanning electron microscopy Methods 0.000 description 1
- 229940088594 vitamin Drugs 0.000 description 1
- 229930003231 vitamin Natural products 0.000 description 1
- 235000013343 vitamin Nutrition 0.000 description 1
- 239000011782 vitamin Substances 0.000 description 1
- 239000002025 wood fiber Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明公开了一种基于MAPS扫描技术的有机质类型判别方法、系统及装置，该方法步骤包括：获取样品若干分区的MAPS扫描图像，拼接后得到拼接图像；将拼接图像以相同周期单元划分成若干区域，得到若干图像单元，并从中等距选取若干待测单元；对若干待测单元分别进行有机质显微组分判别，并获取各有机质显微组分的含量百分数；根据各有机质显微组分的含量百分数、T指数法公式以及有机质类型关于T指数的划分标准，判定样品的有机质类型。本发明通过MAPS扫描技术对样品若干图像单元进行有机质显微组分的分析统计，进而推算出样品整体的有机质类型，不仅测试过程为无损测试，能够建立有机质类型与有机质孔之间的定量关系，且对有机质类型的判定精度显著提高。
Description
技术领域
本发明涉及地质分析领域，特别是一种基于MAPS扫描技术的有机质类型判别方法、系统及装置。
背景技术
页岩储层中的有机质特征不仅是生成烃类的核心因素，也是生成孔隙的关键因素。目前对于有机质类型的评价表明，不同有机质类型的生烃及成孔能力差异明显，但现有对于有机质类型的识别及评价工作主要以有机地球化学、干酪根镜检、全岩显微组分统计等方式进行有损测试，因此无法在显微尺度上定量评价有机质的类型及含量分布。
关于有机质类型的现有测试手段，具体存在以下方面问题：
(1)目前对于有机质类型的分析主要以有机地球化学的方式进行有损测试，具体表现为：岩石热解分析(Rock-Eval)对于单一测定有机质类型方便省时，它作为一种常见的烃源岩生烃潜力和原地烃含量快速评价手段，被广泛应用于含油气系统原地油资源评价工作中；特别地，可利用岩石热解分析结果氢指数(S1/TOC，mg/g TOC)及氧指数(S2/TOC，mg/gTOC)进行有机质类型的划分。但针对高成熟度样品(尤指本文志留系龙马溪组海相页岩，Ro＝2.3％)，有机质生烃演化处于生气阶段；以干酪根为例，干酪根(Ⅲ型除外)已经历大量生液态烃阶段(即氢元素被大量消耗)，其氢氧指数(特别是氢指数)会随油气的生成而大幅度降低，从而在有机质类型氢氧指数判识图版会形成数据点向原点方向归拢的趋势，甚至越过类型判识经验包络线范围(氢指数-热解峰温Tmax有机质类型图版)。此时，利用岩石热解分析参数进行有机质类型判断的有效性将大幅度降低。因此，针对中高热演化程度页岩有机质类型的判识，常见的有机地球化学评价方法如岩石热解分析及分子地球化学分析，其适用性受到限制，且直观上无法进行形态学分析和显微组分类型划分。
(2)现有的光学显微镜在对页岩储层的全岩显微结构进行观察时，分辨率较低、统计精度低，且将样品粉碎至1mm左右颗粒，再用环氧树脂粘结，旋磨、抛光成全岩粉砖光片，损坏了样品本身，无法在原位看到有机质显微组分和有机质孔。
(3)目前对页岩储层做扫描电镜的研究，主要针对样品孔喉大小、孔隙度、渗透率等单方面进行深入表征，或者对扫描电镜下少量的有机质等单方面进行研究，，没有将有机质面孔率等孔隙数据和有机质类型定量结合起来。以干酪根为例，只得到了Ⅰ、Ⅱ型干酪根比Ⅲ型干酪根更容易裂解生烃和产生有机质孔的定性结论，没有获得有机质类型与有机质孔之间最具体、直接的关系。
故需要提出一种新的有机质类型判别方法，用于解决现有技术中存在的问题。
发明内容
本发明的目的在于，提供一种基于MAPS扫描技术的有机质类型判别方法、系统及装置，用于解决现有技术中缺少有效的无损测试方法对有机质类型进行定量评价的问题。
为解决上述技术问题，本发明提供了一种基于MAPS扫描技术的有机质类型判别方法，其步骤包括：(1)获取样品若干分区的MAPS扫描图像，拼接后得到拼接图像；(2)将拼接图像以相同周期单元划分成若干区域，得到若干图像单元，并从中等距选取若干待测单元；(3)对若干待测单元分别进行有机质显微组分判别，并获取各有机质显微组分的含量百分数；(4)根据各有机质显微组分的含量百分数、T指数法公式以及有机质类型关于T指数的划分标准，判定样品的有机质类型。
其中，步骤(1)具体包括：对有机质样品选定区域进行连续扫描，获得边缘重叠的若干初始扫描图像，根据重叠部分将若干初始扫描图像依次拼接，得到拼接图像。
其中，步骤(2)具体包括：选取预设周期单元的图形，将拼接图像按预设周期单元的图形划分为若干区域，得到若干图像单元；每一图像单元均与预设周期单元的图形一致，且相邻图像单元紧密排布；每一对相邻所述待测单元之间的间隔距离相等。
其中，预设周期单元的图形为矩形。
其中，步骤(3)中，有机质类型包括腐泥组、壳质组、镜质组和惰质组。
其中，步骤(4)中，T指数法公式为T＝(100A+50B-75C-100D)/100，其中A、B、C、D分别为腐泥组、壳质组、镜质组和惰质组的含量百分数。
其中，步骤(4)中，有机质类型关于T指数的划分标准具体为：T>80时，有机质类型为Ⅰ型；40≤T≤80时，有机质类型为Ⅱ1型；0≤T<40时，有机质类型为Ⅱ2型；T<0时，有机质类型为Ⅲ型。
为解决上述技术问题，本发明还提供了一种基于MAPS扫描技术的有机质类型判别系统，包括：图像拼接单元，其用于获取样品若干分区的MAPS扫描图像，拼接后得到拼接图像；图像处理单元，其用于接收来自图像拼接单元的拼接图像，并以相同周期单元划分成若干区域，得到若干图像单元，并从中等距选取若干待测单元；显微组分判定单元，其用于接收来自图像处理单元的若干待测单元，并分别进行有机质显微组分判别，获取各有机质显微组分的含量百分数；有机质类型判定单元，其用于接收来自显微组分判定单元的各有机质显微组分的含量百分数，根据各有机质显微组分的含量百分数、T指数法公式以及有机质类型关于T指数的划分标准，判定样品的有机质类型；基于MAPS扫描技术的有机质类型判别系统用于执行前述解决方案中基于MAPS扫描技术的有机质类型判别方法。
为解决上述技术问题，本发明还提供了一种基于MAPS扫描技术的有机质类型判别装置，包括存储器和处理器，存储器上存储有计算机程序，计算机程序被处理器执行时，实现前述解决方案中基于MAPS扫描技术的有机质类型判别方法。
为解决上述技术问题，本发明还提供了一种存储介质，存储介质中存储有程序数据，程序数据能够被执行以实现前述解决方案中基于MAPS扫描技术的有机质类型判别方法。
本发明的有益效果是：区别于现有技术的情况，本发明提供了一种基于MAPS扫描技术的有机质类型判别方法、系统及装置，通过采用MAPS扫描技术对样品多区域进行测试拼接后，再重新划分图像单元，并对若干图像单元进行有机质显微组分的分析统计，进而推算出样品整体的有机质类型，不仅测试过程为无损测试，能够建立有机质类型与有机质孔之间的定量关系，且对于有机质类型的判定精度显著提高。
附图说明
图1是本发明中基于MAPS扫描技术的有机质类型判别方法一实施方式的流程图；
图2是本发明实施例1中待测单元选取方式分布图；
图3是本发明实施例1中腐泥组的电镜测试图；
图4是本发明实施例1中壳质组的电镜测试图；
图5是本发明实施例1中镜质组的电镜测试图；
图6是本发明实施例1中惰质组的电镜测试图。
具体实施方式
下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，均属于本发明保护的范围。
请参阅图1，图1是本发明中基于MAPS扫描技术的有机质类型判别方法一实施方式的流程图。本发明提供了一种基于MAPS扫描技术的有机质类型判别方法，其步骤包括：
S1、获取样品若干分区的MAPS扫描图像，拼接后得到拼接图像。本步骤中，具体地，对有机质样品选定区域进行一系列连续扫描，获得边缘重叠的具有高分辨率的若干初始扫描图像，根据重叠部分将这些初始扫描图像依次拼接，得到拼接图像。。
MAPS(全称Modular Automated Processing System)扫描技术，由于扫描电镜相对于传统的光学显微镜来说，分辨率显著提高，能够更加清晰的反应样品的形态学特征，并且基础的视域更大，在配合多个相邻区域进行扫描后进行拼接，能够获得更多的样品形态特征数据，能够有效降低主观因素对显微组分识别及有机质类型划分上的影响。该技术解决了传统SEM测试视域小、代表性差的缺陷，同时，针对岩心的无损MAPS扫描图像分析，可以精确反映岩心内部的微观结构及组分特征。
S2、将拼接图像以相同周期单元划分成若干区域，得到若干图像单元，并从中等距选取若干待测单元。本步骤中，具体地，选取预设周期单元的图形，将拼接图像按预设周期单元的图形划分为若干区域，得到若干图像单元；其中，每一图像单元均与预设周期单元的图形一致，且相邻图像单元紧密排布，每一对相邻所述待测单元之间的间隔距离相等；对拼接图像重新进行周期单元的划分，并从中选取等距的待测单元，作为测试样本，这样在处理较为庞大的初始MAPS扫描图像时，能够根据不同实际需求快速的筛选出一部分图像作为待测样本，在保证高精度的同时更加省时省力。本实施方式中，预设周期单元的图形优选为矩形，在其他实施方式中，可根据实际情况对预设周期单元的图形及每个单元的尺寸大小进行适应性选择，在此不做限定。
S3、对若干待测单元分别进行有机质显微组分判别，并获取各有机质显微组分的含量百分数。本步骤中，具体地，通过观察图像形貌特征，对若干待测单元分别进行有机质显微组分判别，具体的图像观察方法并不限于人眼观察判别，也可以通过相关的图像识别软件来完成，只需该图像识别软件具备识别有机质显微组分特征图形的功能；其中有机质显微组分包括腐泥组、壳质组、镜质组和惰质组，下面分别对各种有机质显微组分所具有的特征分别进行描述。
腐泥组作为海相页岩储层的主要有机成分，藻类等生物遗体在还原环境下经过一系列化学作用降解形成了腐泥组沥青质体，其自身没有固定形态，也没有清晰的轮廓，外形多呈棉絮状或云雾状，属于无定形体；在研究层段内腐泥组沥青质体含量较高，常充填于自生矿物孔隙空间或与自生矿物相接触，呈不规则形态。相关具体内容可参考文献：PickelW,Kus J,Flores D,et al.Classification of liptinite–ICCP System 1994[J].International Journal of Coal Geology,2017,169(1):40-61以及Imran K,ZhongNingning,Luo Qingyong,et al.Maceral composition and origin of organic matterinput in Neoproterozoic-Lower Cambrian organic-rich shales of Salt RangeFormation,upper Indus Basin,Pakistan[J].International Journal of CoalGeology,2019,217(9):1-15。
壳质组主要来源于植物繁殖器官、表皮组织、分泌物等，因此特有的生物形态可以作为壳质组的主要识别依据。壳质组可大致分为三类，分别为孢子体、角质体以及树脂体。其中孢子体主要由植物的孢子形成，多呈圆形、椭圆形、扁环状等生物形貌，受压后成蠕虫状或线条状，有时会聚集在一起形成小孢子堆；角质体由植物的初生表皮组织形成，具有较强的韧性，常呈弯曲状或条带状；树脂体被认为是成烃良好的母源物质，主要由植物的树脂、树胶、蜡质和脂肪分泌物等形成，形态多呈圆形、椭圆形，轮廓清晰平滑，表面平坦，内部一般没有什么结构。相关具体内容可参考文献：王高.焦煤显微组分分类方法研究[D].安徽工业大学，2017.[Wang Gao.Research on classification method of coking coalmacerals[D].AnHui University of Technology,2017.]。
镜质组主要由植物的茎、叶和木质纤维组织经凝胶化作用形成，海相镜质组主要由海洋低等植物经腐殖化作用降解而成。扫描电镜下，镜质组颜色较深、轮廓清晰，呈致密、均匀、平坦，宽窄不等的条带状或块状。无结构镜质体中最常见的是均质镜质体，质地均匀、致密，提高放大倍数也没有更细微的结构。相关具体内容可参考文献：曾凡刚，程克明，吴朝东.应用海相镜质组反射率研究华北地区下古生界成熟度[J].地球与环境，1998，26(3)：21-24.[Zeng Fangang,Cheng Keming,Wu Chaodong.Maturity of the Lower Palaeozoicin north China in terms of reflectivity of marine vitrinites[J].Earth andEnvironment,1998,26(3):21-24.]以及焦淑静，张慧，薛东川.三塘湖盆地芦草沟组页岩有机显微组分扫描电镜研究[J].电子显微学报，2019，38(3)：257-263.[Jiao Shujing,ZhangHui,Xue Dongchuan.SEM study on organic macerals of shale in LucaogouFormation Santanghu Basin[J].Journal of Chinese Electron Microscopy Society,2019,38(3):257-263.]。
惰质组主要由植物木质纤维素经丝炭化作用转化形成的显微组分，稳定、不活泼，为干酪根中的惰性分子。惰质组中最常见的显微组分为丝质体，是植物细胞保存最好的显微组分，扫描电镜下，图像亮度较高，丝质体的纵断面呈纤维状，通常为顺层排列。相关具体内容可参考文献：焦淑静，张慧，薛东川，等.泥页岩有机显微组分的扫描电镜形貌特征及识别方法[J].电子显微学报，2018，37(2)：137-144.[Jiao Shujing,Zhang Hui,XueDongchuan,et al.Morphological structure and identify method of organicmacerals of shale with SEM[J].Journal of Chinese Electron Microscopy Society,2018,37(2):137-144.]。
S4、根据各有机质显微组分的含量百分数、T指数法公式以及有机质类型关于T指数的划分标准，判定样品的有机质类型。本步骤中，具体地，T指数法公式为T＝(100A+50B-75C-100D)/100，其中A、B、C、D分别为腐泥组、壳质组、镜质组和惰质组的含量百分数；有机质类型关于T指数的划分标准具体为：T>80时，有机质类型为Ⅰ型；40≤T≤80时，有机质类型为Ⅱ1型；0≤T<40时，有机质类型为Ⅱ2型；T<0时，有机质类型为Ⅲ型；将各有机质显微组分的含量百分数带入T指数法公式，通过定量计算得到的T值，对比划分标准，得到待测样品的有机质类型，整个过程均为无损测试，并且建立了有机质类型与有机质孔之间的定量关系，对有机质类型的判定精度显著提高。
下面通过具体实施例对上述基于MAPS扫描技术的有机质类型判别方法进行阐述。
实施例1
(1)选取八个干酪根待测样品，大小为直径25mm、厚2mm，采用扫描电镜对有机质样品多个相邻区域进行扫描，分辨率为250nm，得到1188张初始扫描图像，将这些初始扫描图像的重叠部分依次拼接，得到拼接图像。本实施例中所采用的MAPS扫描电镜型号为HELIOSNanoLab 660，电压为5～35KV、电流为0.01～0.4nA，识别图像像素大小为0.5～500nm，扫描样品大小为25mm×2mm，相邻拼接小图像间重叠率为6～8％。
(2)以矩形作为预设周期单元，将拼接图像均匀分割，并每间隔两个预设周期单元取一个点作为待测单元，共132个待测单元，然后进行有机质显微组分的识别，待测单元选取方式如图2所示。
(3)对每个待测单元分别进行有机质类型判别，主要选取了四种不同形貌类型的电镜图，如图3～6，依次表征了腐泥组、壳质组、镜质组和惰质组各自类别的特征，并统计各类别的含量百分数。
(4)将腐泥组、壳质组、镜质组和惰质组的含量百分数带入公式T＝(100A+50B-75C-100D)/100，其中A、B、C、D分别为腐泥组、壳质组、镜质组和惰质组的含量百分数，而有机质类型关于T指数的划分标准具体参考表1所示，进而可以推断出相应的干酪根类型，结果如表2所示。研究层段各有机质类型中，以Ⅰ型和Ⅱ1型干酪根为主，为研究区最主要两种有机质类型，这一认识与前人在周缘地区相同层段通过干酪根镜检实验等研究结果也相吻合，及证明本发明方法切实有效。
表1烃源岩有机质类型关于T指数的划分标准
| T | T>80 | 40≤T≤80 | 0≤T<40 | ＜0 |
| 干酪根类型 | Ⅰ型 | Ⅱ<sub>1</sub>型 | Ⅱ<sub>2</sub>型 | Ⅲ型 |
表2样品1～8的干酪根类型
本发明还提供了一种基于MAPS扫描技术的有机质类型判别系统，包括：图像拼接单元，其用于获取样品若干分区的MAPS扫描图像，拼接后得到拼接图像；图像处理单元，其用于接收来自图像拼接单元的拼接图像，并以相同周期单元划分成若干区域，得到若干图像单元，并从中等距选取若干待测单元；显微组分判定单元，其用于接收来自图像处理单元的若干待测单元，并分别进行有机质显微组分判别，获取各有机质显微组分的含量百分数；有机质类型判定单元，其用于接收来自显微组分判定单元的各有机质显微组分的含量百分数，根据各有机质显微组分的含量百分数、T指数法公式以及有机质类型关于T指数的划分标准，判定样品的有机质类型；基于MAPS扫描技术的有机质类型判别系统用于执行前述解决方案中基于MAPS扫描技术的有机质类型判别方法。
本发明还提供了一种基于MAPS扫描技术的有机质类型判别装置，包括存储器和处理器，存储器上存储有计算机程序，计算机程序被处理器执行时，实现前述解决方案中基于MAPS扫描技术的有机质类型判别方法。
需要指出的是，本领域的技术人员应知晓，该基于MAPS扫描技术的有机质类型判别系统和装置的各个组成单元及执行步骤，可以通过计算机等逻辑运算装置来实现，这些单元和执行步骤可以集中设置于单个运算装置上，亦可分散设置于多个计算装置所组成的共用网络上，可选择地，将它们制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现，即该系统不限于任何特定的硬件和软件相适应性结合。
本发明还提供了一种存储介质，存储介质中存储有程序数据，程序数据能够被执行以实现前述解决方案中基于MAPS扫描技术的有机质类型判别方法。本发明中该存储介质用于存储与前述基于MAPS扫描技术的有机质类型判别方法相关的程序数据，用于执行前述基于MAPS扫描技术的有机质类型判别方法，该存储介质可包括：U盘、移动硬盘、只读存储器(ROM)、随机存取存储器(RAM)、磁碟或者光盘等各种可以存储程序代码的介质，在此不作限定。
区别于现有技术的情况，本发明提供了一种基于MAPS扫描技术的有机质类型判别方法、系统及装置，通过采用MAPS扫描技术对样品多区域进行测试拼接后，再重新划分图像单元，并对若干图像单元进行有机质显微组分的分析统计，进而推算出样品整体的有机质类型，不仅测试过程为无损测试，能够建立有机质类型与有机质孔之间的定量关系，且对于有机质类型的判定精度显著提高。
以上所述实施例仅表达了本发明的实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于MAPS扫描技术的有机质类型判别方法，其特征在于，其步骤包括：
(1)获取样品若干分区的MAPS扫描图像，拼接后得到拼接图像；
(2)将所述拼接图像以相同周期单元划分成若干区域，得到若干图像单元，并从中等距选取若干待测单元；
(3)对所述若干待测单元分别进行有机质显微组分判别，并获取各有机质显微组分的含量百分数；
(4)根据所述各有机质显微组分的含量百分数、T指数法公式以及有机质类型关于T指数的划分标准，判定样品的有机质类型。
2.根据权利要求1中所述的基于MAPS扫描技术的有机质类型判别方法，其特征在于，所述步骤(1)具体包括：对有机质样品选定区域进行连续扫描，获得边缘重叠的若干初始扫描图像，根据重叠部分将所述若干初始扫描图像依次拼接，得到所述拼接图像。
3.根据权利要求1中所述的基于MAPS扫描技术的有机质类型判别方法，其特征在于，所述步骤(2)具体包括：
选取预设周期单元的图形，将所述拼接图像按所述预设周期单元的图形划分为若干区域，得到若干图像单元；
每一所述图像单元均与所述预设周期单元的图形一致，且相邻所述图像单元紧密排布；
每一对相邻所述待测单元之间的间隔距离相等。
4.根据权利要求3中所述的基于MAPS扫描技术的有机质类型判别方法，其特征在于，所述预设周期单元的图形为矩形。
5.根据权利要求3中所述的基于MAPS扫描技术的有机质类型判别方法，其特征在于，所述步骤(3)中，所述有机质类型包括腐泥组、壳质组、镜质组和惰质组。
6.根据权利要求5中所述的基于MAPS扫描技术的有机质类型判别方法，其特征在于，所述步骤(4)中，T指数法公式为T＝(100A+50B-75C-100D)/100，其中A、B、C、D分别为所述腐泥组、壳质组、镜质组和惰质组的含量百分数。
7.根据权利要求5中所述的基于MAPS扫描技术的有机质类型判别方法，其特征在于，所述步骤(4)中，所述有机质类型关于T指数的划分标准具体为：
T>80时，所述有机质类型为Ⅰ型；
40≤T≤80时，所述有机质类型为Ⅱ1型；
0≤T<40时，所述有机质类型为Ⅱ2型；
T<0时，所述有机质类型为Ⅲ型。
8.一种基于MAPS扫描技术的有机质类型判别系统，其特征在于，包括：
图像拼接单元，其用于获取样品若干分区的MAPS扫描图像，拼接后得到拼接图像；
图像处理单元，其用于接收来自所述图像拼接单元的所述拼接图像，并以相同周期单元划分成若干区域，得到若干图像单元，并从中等距选取若干待测单元；
显微组分判定单元，其用于接收来自所述图像处理单元的所述若干待测单元，并分别进行有机质显微组分判别，获取各有机质显微组分的含量百分数；
有机质类型判定单元，其用于接收来自所述显微组分判定单元的所述各有机质显微组分的含量百分数，根据所述各有机质显微组分的含量百分数、T指数法公式以及有机质类型关于T指数的划分标准，判定样品的有机质类型；
所述基于MAPS扫描技术的有机质类型判别系统用于执行权利要求1～7中任一所述基于MAPS扫描技术的有机质类型判别方法。
9.一种基于MAPS扫描技术的有机质类型判别装置，其特征在于，包括存储器和处理器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现权利要求1～7中任一所述基于MAPS扫描技术的有机质类型判别方法。
10.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，所述计算机程序能够被执行以实现权利要求1～7中任一所述基于MAPS扫描技术的有机质类型判别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011306054.2A CN112288671A (zh) | 2020-11-19 | 2020-11-19 | 基于maps扫描技术的有机质类型判别方法、系统及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011306054.2A CN112288671A (zh) | 2020-11-19 | 2020-11-19 | 基于maps扫描技术的有机质类型判别方法、系统及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112288671A true CN112288671A (zh) | 2021-01-29 |
Family
ID=74398299
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011306054.2A Pending CN112288671A (zh) | 2020-11-19 | 2020-11-19 | 基于maps扫描技术的有机质类型判别方法、系统及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112288671A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105115874A (zh) * | 2015-08-18 | 2015-12-02 | 中国石油天然气股份有限公司 | 多源信息融合的多组分三维数字岩心构建方法 |
| CN108346147A (zh) * | 2018-02-08 | 2018-07-31 | 辽宁翔舜科技有限公司 | 一种煤岩显微组分快速自动精确识别技术方法 |
| CN109309808A (zh) * | 2017-07-26 | 2019-02-05 | 梭维智能科技（深圳）有限公司 | 一种基于人脸识别的监控系统及方法 |
| CN110987993A (zh) * | 2019-12-17 | 2020-04-10 | 中国地质大学（武汉） | 一种原位有机质定量统计分析方法 |
| CN111208162A (zh) * | 2020-01-17 | 2020-05-29 | 成都理工大学 | 基于扫描电镜快速确定有机质孔隙的定量表征方法及应用 |
-
2020
- 2020-11-19 CN CN202011306054.2A patent/CN112288671A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105115874A (zh) * | 2015-08-18 | 2015-12-02 | 中国石油天然气股份有限公司 | 多源信息融合的多组分三维数字岩心构建方法 |
| CN109309808A (zh) * | 2017-07-26 | 2019-02-05 | 梭维智能科技（深圳）有限公司 | 一种基于人脸识别的监控系统及方法 |
| CN108346147A (zh) * | 2018-02-08 | 2018-07-31 | 辽宁翔舜科技有限公司 | 一种煤岩显微组分快速自动精确识别技术方法 |
| CN110987993A (zh) * | 2019-12-17 | 2020-04-10 | 中国地质大学（武汉） | 一种原位有机质定量统计分析方法 |
| CN111208162A (zh) * | 2020-01-17 | 2020-05-29 | 成都理工大学 | 基于扫描电镜快速确定有机质孔隙的定量表征方法及应用 |
Non-Patent Citations (10)
| Title |
|---|
| 司加鑫 等: "南极陨石GRV 022115冲击熔融脉矿物学研究", 《高校地质学报》 * |
| 司加鑫 等: "南极陨石GRV 022115冲击熔融脉矿物学研究", 《高校地质学报》, vol. 26, no. 03, 30 June 2020 (2020-06-30), pages 265 - 275 * |
| 夏东领 等: "鄂尔多斯盆地镇泾地区长8致密砂岩储层", 《地质科技情报》 * |
| 夏东领 等: "鄂尔多斯盆地镇泾地区长8致密砂岩储层", 《地质科技情报》, vol. 37, no. 04, 31 December 2018 (2018-12-31) * |
| 朱如凯 等: "复杂储层多尺度数字岩石评价", 《地球科学》, vol. 43, no. 05, 31 May 2018 (2018-05-31), pages 1773 - 1782 * |
| 李贤庆 等: "有机岩石学在油气勘探评价中的应用进展", 《江汉石油学院学报》 * |
| 李贤庆 等: "有机岩石学在油气勘探评价中的应用进展", 《江汉石油学院学报》, vol. 24, no. 1, 31 March 2002 (2002-03-31), pages 15 - 19 * |
| 陈家良 等: "《能源地质学》", pages: 73 * |
| 陈家良 等: "中国烃源岩与干酪根有机组分的划分", 《能源地质学》 * |
| 陈家良 等: "中国烃源岩与干酪根有机组分的划分", 《能源地质学》, 31 December 2004 (2004-12-31), pages 73 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105352873B (zh) | 页岩孔隙结构的表征方法 | |
| CN107449707B (zh) | 页岩储层中不同尺度孔隙定量的三维表征确定方法和装置 | |
| Hu et al. | Development of organic pores in the Longmaxi Formation overmature shales: Combined effects of thermal maturity and organic matter composition | |
| Monnier et al. | Swept under the rug: the problem of unacknowledged ambiguity in lithic residue identification | |
| Ringrose-Voase | Measurement of soil macropore geometry by image analysis of sections through impregnated soil | |
| CN111208162B (zh) | 基于扫描电镜快速确定有机质孔隙的定量表征方法及应用 | |
| CN104076038A (zh) | 一种碳酸盐岩常见成岩组构特征表征和成因识别方法 | |
| CN108152315B (zh) | 一种干酪根生油能力的微观评价方法及其系统 | |
| CN110443793A (zh) | 一种沥青混合料空隙分布均匀性评价方法 | |
| CN108896592A (zh) | 页岩油地下原位加热改质过程中干酪根的测试方法及装置 | |
| CN111160064B (zh) | 煤岩组分识别方法 | |
| CN112362536A (zh) | 基于原子力显微镜的砂岩表面微观润湿性的评价方法 | |
| Zodrow et al. | A proposed origin for fossilized Pennsylvanian plant cuticles by pyrite oxidation (Sydney Coalfield, Nova Scotia, Canada) | |
| CN111738978B (zh) | 储层孔喉连通性的评价方法、装置、电子设备及存储介质 | |
| CN112288671A (zh) | 基于maps扫描技术的有机质类型判别方法、系统及装置 | |
| Schopf et al. | Three-dimensional morphological (CLSM) and chemical (Raman) imagery of cellularly mineralized fossils | |
| CN113570652A (zh) | 基于sem图像的砂岩储层矿物晶间孔的定量分析方法 | |
| Tovey et al. | Quantitative micro-porosity and orientation analysis in soils and sediments | |
| Block et al. | Multifractal analysis of the microdistribution of elements in sedimentary structures using images from scanning electron microscopy and energy dispersive X ray spectrometry | |
| CN116012545A (zh) | 多尺度数字岩心建模方法、系统、存储介质及应用 | |
| CN113758791B (zh) | 岩石的力学参数确定方法 | |
| CN115306377A (zh) | 一种储层孔隙孔径分布确定方法和装置 | |
| Krebs et al. | Investigations on distribution patterns in soil: basic and relative distributions of roots, channels and cracks | |
| Li et al. | Process-Oriented Estimation of Chlorophyll-a Vertical Profile in the Mediterranean Sea Using MODIS and Oceanographic Float Products | |
| Bossdorf et al. | Spatial patterns of plant association in grazed and ungrazed shrublands in the semi‐arid Karoo, South Africa |
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 |