CN112696186B - 一种用于自动识别钻井岩屑的方法及系统 - Google Patents

Abstract

本发明公开了一种用于自动识别钻井岩屑的方法，包括：在接收到装置部署指令后，实时获取目标井的录井数据，根据录井数据，计算当前钻井过程中的破岩处岩屑由井底返排到井口所需的时间，并确定当前岩屑对应的捞取时刻、清洗时刻和拍摄时刻；在捞取时刻、清洗时刻和拍摄时刻分别生成相应动作指令，依次控制自动捞手装置、自动清洗平台和摄像头，对记录录井数据中的井深数据时对应的井底岩屑进行捞取、清洗和拍照；从岩屑图像中提取岩屑特征，利用岩屑自动识别模型得到识别结果。本发明减轻了现场工程师的工作，实现了岩屑识别整个流程的自动化，实施过程简单、成本低廉，可靠性更高，识别结果快速、准确。

Description

一种用于自动识别钻井岩屑的方法及系统

技术领域

本发明涉及石油工程领域，尤其是涉及一种用于自动识别钻井岩屑的方法及系统。

背景技术

岩屑是钻井过程中及时认识地层岩性和油气层的直观材料，钻井现场地质录井最重要的一项工作是进行岩屑录井。现场工程师按一定深度间隔取样，并按岩屑迟到时间作深度校正，对每次取得的混杂样品进行挑选，进行肉眼或显微镜下地质观察、描述、定名，估算各种岩屑样品的质量或体积百分比，确定取样深度的岩石类别，配合其他录井资料，作出井下岩屑地层剖面图。

现场人工识别存在两方面不足，一是不同工程师现场经验不同，其对样品色泽、纹理、结构等判别存在一定差别；二是人为估算样品中各类岩屑占比并不科学精确。人工主观的定性分析，其可靠性完全取决于地质技术人员对岩屑样品岩性识别判断的准确与否，受现场地质技术人员的主观性影响较大，没有客观标准进行判断。同时，近年来PDC钻头以及各类新钻井工艺的应用，使得钻井岩屑研磨程度更高，岩屑颗粒更加细小，给岩屑录井人工识别造成较大困难，准确率大幅度降低。

目前，钻井岩屑识别除了上述现场人工识别方法外，还有仪器设备定量测量、以及复杂装置的在线实时识别这两种方法。

第一、仪器设备定量测量的方法，通常是现场工程师对岩屑进行清洗、烘晒后，采用X射线荧光录井仪等仪器设备对相应的光谱进行测定分析，确定样品中各类岩屑的岩性及占比，最终由现场工程师对识别确定岩性并进行定名。仪器设备定量测量方法，虽然较人工提高了识别准确率，但存在较长的处理周期(包括岩屑捞取、清洗、烘晒、测量、分析、记录等)，在机械钻速提高时，每米井深的取样分析间隔甚至会少于1分钟，难以在高机械钻速情况下完成连续取样分析，同时，仪器构成也较为复杂。

第二、现有技术的在线实时识别的方法，主要是应用一整套复杂的监测分析装置，减少样品前期处理，对岩屑中的元素种类及含量、荧光频谱等数据进行自动的测量，并由系统对测量数据进行记录分析形成检测结果。在线实时识别方法，虽然测量迅速、识别准确，但其装置构成复杂，需要各类激光、脉冲发生器以及相应的监测处理装置，复杂程度及运维成本高，可靠性以及便利性尚待考验。

发明内容

为了解决上述技术问题，本发明提供了一种用于自动识别钻井岩屑的方法，包括：岩屑识别准备步骤，在接收到装置部署指令后，实时获取目标井的录井数据，根据所述录井数据，计算当前钻井过程中的破岩处岩屑由井底返排到井口所需的时间，并确定采集当前岩屑图像前所需对应的捞取时刻、清洗时刻和拍摄时刻；岩屑图像记录步骤，在所述捞取时刻、所述清洗时刻和所述拍摄时刻分别生成相应动作指令，依次控制自动捞手装置、自动清洗平台和摄像头，对记录所述录井数据中的井深数据时对应的井底岩屑进行捞取、清洗和拍照；岩屑识别步骤，从当前岩屑图像中提取岩屑特征数据，利用预先构建的岩屑自动识别模型，得到包括岩性及相应定名的识别结果，以完成针对目标井实时钻井过程中的井下岩屑的在线自动识别。

优选地，所述岩屑自动识别模型在训练阶段，按照如下步骤构建：第一步、按照预设的训练数据比例，从当前岩屑数据库内历史的岩屑数据中筛选出相应数量的岩屑数据作为训练样本，其余岩屑数据作为模型验证样本，其中，所述岩屑数据包括岩屑图像及其对应的岩屑识别结果；第二步、提取所述训练样本内每组岩屑数据中的岩屑特征数据，根据每组岩屑数据对应的所述岩屑特征数据和所述岩屑识别结果，对预先构建的含有颜色卷积核、纹理卷积核、形状卷积核及空间关系卷积核的岩屑识别初始模型进行训练，得到相应的所述岩屑自动识别模型；第三步、提取所述模型验证样本内每组岩屑数据中的岩屑特征数据，根据每组岩屑数据对应的所述岩屑特征数据和所述岩屑识别结果，依次对所述岩屑自动识别模型进行验证，当达到模型可使用条件时，将当前岩性自动识别模型投入到现场在线识别过程，并生成所述装置部署指令。

优选地，在所述第二步中，包括：根据所述训练样本中所有岩屑数据，利用所述岩屑识别初始模型的训练结果，统计当前训练结果的第一准确率；若所述第一准确率达到预设的模型训练准确率阈值，则将当前训练结果确定为所述岩屑自动识别模型，否则，继续调整并训练所述岩屑识别初始模型。

优选地，在所述第三步中，包括：根据所述模型验证样本中所有岩屑数据，利用所述岩屑自动识别模型，统计当前岩屑自动识别模型的第二准确率；在所述第二准确率达到预设的模型验证准确率阈值时，表明当前所述岩屑自动识别模型达到模型可使用状态，否则，返回所述第二步，重新训练所述岩屑识别初始模型。

优选地，所述岩屑识别步骤包括：对所述岩屑图像进行包括删除图像背景和增强岩屑区域的预处理；从经过预处理的所述岩屑图像中，提取岩屑颜色特征、岩屑纹理特征、岩屑形状特征和岩屑空间关系特征，以完成所述岩屑特征数据的提取过程。

优选地，所述岩屑识别准备步骤，包括：根据所述录井数据，确定所述录井数据对应的录井时间、和破岩处井深；实时检测所述破岩处井深，在当前所述破岩处井深与前一次捞取动作所获得的岩屑对应的破岩处深度的差值达到预设的捞取动作井深间隔时，计算当前的所述岩屑迟到时间；根据所述录井时间、所述岩屑迟到时间、预设的捞取清洗动作间隔和预设的清洗拍摄动作间隔，确定识别当前岩屑前准备阶段所对应的所述捞取时刻、所述清洗时刻和所述拍摄时刻。

优选地，所述岩屑数据库收集同地区内多口井的所述岩屑数据，并将其作为所述历史的岩屑数据进行存储。

另一方面，本发明还提供了一种用于自动识别钻井岩屑的系统，所述系统执行如上述所述方法，以实现目标井实时钻井过程中的井下岩屑在线自动识别功能，所述系统包括：自动捞手装置，其用于在接收到捞取动作指令后，自动捞取目标井口处振动筛内的岩屑，并将捞取到的岩屑送入自动清洗平台的平台中部；所述自动清洗平台，其用于在接收到清洗动作指令后，自动对放置在平台中部上的岩屑进行清洗；摄像头，其用于在接收到拍摄指令后，采集放置在所述平台中部的岩屑的图像；控制装置，其与所述自动捞手装置、所述自动清洗平台、所述摄像头和设置在井口处的录井数据采集服务器连接，用于在接收到装置部署指令后，实时获取目标井的录井数据，根据所述录井数据，计算当前钻井过程中的破岩处岩屑由井底返排到井口所需的时间，并确定采集当前岩屑前所需对应的捞取时刻、清洗时刻和拍摄时刻，而后，在所述捞取时刻、所述清洗时刻和所述拍摄时刻分别生成相应动作指令，依次控制所述自动捞手装置、所述自动清洗平台和所述摄像头，对记录所述录井数据中的井深数据时对应的井底岩屑进行捞取、清洗和拍照，以及从当前岩屑图像中提取岩屑特征数据，利用预先构建的岩屑自动识别模型，得到包括岩性及相应定名的识别结果。

优选地，所述系统还包括与所述控制装置连接的岩屑数据库，所述岩屑数据库通过无线网络与所述控制装置通信，其中，所述岩屑数据库具备：存储模块，其用于存储历史的所述岩屑数据，其中，所述岩屑数据包括岩屑图像及其对应的岩屑识别结果；模型构建模块，其用于构建/定期更新所述岩屑自动识别模型，并将构建/更新完成的所述岩屑自动识别模型传输至所述控制装置。

优选地，所述模型构建模块包括：训练数据确定单元，其用于按照预设的训练数据比例，从当前岩屑数据库内历史的岩屑数据中筛选出相应数量的岩屑数据作为训练样本，其余岩屑数据作为模型验证样本；模型训练单元，其用于提取所述训练样本内每组岩屑数据中的岩屑特征数据，根据每组岩屑数据对应的所述岩屑特征数据和所述岩屑识别结果，对预先构建的含有颜色卷积核、纹理卷积核、形状卷积核及空间关系卷积核的岩屑识别初始模型进行训练，得到相应的所述岩屑自动识别模型；模型验证单元，其用于提取所述模型验证样本内每组岩屑数据中的岩屑特征数据，根据每组岩屑数据对应的所述岩屑特征数据和所述岩屑识别结果，依次对所述岩屑自动识别模型进行验证，当达到模型可使用条件时，将当前岩性自动识别模型投入到现场在线识别过程，并生成所述装置部署指令。

与现有技术相比，上述方案中的一个或多个实施例可以具有如下优点或有益效果：(1)相比较于现有方法，本发明通过应用自动捞手和自动清洗平台，实现了岩屑的自动捞取清洗，免除了人工捞取岩屑的重复工作；同时，通过高清摄像头自动对岩屑拍照应用图像识别模型进行分析，免除了繁琐的测试分析工作；工程师只需进行结果审定既可，实现了岩屑识别整个流程的自动化。(2)相比较于现场工程师人工识别方法，本发明避免了受现场地质技术人员的主观性影响，应用岩屑图像特征数据进行科学地岩性识别和定名，结果更加客观准确。(3)相比较于目前已有的仪器设备定量测量方法，本发明通过自动化和图像识别技术，避免了仪器设备定量测量中所需要的岩屑烘晒、仪器准备、测量、分析、数值记录等繁琐步骤，识别速率高，可满足高机械钻速情况下岩屑高频率分析需求。(4)相比较于目前已有的在线实时识别方法，本发明避免了其需要精密的仪器装置、复杂程度及运维成本高、可靠性低等不足之处，本发明的实现方法简单有效且实施成本低廉，可靠性更高。(5)该方法在钻井实际应用中简便易行且经济可靠，不影响现有的钻井现场，仅在振动筛附近添加自动捞手、自动清洗平台和高清摄像头3种外置设备既可，通过自动化、图像识别实现实时高效、精确地岩屑识别，同时大幅降低现场工程师工作强度。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例共同用于解释本发明，并不构成对本发明的限制。在附图中：

图1是本申请实施例的用于自动识别钻井岩屑的方法的步骤图。

图2是本申请实施例的用于自动识别钻井岩屑的方法的具体流程图。

图3是本申请实施例的用于自动识别钻井岩屑的方法中构建岩屑自动识别模型的具体流程图。

图4是本申请实施例的用于自动识别钻井岩屑的方法中在胜利油田X井的应用流程示意图。

图5是本申请实施例的用于自动识别钻井岩屑的系统的应用环境示意图。

图6是本申请实施例的用于自动识别钻井岩屑的系统的模块框图。

具体实施方式

以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。需要说明的是，只要不构成冲突，本发明中的各个实施例以及各实施例中的各个特征可以相互结合，所形成的技术方案均在本发明的保护范围之内。

基于上述背景技术所述的现有技术不足之处，本发明提出了一种用于自动识别钻井岩屑的方法及系统。该方法及系统在钻井过程中应用自动捞手装置捞取钻井岩屑，在对钻井岩屑进行自动冲洗后，由高清摄像头捕捉岩屑图像，并将该图像经过删除图像背景和图像增强的预处理后，提取岩屑颜色、形状、纹理及空间关系的岩屑图像特征，而后，将当前岩屑特征加载到基于后方岩屑数据库训练形成的图像识别系统(岩屑自动识别模型)，实时根据钻井岩屑图像特征进行岩性识别并定名，工程师对岩屑和识别结果进行审定后，将包括岩屑图像和识别结果的岩屑数据加载到后台岩屑数据库中，从而完成整个岩屑识别过程。其中，图像识别系统利用深度学习方法识别岩屑图像特征，对深度学习模型进行反复训练后形成。

在对本发明所述的钻井岩屑自动识别方法进行说明之前，需要先对钻井岩屑自动识别系统的构成、应用环境进行说明。图5是本申请实施例的用于自动识别钻井岩屑的系统的应用环境示意图。如图5所示，本发明所述的钻井岩屑自动识别系统至少包括：自动捞手装置1、自动清洗装置2、摄像头3、控制装置4和岩屑数据库5。参考图5，本发明在现场振动筛旁安装自动捞手装置1、自动清洗平台2、摄像头3、控制装置4，控制装置4上安装有控制分析软件，以及在控制装置4后方搭建岩屑数据库5。其中，控制装置4通过无线网络与岩屑数据库5进行通信，完成信息交互传输。

进一步，图5中实线箭头表示针对当前目标井的钻井现场，钻井液流动路线与方向，泥浆泵抽取泥浆池中钻井液向下泵入钻柱，钻井液携带井底破岩处的岩屑，由井筒环空向上返排至井口，从井口管线流至振动筛中进行岩屑过滤，最终钻井液回流至泥浆池。此时，本发明中所述的钻井岩屑自动识别系统需要抓取从井底返排回井口的破岩处岩屑，进行岩屑岩性识别和定名，得到相应的识别结果。图5中虚线箭头表示本发明所述的钻井岩屑自动识别系统的连接、以及信号与数据的传输方向，录井房内的录井数据采集服务器从井口传感器处采集数据后，将传送至控制装置4，控制装置4上的控制分析软件将获取到的录井数据经过计算后，控制自动捞手装置1、自动清洗平台2、高清摄像头3依次对当前返排回来的岩屑完成岩屑捞取、清洗和拍照操作，岩屑图像由高清摄像头3传送至控制装置4，将岩屑图像先进行岩屑特征提取后，由预先构建的岩屑自动识别模型，基于岩屑特征识别完成岩屑分析岩性与定名，识别结果(岩屑岩性及定名)经无线网络传送至岩屑数据库5保存。同时，岩屑自动识别模型定期利用岩屑数据库5中的不断收集的目标井及其他井中的岩屑数据进行自学习，从而利用不断更新的岩屑自动识别模型进行钻井现场的在线自动识别过程，提高识别效率与准确性。

图1是本申请实施例的用于自动识别钻井岩屑的方法的步骤图。参考图1，在本发明实施前，需要先将岩屑识别步骤中所需要的岩屑自动识别模型由岩屑数据库5预先构建完成，在完成构建后，岩屑数据库5需要向控制装置4发出装置部署指令，以提示当前岩屑自动识别模型已构建完成，能够投入应用到实时的钻井施工现场。此时，步骤S110控制装置4在接收到装置部署指令后，实时获取目标井的录井数据，根据录井数据，计算当前钻井过程中的钻头破岩处的岩屑由井底返排到井口所需的时间(即岩屑迟到时间)，并确定采集当前岩屑图像前所需对应的捞取(动作)时刻、清洗(动作)时刻和拍摄(动作)时刻。

需要说明的是，在本发明实施例中，利用自动捞取装置1进行捞取，当钻头向井下钻进时，钻头破岩处的井深位置是不断变化的，控制装置4获取到的录井数据中含有能够表示钻头破岩位置处的实时井深位置，由于本发明需要采集的岩屑必须与该岩屑所在的井深位置相一致，才能够在后期进行地层岩屑分析时保障分析结果的准确性，故本发明在获取到录井数据中的井深位置后，需要在等待当前井深位置处的岩屑从井底钻头破岩处返排到井口时所需要的时间后，从而当前井深位置处的岩屑才能到达在井口振动筛中。此时，若要想要抓取到录井数据中的当前破岩井深处的岩屑，便需要计算在记录录井数据中的钻头在破岩井深位置数据时(也就是钻头处于破岩处井深位置时)所对应的岩屑的抓取时刻(等待该处岩屑返排到井口的振动筛，其中，抓取时刻表示抓取动作启动的时刻)、在等待自动捞手装置1完成抓取动作并将当前岩屑送入到自动清洗平台2内的平台中部后所对应的清洗时刻(清洗时刻表示清洗动作启动的时刻)、以及在等到自动清洗平台2完成清洗多程序后所对应的拍摄时刻(拍摄时刻表示采集岩屑图像的时刻)。

而后，在确定好当前岩屑的捞取(动作)时刻、清洗(动作)时刻和拍摄(动作)时刻后，步骤S120控制装置4在捞取时刻、清洗时刻和拍摄时刻分别生成相应动作指令，依次控制自动捞手装置1、自动清洗平台2和摄像头3，对在记录录井数据中的井深数据时所对应的井底岩屑进行捞取、清洗和拍照。接着，步骤S130控制装置4从当前采集到的岩屑图像中提取岩屑特征数据，利用预先构建的岩屑自动识别模型，确定当前岩屑的包括岩屑岩性及相应定名在内的岩屑识别结果，以完成针对目标井的实时钻井过程中的当前井下岩屑的在线自动识别。最后，步骤S140控制装置4将当前岩屑的岩屑图像和岩屑识别结果进行打包，生成相应的岩屑数据，并在标记井深位置和目标井编码后，将进行标记后的岩屑数据发送至岩屑数据库5中，以进行保存，从而完成了实时钻井过程中针对当前井深位置处岩屑的在线自动识别的操作。

需要说明的是，为了进一步保障本发明所得到的岩屑识别结果的准确性，可以在自动识别出岩屑岩性及相应定名(得到岩屑识别结果)后，由现场工程师进行审核并校订，校订无误后，再进入到步骤S140中将最终得到的(经过标记的)岩屑数据发送至数据库5中进行存储。本发明对是否需要进行现场人员的审核并校订不进行限定，本领域技术人员可根据实际情况进行相应的选择。另外，若现场工程师在审核过程中发现模型识别结果有误，则需要进行人工修正，从而再进入到步骤S140中，将最终含有经过修正后的岩屑识别结果信息的岩屑数据发送至数据库5中进行存储。

图2是本申请实施例的用于自动识别钻井岩屑的方法的具体流程图。如图2所示，下面结合图1和图2对本发明实施例所述的钻井岩屑自动识别方法进行详细说明。

首先，步骤S201控制装置4在接收到装置部署指令后，从设置在录井房中的录井数据采集服务器处，获取目标井的录井数据。步骤S202控制装置4根据录井数据，识别实时的录井时间(井下钻头当前正在钻进的时刻)、井下钻头当前正在钻进的破岩处井深位置和钻井液排量。

而后，在本发明实施例中，利用自动捞取装置1进行捞取的动作，是需要按照预设的井下井深位置变化间隔距离进行动作的，也就是说，当钻进过程中，钻头每向钻进井深位置变化间隔距离时，就获取一次当前井深位置处的岩屑(同时完成一次捞取动作，如每隔1米井深或每隔0.5米井深进行一次捞取动作)，并识别当前岩屑的岩性及其定名，使得后期得到井下地层岩屑数据是每隔一定的井深间隔就对应有相应的岩屑岩性及定名信息的。因此，步骤S203控制装置4实时检测破岩处井深，在当前破岩处井深位置与前一次捞取动作所获得的岩屑对应的破岩处井深的差值达到预设的捞取动作井深间隔(即上述井深位置变化间隔距离)时，计算当前岩屑从井底破岩处到返排回井口所需要的时间，即岩屑迟到时间。另外，在当前破岩处井深位置与前一次捞取动作所获得的岩屑对应的破岩处井深的差值未达到捞取动作井深间隔时，需要继续检测录井数据中的井深信息，直到上述差值达到捞取动作井深间隔时，才需要捞取当前钻头钻进位置处的岩屑并进行图像采集以进行识别。

进一步，在计算出当前井深位置的岩屑对应的岩屑迟到时间后，步骤S204控制装置4根据当前录井时间、岩屑迟到时间、预设的捞取清洗动作间隔和预设的清洗拍摄动作间隔，确定当前岩屑前准备阶段所对应的捞取时刻、清洗时刻和拍摄时刻。需要说明的是，捞取清洗动作间隔表示捞取动作启动时刻与清洗动作启动时刻之间的时间间隔，这一时间间隔与自动捞手装置1完成抓取动作并将当前岩屑送入到自动清洗平台2内的平台中部这一过程有关，本领域技术人员可根据自动捞手装置1的配置及完成情况进行设置，本发明对该参数不作具体限定。另外，清洗拍摄动作间隔表示清洗动作启动时刻与拍摄动作采集时刻之间的时间间隔，这一时间间隔与自动清洗平台2完成清洗程序所占用的时间有关，本领域技术人员可根据自动清洗装置2的配置及完成情况进行设置，本发明对该参数也不作具体限定。

接着，步骤S205控制装置4在捞取时刻生成捞取动作指令并将该指令发送到自动捞手装置1。步骤S206自动捞手装置1在捞取动作指令的控制下启动，捞取振动筛内的岩屑(也就是当前井深位置处的岩屑)并将捞取到的岩屑送入到自动清洗平台2内的平台中部位置。需要说明的是，为了方便自动清洗平台2能够顺利清洗到岩屑，优选地需要自动捞手装置1将岩屑放置在清洗平台中部位置处，以防放置在清洗平台的无效清洗位置时影响清洗效果。进一步，步骤S207控制装置4在清洗时刻生成清洗动作指令并将该指令发送到自动清洗装置2。步骤S208自动清洗装置2在清洗动作指令的控制下启动清洗程序，将放置在平台中部位置的岩屑进行清洗。步骤S209控制装置4在拍摄时刻生成拍照动作指令并将该指令发送到摄像头3中。步骤S210摄像头3在拍照动作指令的控制下采集放置在自动清洗平台2内平台中部位置处的岩屑的图像。这样，通过上述技术方案获取到了当前钻进位置处的岩屑的图像，从而进入到步骤S211中。

步骤S211控制装置4对当前岩屑图像进行包括删除图像背景和增强岩屑区域的预处理。也就是说，在步骤S211中需要先删除当前岩屑图像中与岩屑部分无关的背景信息(例如：用于放置岩屑的清洗平台)，再对处理过的图像中的岩屑部分进行增强，从而减少摄像头拍摄时景深造成的模糊区域，在完成针对当前岩屑图像的前期预处理后，进入到步骤S212中。步骤S212控制装置4从经过预处理的岩屑图像中，提取包括岩屑颜色特征、岩屑纹理特征、岩屑形状特征和岩屑空间关系特征在内的岩屑特征数据，以通过步骤S211和步骤S212完成岩屑特征数据的提取过程。

而后，步骤S213控制装置4利用预先构建的岩屑自动识别模型，得到当前岩屑的岩屑识别结果。其中，岩屑识别结果包括岩屑岩性及相应的定名。具体需要将步骤S213提取到的岩屑特征数据输入到岩屑自动识别模型中，以利用该模型输出相应的包括岩屑岩性和相应定名的岩屑识别结果。需要说明的是，本发明实施例所述的岩屑自动识别模型是基于计算机视觉技术，应用卷积神经网络，建立而成的钻井岩屑自动识别的深度学习模型。该深度学习模型具体是根据分别包含颜色、纹理、形状以及空间关系4个方面的卷积核在内的岩屑识别初始模型，并基于岩屑识别初始模型以利用历史的岩屑数据训练而成的。进一步，需要在完成岩屑自动识别模型的构建后，即本发明的钻井岩屑自动识别方法具有了自动识别能力后，才能够投入钻井现场应用，此时，需要在完成模型构建后生成装置部署指令，来提示现场工作人员当前钻井岩屑自动识别系统具备岩性及定名的在线识别能力，从而进行钻井岩屑自动识别系统的现场安装。

最后，在得到当前岩屑的岩屑识别结果后，步骤S214控制装置4对当前岩屑识别结果进行标记处理，将含有岩屑识别结果、岩屑图像、当前岩屑对应的井深位置和目标井编码信息的岩屑数据发送至岩屑数据库5中。此时，步骤S215岩屑数据库5将当前接收到的岩屑数据作为历史的岩屑数据进行存储。

这样，本发明通过上述技术方案完成了在实时进行的钻井现场中一个捞取周期的岩屑自动识别过程，在检测出钻头实时位置从本次捞取动作对应的井深位置继续钻进并达到捞取动作井深间隔时，进入下一个捞取周期，从而完成相应的岩屑自动识别过程。

图3是本申请实施例的用于自动识别钻井岩屑的方法中构建岩屑自动识别模型的具体流程图。下面结合图3对本发明实施中的岩屑自动识别模型的构建过程进行说明。

参考图3，步骤S301岩屑数据库5按照预设的训练数据比例，从当前岩屑数据库内预先存储的历史的岩屑数据(包括岩屑图像及其对应的岩屑识别结果)中、筛选出相应数量的岩屑数据作为训练样本，其余岩屑数据作为模型验证样本，而后进入到步骤S302中。例如，从岩屑数据库5内存储的所有历史的岩屑数据中，提取80％的岩屑数据作为训练样本，其余的20％岩屑数据作为模型验证样本。

步骤S302岩屑数据库5需要先提取当前训练样本中的每组岩屑数据对应的岩屑特征数据。在本发明实施例中，由于步骤S302中涉及的提取岩屑特征数据的过程与上述步骤S211和步骤S212所涉及的提取岩屑特征数据的过程相似，都是基于岩屑数据中的摄像头3采集到的原始岩屑图像完成的，故本发明实施例对此不作赘述。

在完成训练样本中的每组岩屑数据的岩屑特征数据提取操作后，每组岩屑数据均对应有相应的岩屑特征数据，从而进入到步骤S303中。步骤S303利用(训练样本中的)每组岩屑数据对应的岩屑识别结果和岩屑特征数据，对预先构建的岩屑识别初始模型进行训练，得到相应的岩屑自动识别模型，从而完成岩屑自动识别模型的训练，以进入到步骤S304中。具体地说，在岩屑自动识别模型的训练过程中，需要利用下述步骤S3031～步骤S3035来完成。

进一步，步骤S3031构建岩屑识别初始模型。其中，岩屑识别初始模型是基于计算机视觉技术，并利用卷积神经网络技术建立而成的，具体包含颜色卷积核、纹理卷积核、形状卷积核以及空间关卷积，能够对钻井岩屑特征进行深度学习。步骤S3032利用训练样本中的所有岩屑数据，对上述构建好的岩屑初始模型进行训练，得到相应的训练结果，从而进入到步骤S3033中。步骤S3033根据训练样本中所有组岩屑数据，利用当前岩屑识别初始模型的训练结果，统计当前训练结果的准确率，并记为第一准确率，而后，进入到步骤S3034中。具体地，第一步，选取训练样本中内其中一组岩屑数据对应的岩屑识别结果和岩屑特征数据，对训练结果进行一次识别结果准确性对比，也就是将当前岩屑特征数据输入到训练结果中得到的模型识别结果与训练样本中当前组岩屑数据中的岩屑识别结果进行对比，确定当前识别结果准确性对比的(第一)单次对比结果。其中，在当前对比时，需要确定当前模型识别结果和岩屑识别结果中的内容是否完全一致，也就是说，两种识别结果中的岩性及定名是否全部一致，如果完全一致则将当前(第一)单次对比结果标记为准确，如果不完全一致或完全不一致则将当前次的(第一)单次对比结果标记为不准确。第二步，将训练样本中所有岩屑数据对应的(第一)单次对比结果进行统计，计算在利用当前训练结果来识别训练样本中所有岩屑数据时当前训练结果对应的识别准确率(第一准确率)。

步骤S3034判断当前第一准确率是否达到上述模型训练准确率阈值，若达到，则步骤S3035将当前训练结果确定为岩屑自动识别模型。另外，若当前第一准确率并未达到模型训练准确率阈值，则返回步骤S3031中继续优化调整岩屑识别初始模型，以进一步训练岩屑识别初始模型，重新构建岩屑自动识别模型。例如，在当钻井岩屑自动识别的深度学习模型(岩屑自动识别模型)对于训练样本识别准确率超过99.5％之后，完成岩屑自动识别模型的训练。

步骤S304岩屑数据库5需要先提取当前模型验证样本中的每组岩屑数据对应的岩屑特征数据。在本发明实施例中，由于步骤S304中涉及的提取岩屑特征数据的过程与上述步骤S211和步骤S212所涉及的提取岩屑特征数据的过程相似，都是基于岩屑数据中的摄像头3采集到的原始岩屑图像完成的，故本发明实施例对此不作赘述。

在完成模型验证样本中的每组岩屑数据的岩屑特征数据提取操作后，每组岩屑数据均对应有相应的岩屑特征数据，从而进入到步骤S305中。步骤S305利用(模型验证样本中的)每组岩屑数据对应的岩屑识别结果和岩屑特征数据，依次对岩屑自动识别模型进行效果验证，当达到模型可使用条件时，将当前岩性自动识别模型投入到现场在线识别过程，并生成装置部署指令，而后进入到步骤S306中。具体地说，在岩屑自动识别模型的效果验证过程中，需要利用下述步骤S3051～步骤S3053来完成。

进一步，步骤S3051根据模型验证样本中的所有组岩屑数据，利用步骤S303训练完成的当前岩屑自动识别模型，统计当前岩屑自动识别模型的准确率，并记为第二准确率，而后，进入到步骤S3052中。具体地，第一步，选取模型验证样本中的其中一组岩屑数据对应的岩屑识别结果和岩屑特征数据，对当前岩屑自动识别模型进行一次识别结果准确性对比，也就是将当前岩屑特征数据输入到当前岩屑自动识别模型中得到的模型识别结果与模型验证样本中当前组岩屑数据中的岩屑识别结果进行对比，确定当前识别结果准确性对比的(第二)单次对比结果。其中，在当前对比时，需要确定当前模型识别结果和岩屑识别结果中的内容是否完全一致，也就是说，两种识别结果中的岩性及定名是否全部一致，如果完全一致则将当前(第二)单次对比结果标记为准确，如果不完全一致或完全不一致则将当前次的(第二)单次对比结果标记为不准确。第二步，将模型验证样本中所有岩屑数据对应的(第二)单次对比结果进行统计，计算在利用当前岩屑自动识别模型来识别模型验证样本中所有岩屑数据时当前岩屑自动识别模型对应的识别准确率(第二准确率)。

步骤S3052判断当前第二准确率是否达到上述模型验证准确率阈值，若达到，则步骤S3053表明当前岩屑自动识别模型达到模型可使用状态，可将该模型投入到在线识别过程中使用，同时生成装置部署指令。另外，若当前第二准确率并未达到模型验证准确率阈值，则表明当前岩屑自动识别模型未达到模型可使用状态，立即返回步骤S303中，进一步调整优化岩屑识别初始模型。

最后，步骤S306岩屑数据库5将当前生成的装置部署指令和构建完成的岩屑自动识别模型，通过无线网络传输至控制装置4。

进一步地，为了提高岩屑自动识别模型的识别准确度和识别类型的广度，在本发明实施例中，岩屑数据库5不但能够存储有目标井的历史的岩屑数据，还能够收集同地区内其他井的历史的岩屑数据，以丰富数据库5中历史岩屑数据，提升岩屑自动识别模型的鲁棒性与普适性。岩屑数据库5在接收到来自其他井的历史的岩屑数据后，根据收集到的目标井和同区域其他井的历史岩屑数据对岩屑自动识别模型进行更新，并在生成更新好的岩屑自动识别模型后，生成装置部署指令，进一步通过无线网络将装置部署指令和更新后的岩屑自动识别模型传输到控制装置4内。本发明可以自行设定岩屑自动识别模型的更新周期，从而使得钻进现场的在线识别过程所利用的岩屑自动识别模型是最新版本的。其中，本发明中的岩屑自动识别模型更新过程与上述步骤S301～步骤S306的模型构建过程对应的方法相似，只是历史的岩屑数据的数据量有所变化，相应的训练样本和模型验证样本的数据量也有所变化，故本发明实施例对此不作赘述。

图4是本申请实施例的用于自动识别钻井岩屑的方法中在胜利油田X井的应用流程示意图。如图4所示，首先，进行岩屑识别模型的建立与训练，具体实施流程如下：

(1)搜集胜利油田3000余口历史井的岩屑图像及其岩性定名约80000余幅图像构建岩屑数据库内的历史的岩屑数据；

(2)应用卷积神经网络建立钻井岩屑自动识别的深度学习模型的初始模型；

(3)提取64000幅岩屑图像及其岩性定名作为训练样本，约占岩屑数据库的80％；

(4)提取训练样本中每幅岩屑图像中的颜色、纹理、形状及空间关系特征数据，并将每组岩屑特征数据加载入钻井岩屑自动识别的深度学习模型的初始模型中进行模型训练，得到相应的钻井岩屑自动识别的深度学习模型；

(5)通过不断优化调整深度学习模型，逐渐提高岩屑自动识别准确率，当(第一)准确率超过99.5％(模型训练准确率阈值)之后，完成岩屑自动识别模型训练；

(6)提取岩屑数据库中剩余的20％岩屑图像及其岩性定名作为测试样本(即模型验证样本)；

(7)提取模型验证样本中每幅岩屑图像中的颜色、纹理、形状及空间关系特征数据，将每组岩屑特征数据加载入钻井岩屑自动识别的深度学习模型，对钻井岩屑自动识别深度学习模型进行岩屑识别验证测试；

(8)测试钻井岩屑自动识别深度学习模型识别准确率，如果(第二)准确率低于99％(模型验证准确率阈值)，则修改并优化模型，对利用训练样本对模型进行重新训练；如果(第二)准确率超过99％(模型验证准确率阈值)，则认为深度学习模型通过测试，可进行现场应用；

(9)将通过测试的钻井岩屑自动识别深度学习模型在胜利油田X井进行部署；

(10)现场工程师捞取岩屑后进行清洗，拍摄岩屑图像加载进钻井岩屑自动识别深度学习模型，模型自动分析判别其岩性并完成定名；

(11)现场工程师对识别结果进行审定并保存上报。

最终X井对每米井深的岩屑录井共获得4300个岩屑图像，部署应用的钻井岩屑自动识别深度学习模型准确识别岩性并定名4283个岩屑图像，识别准确率约为99.6％，满足现场识别准确性需求，减轻了现场工程师岩屑录井工作量并提升了识别效率，达到预期模型训练目标。

岩屑识别模型训练完成后，在现场应用钻井岩屑实时在线自动识别系统进行井下岩屑的自动识别，具体实施流程如下：

(1)在X井钻井现场振动筛处安装自动捞手装置、自动清洗平台、高清摄像头，部署计算机并完成线路连接；

(2)在控制装置安装控制分析软件，启用软件，同时，控制装置通过无线网络与后方岩屑数据库进行通信连接；

(3)钻井过程中，工程师在控制分析软件中设置捞取动作井深间隔(每1米井深或每0.5米井深捞取识别一次)；

(4)钻进过程中，控制分析软件提取传输过来的录井数据，判定当前井深位置与前一次捞取动作对应的井深位置的差值、是否达到捞取动作井深间隔，达到之后，计算岩屑迟到时间，根据迟到时间控制自动捞手装置、自动清洗平台、高清摄像头配合完成岩屑捞取、清洗及图像拍摄，拍摄的图像经过前期预处理之后，提取岩屑特征数据，最终由岩屑自动识别模型自动识别岩屑岩性并定名；

(5)岩屑图像及识别结果在计算机显示，由现场工程师审定；

(6)岩屑图像及识别结果通过无线网络实时发送回后方岩屑数据库存储；

(7)在X井岩屑实时自动识别过程中，岩屑数据库中新增的其他井的岩屑数据，并更新岩屑自动识别模型，帮助训练改进其中的岩屑自动识别模型，从而将更新后的岩屑自动识别模型传输至控制装置，进一步提高识别速率和准确性。

最终，X井部署应用的钻井岩屑自动识别系统，在每0.5米井深进行一次岩屑识别共获得8200个岩屑图像及其岩性定名，现场工程师审定后仅对23个识别结果进行了修正，识别准确率约为99.72％，同时每次岩屑捞取识别所需时间仅为30s左右，不但满足现场识别准确性需求，而且减轻了现场工程师岩屑录井工作量并提升了识别效率，达到预期目标。

另一方面，本发明基于上述钻井岩屑自动识别方法，提出了一种用于自动识别钻井岩屑的系统，该系统能够执行钻井岩屑自动识别方法，实现目标井实时钻井过程中的井下岩屑在线自动识别功能。图6是本申请实施例的用于自动识别钻井岩屑的系统的模块框图。下面结合图5和图6对本发明所述的钻井岩屑自动识别系统进行说明。如图5和图6所示，钻井岩屑自动识别系统包括：自动捞手装置1、自动清洗平台2、摄像头3和控制装置4。

自动捞手装置1安装在井口振动筛处，用于在接收到捞取动作指令后，自动捞取目标井口处振动筛内的岩屑，并将捞取到的岩屑送入自动清洗平台2的平台中部。自动清洗平台2安装于自动捞手装置1的后方，用于在接收到清洗动作指令后，自动对放置在平台中部上的岩屑进行清洗。摄像头3采用高清摄像头设备，镜头部分朝向自动清洗平台2的平台中部，用于在接收到拍摄指令后，采集放置在平台中部的岩屑的图像，并将采集到的图像发送至控制装置4。控制装置4与自动捞手装置1、自动清洗平台2、摄像头3和设置在井口处的录井数据采集服务器(录井房内)连接。

其中，控制装置4包括：岩屑识别准备模块41、岩屑图像记录模块42、岩屑识别模块43和数据传输模块44。岩屑识别准备模块41用于在接收到装置部署指令后，实时获取目标井的录井数据，根据录井数据，计算当前钻井过程中的破岩处岩屑由井底返排到井口所需的时间，并确定采集当前岩屑图像前所需对应的捞取时刻、清洗时刻和拍摄时刻。岩屑图像记录模块42用于在捞取时刻、清洗时刻和拍摄时刻分别生成相应动作指令，依次控制自动捞手装置1、自动清洗平台2和摄像头3，对记录录井数据中的井深数据时对应的井底岩屑进行捞取、清洗和拍照。岩屑识别模块43用于从当前岩屑图像中提取岩屑特征数据，利用预先构建的岩屑自动识别模型，得到包括岩性及相应定名的识别结果。数据传输模块44用于将当前岩屑的岩屑图像和岩屑识别结果进行打包，生成相应的岩屑数据，并在标记井深位置和目标井编码后，将进行标记后的岩屑数据发送至岩屑数据库5中以进行保存，从而完成了实时钻井过程中针对当前井深位置处岩屑的在线自动识别的操作。

另外，上述钻井岩屑自动识别系统还包括：岩屑数据库5。岩屑数据库5与控制装置4连接，并通过无线网络与控制装置4通信。岩屑数据库5包括：存储模块51和模型构建模块52。存储模块51用于存储历史的岩屑数据，其中，岩屑数据包括岩屑图像及其对应的岩屑识别结果。模型构建模块52用于构建/定期更新岩屑自动识别模型，并将构建/更新完成的岩屑自动识别模型传输至控制装置。另外，模型构建模块52还用于在生成构建/更新完成的新的岩屑自动识别模型的同时，还生成相应的装置部署指令，并将该指令连同新的岩屑自动识别模型一并传输至控制装置4，以提示现场工作人员当前岩屑自动识别模型构建/更新完成。

进一步，模型构建模块52包括：训练数据确定单元521、模型训练单元522和模型验证单元523。训练数据确定单元522用于按照预设的训练数据比例，从当前岩屑数据库内预先存储的历史的岩屑数据中、筛选出相应数量的岩屑数据作为训练样本，其余岩屑数据作为模型验证样本。模型训练单元523用于提取训练样本内每组岩屑数据中的岩屑特征数据，根据每组岩屑数据对应的岩屑特征数据和岩屑识别结果，对预先构建的含有颜色卷积核、纹理卷积核、形状卷积核及空间关系卷积核的岩屑识别初始模型进行训练，得到相应的岩屑自动识别模型。模型验证单元524用于提取模型验证样本内每组岩屑数据中的岩屑特征数据，根据每组岩屑数据对应的岩屑特征数据和岩屑识别结果，依次对岩屑自动识别模型进行验证，当达到模型可使用条件时，将当前岩性自动识别模型投入到现场在线识别过程，并生成装置部署指令。

本发明公开了一种用于自动识别钻井岩屑的方法及系统，该方法及系统由自动捞手装置1、自动清洗平台2、高清摄像头3、控制装置4、和岩屑数据库5组成。本发明基于卷积神经网络建立钻井岩屑自动识别的深度学习模型，以岩屑数据库内80％的岩屑图像及其岩性与定名作为训练样本，提取岩屑图像中的颜色、纹理、形状、空间关系特征等及岩性定名作为训练数据，对深度学习模型进行训练；之后使用岩屑数据库内剩余的20％岩屑图像为输入，对钻井岩屑自动识别的深度学习模型进行验证；最后，在现场部署应用，将钻井现场捞取岩屑进行冲洗后拍照，将图像经前期预处理和特征提取处理后，录入深度学习模型自动分析确定岩性并完成定名，从而达到在钻井过程中及时、准确、快捷地自动识别岩屑的目的。另外，在系统应用过程中，岩屑数据库新增的数据同时帮助进一步训练岩屑图像识别模型，进一步提高识别效率及准确性。

本发明所述的方法及系统简便易行、成本低廉且准确可靠，免除了传统人工识别中的主观性、仪器测量分析中的复杂步骤与较长耗时、在线实时识别中复杂设备构成与高成本，可帮助钻井工程师快速简便地实现对钻井过程中岩屑岩性的准确识别与定名，从而了解本井地层剖面的岩性特征、钻遇层位、正钻层位，检查和验证本井设计地质剖面的符合程度，以便及时调整钻井施工参数。

本发明的钻井岩屑实时在线自动识别系统与方法，具有如下优点：

(1)相比较于现有方法，本发明通过应用自动捞手和自动清洗平台，实现了岩屑的自动捞取清洗，免除了人工捞取岩屑的重复工作；同时，通过高清摄像头自动对岩屑拍照应用图像识别模型进行分析，免除了繁琐的测试分析工作；工程师只需进行结果审定既可，实现了岩屑识别整个流程的自动化。

(2)相比较于现场工程师人工识别方法，本发明避免了受现场地质技术人员的主观性影响，应用岩屑图像特征数据进行科学地岩性识别和定名，结果更加客观准确。

(3)相比较于目前已有的仪器设备定量测量方法，本发明通过自动化和图像识别技术，避免了仪器设备定量测量中所需要的岩屑烘晒、仪器准备、测量、分析、数值记录等繁琐步骤，识别速率高，可满足高机械钻速情况下岩屑高频率分析需求。

(4)相比较于目前已有的在线实时识别方法，本发明避免了其需要精密的仪器装置、复杂程度及运维成本高、可靠性低等不足之处，本发明的实现方法简单有效且实施成本低廉，可靠性更高。

(5)该方法在钻井实际应用中简便易行且经济可靠，不影响现有的钻井现场，仅在振动筛附近添加自动捞手、自动清洗平台和高清摄像头3种外置设备既可，通过自动化、图像识别实现实时高效、精确地岩屑识别，同时大幅降低现场工程师工作强度。

虽然本发明所披露的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (9)

1.一种用于自动识别钻井岩屑的方法，其特征在于，包括：

岩屑识别准备步骤，在接收到装置部署指令后，实时获取目标井的录井数据，根据所述录井数据，计算当前钻井过程中的破岩处岩屑由井底返排到井口所需的时间，并确定采集当前岩屑图像前所需对应的捞取时刻、清洗时刻和拍摄时刻，其中包括：

根据所述录井数据，确定所述录井数据对应的录井时间、和破岩处井深；

实时检测所述破岩处井深，在当前所述破岩处井深与前一次捞取动作所获得的岩屑对应的破岩处深度的差值达到预设的捞取动作井深间隔时，计算当前的岩屑迟到时间；

根据所述录井时间、所述岩屑迟到时间、预设的捞取清洗动作间隔和预设的清洗拍摄动作间隔，确定识别当前岩屑前准备阶段所对应的所述捞取时刻、所述清洗时刻和所述拍摄时刻，所述捞取清洗动作间隔表示捞取动作启动时刻与清洗动作启动时刻之间的时间间隔，所述清洗拍摄动作间隔表示清洗动作启动时刻与拍摄动作采集时刻之间的时间间隔；

岩屑图像记录步骤，在所述捞取时刻、所述清洗时刻和所述拍摄时刻分别生成相应动作指令，依次控制自动捞手装置、自动清洗平台和摄像头，对记录所述录井数据中的井深数据时对应的井底岩屑进行捞取、清洗和拍照；

岩屑识别步骤，从当前岩屑图像中提取包括颜色、纹理、形状及空间关系在内的岩屑特征数据，利用预先构建的岩屑自动识别模型，得到包括岩性及相应定名的识别结果，以完成针对目标井实时钻井过程中的井下岩屑的在线自动识别。

2.根据权利要求1所述的方法，其特征在于，所述岩屑自动识别模型在训练阶段，按照如下步骤构建：

第一步、按照预设的训练数据比例，从当前岩屑数据库内历史的岩屑数据中筛选出相应数量的岩屑数据作为训练样本，其余岩屑数据作为模型验证样本，其中，所述岩屑数据包括岩屑图像及其对应的岩屑识别结果；

第二步、提取所述训练样本内每组岩屑数据中的岩屑特征数据，根据每组岩屑数据对应的所述岩屑特征数据和所述岩屑识别结果，对预先构建的含有颜色卷积核、纹理卷积核、形状卷积核及空间关系卷积核的岩屑识别初始模型进行训练，得到相应的所述岩屑自动识别模型；

第三步、提取所述模型验证样本内每组岩屑数据中的岩屑特征数据，根据每组岩屑数据对应的所述岩屑特征数据和所述岩屑识别结果，依次对所述岩屑自动识别模型进行验证，当达到模型可使用条件时，将当前岩性自动识别模型投入到现场在线识别过程，并生成所述装置部署指令。

3.根据权利要求2所述的方法，其特征在于，在所述第二步中，包括：

根据所述训练样本中所有岩屑数据，利用所述岩屑识别初始模型的训练结果，统计当前训练结果的第一准确率；

若所述第一准确率达到预设的模型训练准确率阈值，则将当前训练结果确定为所述岩屑自动识别模型，否则，继续调整并训练所述岩屑识别初始模型。

4.根据权利要求2或3所述的方法，其特征在于，在所述第三步中，包括：

根据所述模型验证样本中所有岩屑数据，利用所述岩屑自动识别模型，统计当前岩屑自动识别模型的第二准确率；

在所述第二准确率达到预设的模型验证准确率阈值时，表明当前所述岩屑自动识别模型达到模型可使用状态，否则，返回所述第二步，重新训练所述岩屑识别初始模型。

5.根据权利要求1~3中任一项所述的方法，其特征在于，所述岩屑识别步骤包括：

对所述岩屑图像进行包括删除图像背景和增强岩屑区域的预处理；

从经过预处理的所述岩屑图像中，提取岩屑颜色特征、岩屑纹理特征、岩屑形状特征和岩屑空间关系特征，以完成所述岩屑特征数据的提取过程。

6.根据权利要求2或3所述的方法，其特征在于，

所述岩屑数据库收集同地区内多口井的所述岩屑数据，并将其作为所述历史的岩屑数据进行存储。

7.一种用于自动识别钻井岩屑的系统，其特征在于，所述系统执行如权利要求1~6中任一项所述方法，以实现目标井实时钻井过程中的井下岩屑在线自动识别功能，所述系统包括：

自动捞手装置，其用于在接收到捞取动作指令后，自动捞取目标井口处振动筛内的岩屑，并将捞取到的岩屑送入自动清洗平台的平台中部；

所述自动清洗平台，其用于在接收到清洗动作指令后，自动对放置在平台中部上的岩屑进行清洗；

摄像头，其用于在接收到拍摄指令后，采集放置在所述平台中部的岩屑的图像；

控制装置，其与所述自动捞手装置、所述自动清洗平台、所述摄像头和设置在井口处的录井数据采集服务器连接，用于在接收到装置部署指令后，实时获取目标井的录井数据，根据所述录井数据，计算当前钻井过程中的破岩处岩屑由井底返排到井口所需的时间，并确定采集当前岩屑前所需对应的捞取时刻、清洗时刻和拍摄时刻，而后，在所述捞取时刻、所述清洗时刻和所述拍摄时刻分别生成相应动作指令，依次控制所述自动捞手装置、所述自动清洗平台和所述摄像头，对记录所述录井数据中的井深数据时对应的井底岩屑进行捞取、清洗和拍照，以及从当前岩屑图像中提取包括颜色、纹理、形状及空间关系在内的岩屑特征数据，利用预先构建的岩屑自动识别模型，得到包括岩性及相应定名的识别结果，其中包括：

根据所述录井数据，确定所述录井数据对应的录井时间、和破岩处井深；

实时检测所述破岩处井深，在当前所述破岩处井深与前一次捞取动作所获得的岩屑对应的破岩处深度的差值达到预设的捞取动作井深间隔时，计算当前的岩屑迟到时间；

根据所述录井时间、所述岩屑迟到时间、预设的捞取清洗动作间隔和预设的清洗拍摄动作间隔，确定识别当前岩屑前准备阶段所对应的所述捞取时刻、所述清洗时刻和所述拍摄时刻，所述捞取清洗动作间隔表示捞取动作启动时刻与清洗动作启动时刻之间的时间间隔，所述清洗拍摄动作间隔表示清洗动作启动时刻与拍摄动作采集时刻之间的时间间隔。

8.根据权利要求7所述的系统，其特征在于，所述系统还包括与所述控制装置连接的岩屑数据库，所述岩屑数据库通过无线网络与所述控制装置通信，其中，所述岩屑数据库具备：

存储模块，其用于存储历史的所述岩屑数据，其中，所述岩屑数据包括岩屑图像及其对应的岩屑识别结果；

模型构建模块，其用于构建/定期更新所述岩屑自动识别模型，并将构建/更新完成的所述岩屑自动识别模型传输至所述控制装置。

9.根据权利要求8所述的系统，其特征在于，所述模型构建模块包括：

训练数据确定单元，其用于按照预设的训练数据比例，从当前岩屑数据库内历史的岩屑数据中筛选出相应数量的岩屑数据作为训练样本，其余岩屑数据作为模型验证样本；

模型训练单元，其用于提取所述训练样本内每组岩屑数据中的岩屑特征数据，根据每组岩屑数据对应的所述岩屑特征数据和所述岩屑识别结果，对预先构建的含有颜色卷积核、纹理卷积核、形状卷积核及空间关系卷积核的岩屑识别初始模型进行训练，得到相应的所述岩屑自动识别模型；

模型验证单元，其用于提取所述模型验证样本内每组岩屑数据中的岩屑特征数据，根据每组岩屑数据对应的所述岩屑特征数据和所述岩屑识别结果，依次对所述岩屑自动识别模型进行验证，当达到模型可使用条件时，将当前岩性自动识别模型投入到现场在线识别过程，并生成所述装置部署指令。