CN114004261A - 岩石类型识别方法、装置和存储介质 - Google Patents
岩石类型识别方法、装置和存储介质 Download PDFInfo
- Publication number
- CN114004261A CN114004261A CN202111401093.5A CN202111401093A CN114004261A CN 114004261 A CN114004261 A CN 114004261A CN 202111401093 A CN202111401093 A CN 202111401093A CN 114004261 A CN114004261 A CN 114004261A
- Authority
- CN
- China
- Prior art keywords
- curve
- rock sample
- rock
- atomic number
- density
- 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
- 239000011435 rock Substances 0.000 title claims abstract description 349
- 238000000034 method Methods 0.000 title claims abstract description 79
- 238000003860 storage Methods 0.000 title claims abstract description 17
- 238000004590 computer program Methods 0.000 claims description 11
- 238000002591 computed tomography Methods 0.000 description 31
- 238000004458 analytical method Methods 0.000 description 23
- 238000010586 diagram Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 235000019738 Limestone Nutrition 0.000 description 8
- 239000006028 limestone Substances 0.000 description 8
- 239000007789 gas Substances 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000005553 drilling Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000012935 Averaging Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013179 statistical model Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- -1 Polyethylene Polymers 0.000 description 2
- 239000004698 Polyethylene Substances 0.000 description 2
- 239000004743 Polypropylene Substances 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 229920000573 polyethylene Polymers 0.000 description 2
- 229920001155 polypropylene Polymers 0.000 description 2
- 239000004800 polyvinyl chloride Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 229920000049 Carbon (fiber) Polymers 0.000 description 1
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 description 1
- 238000002441 X-ray diffraction Methods 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000004917 carbon fiber Substances 0.000 description 1
- 239000011111 cardboard Substances 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000010459 dolomite Substances 0.000 description 1
- 229910000514 dolomite Inorganic materials 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000005251 gamma ray Effects 0.000 description 1
- 239000003365 glass fiber Substances 0.000 description 1
- 125000004435 hydrogen atom Chemical group [H]* 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 239000004005 microsphere Substances 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 239000003209 petroleum derivative Substances 0.000 description 1
- 229920000915 polyvinyl chloride Polymers 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 230000002285 radioactive effect Effects 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
- G06F2218/10—Feature extraction by analysing the shape of a waveform, e.g. extracting parameters relating to peaks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/08—Volume rendering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- General Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本公开提供的一种岩石类型识别方法、装置和存储介质,属于油气勘探技术领域,方法包括:获取采用不同能量值的X射线扫描岩石样品得到的第一图像和第二图像;根据第一图像和第二图像,获取岩石样品的特征曲线;其中,特征曲线包括:密度曲线和/或有效原子序数曲线;根据特征曲线,确定岩石样品的目标类型。本公开实施例能够实现快速、准确地对岩石样品进行类型识别。
Description
技术领域
本公开涉及油气勘探技术领域,尤其涉及一种岩石类型识别方法、装置和存储介质。
背景技术
在石油、天然气的钻采过程中,岩石类型识别对于地质状况的判定具有极其重要的作用。实际野外钻井过程,可以根据岩石类型了解岩石性质、地层变化和油、气层情况。
对岩石样品进行类型识别,目前主要采用测井分析法、岩心分析法和岩屑分析法。其中,测井分析主要是通过在地下仪器接收地层的声学、电学、放射性信号,间接判定岩石类型。岩心分析法是通过对地下钻取的岩石样品进行分析,确定岩石类型,该方法的优势在于成本低,结果直观,但缺点在于样品代表性有限,同时岩石类型识别主要通过地质人员肉眼观察,不同人的观察结果可能相差较大。岩屑分析法则是对油气井钻探过程中产生的岩屑样品进行分析,主要是通过地质人员肉眼观察或者手持式仪器(如手持式荧光光谱仪)定性对岩石类型进行判断,该方法的优势在于成本低,速度较快,但缺点在于准确性与地质人员经验相关性较大,且岩屑样品代表性通常较差。
发明内容
本公开实施例提供一种岩石类型识别方法、装置和存储介质。
本公开的技术方案是这样实现的:
第一方面,提供了一种岩石类型识别方法,所述方法包括:
获取采用不同能量值的X射线扫描岩石样品得到的第一图像和第二图像;
根据所述第一图像和所述第二图像,获取所述岩石样品的特征曲线;其中,所述特征曲线包括:密度曲线和/或有效原子序数曲线;
根据所述特征曲线,确定所述岩石样品的目标类型。
上述方案中,所述根据所述第一图像和所述第二图像,获取所述岩石样品的特征曲线,包括:
分析所述第一图像获得所述岩石样品的第一三维数据体;
分析所述第二图像获得所述岩石样品第二三维数据体;
根据所述第一三维数据体与所述第二三维数据体,获取所述岩石样品的密度数据体和有效原子序数数据体;
根据所述岩石样品的密度数据体和有效原子序数数据体,获取所述岩石样品的特征曲线。
上述方案中,所述根据所述岩石样品的密度数据体和有效原子序数数据体,获取所述岩石样品的特征曲线,包括:
根据所述密度数据体,生成所述岩石样品的密度曲线;和/或
根据所述有效原子序数数据体,生成所述岩石样品的有效原子序数曲线。
上述方案中,所述根据所述特征曲线,确定所述岩石样品的目标类型步骤之前,所述方法还包括:
对所述密度曲线和/或所述有效原子序数曲线进行校正。
上述方案中,所述根据所述特征曲线,确定所述岩石样品的目标类型,包括:
若所述特征曲线包括所述密度曲线,则确定所述密度曲线的取值范围所处的第一范围区间;
将与所述第一范围区间对应的岩石类型确定为所述岩石样品的目标类型;
或者,
若所述特征曲线包括所述有效原子序数曲线,则确定所述有效原子序数曲线的取值范围所处的第二范围区间;
将与所述第二范围区间对应的岩石类型确定为所述岩石样品的目标类型;
或者,
若所述特征曲线包括所述密度曲线和所述有效原子序数曲线,则将与所述第一范围区间及所述第二范围区间均对应的岩石类型,确定为所述岩石样品的目标类型。
上述方案中,若所述特征曲线包括:所述密度曲线和所述有效原子序数曲线,所述方法还包括:
在同一个直角坐标系内,对所述密度曲线所在的坐标区域与所述有效原子序数曲线所在的坐标区域进行对齐;
根据对齐后的所述密度曲线与所述有效原子序数曲线之间的距离范围,在所述目标类型包含的多个子类型中,确定所述岩石样品的子类型;其中,不同所述子类型对应的距离范围不同。
上述方案中,所述方法还包括:
获取所述岩石样品的测井曲线;
所述根据所述特征曲线,确定所述岩石样品的目标类型,包括:
根据所述岩石样品的测井曲线及所述特征曲线,确定所述岩石样品的目标类型。
第二方面,提供了一种岩石类型识别装置,所述装置包括:
第一获取模块,用于获取采用不同能量值的X射线扫描岩石样品得到的第一图像和第二图像;
第二获取模块,用于根据所述第一图像和所述第二图像,获取所述岩石样品的特征曲线;其中,所述特征曲线包括:密度曲线和/或有效原子序数曲线;
确定模块,用于根据所述特征曲线,确定所述岩石样品的目标类型。
上述方案中,所述第二获取模块包括:
分析子模块,用于分析所述第一图像获得所述岩石样品的第一三维数据体,分析所述第二图像获得所述岩石样品第二三维数据体;
第一获取子模块,用于根据所述第一三维数据体与所述第二三维数据体,获取所述岩石样品的密度数据体和有效原子序数数据体;
第二获取子模块,用于根据所述岩石样品的密度数据体和有效原子序数数据体,获取所述岩石样品的特征曲线。
上述方案中,所述第二获取子模块具体用于:
根据所述密度数据体,生成所述岩石样品的密度曲线;和/或
根据所述有效原子序数数据体,生成所述岩石样品的有效原子序数曲线。
上述方案中,所述装置还包括:
校正模块,用于对所述密度曲线和/或所述有效原子序数曲线进行校正。
上述方案中,所述确定模块具体用于:
若所述特征曲线包括所述密度曲线,则确定所述密度曲线的取值范围所处的第一范围区间;
将与所述第一范围区间对应的岩石类型确定为所述岩石样品的目标类型;
或者,
若所述特征曲线包括所述有效原子序数曲线,则确定所述有效原子序数曲线的取值范围所处的第二范围区间;
将与所述第二范围区间对应的岩石类型确定为所述岩石样品的目标类型;
或者,
若所述特征曲线包括所述密度曲线和所述有效原子序数曲线,则将与所述第一范围区间及所述第二范围区间均对应的岩石类型,确定为所述岩石样品的目标类型。
上述方案中,若所述特征曲线包括:所述密度曲线和所述有效原子序数曲线,所述确定模块具体还用于:
在同一个直角坐标系内,对所述密度曲线所在的坐标区域与所述有效原子序数曲线所在的坐标区域进行对齐;
根据对齐后的所述密度曲线与所述有效原子序数曲线之间的距离范围,在所述目标类型包含的多个子类型中,确定所述岩石样品的子类型;其中,不同所述子类型对应的距离范围不同。
上述方案中,所述装置还包括第三获取模块;
所述第三获取模块,用于获取所述岩石样品的测井曲线;
所述确定模块,还用于根据所述岩石样品的测井曲线及所述特征曲线,确定所述岩石样品的目标类型。
第三方面,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现第一方面任一项所述岩石类型识别方法的步骤。
第四方面,提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现第一方面任一项所述岩石类型识别方法的步骤。
本公开提供的一种岩石类型识别方法、装置和存储介质,方法包括:获取采用不同能量值的X射线扫描岩石样品得到的第一图像和第二图像;根据第一图像和第二图像,获取岩石样品的特征曲线;其中,特征曲线包括:密度曲线和/或有效原子序数曲线;根据特征曲线,确定岩石样品的目标类型。由于通过不同能量值的X射线下扫描岩石样品得到的第一图像和第二图像,能够获取到岩石样品的特征曲线,特征曲线包括密度曲线和/或有效原子序数曲线,密度曲线与有效原子序数曲线均可以作为定量参数用于确定岩石样品的目标类型,由此能够极大地提高岩石类型识别的可靠性,并且,与传统的岩石类型识别方法相比较,在提高准确性的同时,能够大幅降低时间成本,从而实现了快速、准确地对岩石样品进行类型识别。
附图说明
图1为本公开实施例提供的一种岩石类型识别方法的流程示意图;
图2为本公开实施例提供的获取岩石样品的特征曲线的流程示意图;
图3为本公开实施例提供的另一种岩石类型识别方法的流程示意图;
图4为本公开实施例提供的又一种岩石类型识别方法的流程示意图;
图5a为本公开实施例提供的CT扫描装置的结构示意图;
图5b为本公开实施例提供的低能量全直径岩心CT扫描图像的示意图;
图5c为本公开实施例提供的高能量全直径岩心CT扫描图像的示意图;
图5d为本公开实施例提供的全直径岩心密度数据体的剖面示意图;
图5e为本公开实施例提供的全直径岩心有效原子序数数据体的剖面示意图;
图5f为本公开实施例提供的全直径岩心密度和有效原子序数曲线示意图;
图5g为本公开实施例提供的全直径岩心岩石类型识别的流程示意图;
图6为本公开实施例提供的一种岩石类型识别装置的结构示意图;
图7为本公开实施例提供的一种计算机设备的结构示意图。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚明白,下面将结合本公开实施例中的附图,对本公开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公开一部分实施例,而不是全部的实施例。基于本公开中的实施例,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,都属于本公开保护的范围。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互任意组合。在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行。并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
可以理解的是,本公开对各个实施例的描述着重强调各个实施例之间的不同之处,其相同或相似之处可以相互参考,为了简洁,不再一一赘述。
对岩石样品进行类型识别主要采用测井分析法、岩心分析法和岩屑分析法。
测井分析法:主要是利用地面伽马测试系统,对全直径岩心样品连续测量自然伽马射线强度,从而进行岩心样品的泥质含量分析和岩石类型判定。该方法的优势为成本低、扫描速度快,但缺点在于仅能进行砂岩和泥岩样品识别,且不能进行不同泥岩进行更加精细的划分。
岩心分析法:主要是对全直径岩心和小型柱塞样岩心进行分析。全直径岩心分析主要是基于地质人员对岩心样品的肉眼观察,通过对岩心颜色、颗粒大小、沉积构造等方面的直接观察,进行岩石类型的大致划分。该方法的优势在于成本低,结果直观,但缺点在于不能定量识别,仅能提供大致的岩石分类,同时不同地质人员的分析结果可能差异较大。对小型柱塞样的分析方法较为成熟,包括光学薄片分析、扫描电镜分析以及取样品粉末进行X射线衍射分析等,这类分析方法的有点为技术成熟,结果可靠,但缺点在于样品代表性有限,同时分析成本高,耗时长。
岩屑分析法:对油气井钻进过程中产生的岩石碎屑进行分析,通过地质人员对岩屑样品开展肉眼观察或者手持式仪器(如手持式荧光光谱仪)等方法,定性对岩石类型进行判断。该方法的优势在于成本低,速度较快,但缺点在于准确性与地质人员经验相关性较大,且精度较低。
图1为本公开实施例提供的一种岩石类型识别方法的流程示意图,如图1所示,该方法可以包括:
S11,获取采用不同能量值的X射线扫描岩石样品得到的第一图像和第二图像。
岩石样品可以是从储层或地层中取出的岩心,例如,将使用特殊的取心工具从地下钻取的全直径岩心作为岩石样品。采用不同能量射线扫描的岩石样品被容纳于岩心槽内,例如该岩心槽可以采用铝、聚氯乙烯(PVC)、纸板、聚乙烯(PE)、聚丙烯(PP)、碳纤维、玻璃纤维或其他非金属材料形成。
在一些示例中,为了更快速地识别岩石类型,采用不同能量射线扫描的岩石样品为多个岩石样本,且该多个岩石样本可以具有预设排列顺序,该预设排列顺序可以是与多个岩石样本的地下位置的原始位置相关联的顺序,也可以是多个岩石样本按照岩石颜色由浅至深的排列顺序。多个岩石样本之间的间距范围可以根据实际应用需要进行设定,例如,间距范围设定为0.1cm~5cm。
在一些示例中,不同能量值的X射线包括采用第一管电压发射的X射线和采用第二管电压发射的X射线。不同管电压对应于不同能量的X射线,管电压越大,X射线能量越大,这里的管电压是指X射线管发射X射线所采用的电压。不同能量值的X射线扫描同一物质得到的图像的灰度不同。
在一些示例中,第一图像是采用第一管电压的X射线扫描岩石样品得到的CT(Computed Tomography,计算机断层扫描)图像,第一图像是采用第二管电压的X射线扫描岩石样品得到的CT图像。于本实施例中,第一管电压大于预设值,第二管电压小于预设值,预设值可根据实际应用需要进行设定,例如,该预设值可以为140kV、100kV或其他。
具体地,采用第一管电压下的X射线扫描岩石样品获得第一扫描数据,采用第一管电压下的X射线扫描岩石样品获得第二扫描数据,分别对第一扫描数据和第二扫描数据进行图像重建,通过图像重建将第一扫描数据和第二扫描数据中的CT值分别转换为图像灰度,获得岩石样品的第一图像和第二描图像,其中,CT值表示X射线穿过岩石样品被吸收后的衰减值。
本实施例中,通过利用不同能量值的X射线扫描岩石样品能够在无损岩心的前提下获取岩心内部的更多信息,有利于提高最终的岩石类型识别的准确度。
S12,根据第一图像和第二图像,获取岩石样品的特征曲线;其中,特征曲线包括:密度曲线和/或有效原子序数曲线。
密度曲线可以反映岩石样品的不同位置上的密度变化规律,也就是说,密度曲线可以表示岩石样品的位置与岩石样品的密度之间的对应关系。岩石的密度数值随岩石类型的不同而变化较大。比如,灰岩密度值为2.6~2.9g/cm3,泥岩密度为2.0~2.5g/cm3。
有效原子序数曲线可以反映岩石样品的不同位置上的有效原子序数变化规律,也就是说,有效原子序数曲线可以表示岩石样品的位置与岩石样品的有效原子序数之间的对应关系。有效原子序数的数值随岩石类型的不同而变化较大。比如,灰岩的有效原子序数为14~16,泥岩的有效原子序数为11~18。
本实施例中,密度曲线包含岩石样品中的多个预设位置对应的密度值。有效原子序数曲线包含岩石样品中的多个预设位置对应的有效原子序数。
其中,预设位置可以根据实际应用进行设定,示例性地,预设位置可以依据扫描岩石样品时的扫描层厚(即,扫描层的厚度)进行设定,例如,预设位置可以设定为岩石样品上的厚度与扫描层厚呈倍数关系的空间位置。
可以理解的是,若岩石样本为多个岩石样品,为了识别每个岩石样品的类型,需要每个岩石样品分别具有至少一个预设位置,岩石样品的密度曲线则包括每个岩石样品的至少一个预设位置分别对应的密度值,岩石样品的有效原子序数曲线则包括每个岩石样品的至少一个预设位置分别对应的有效原子序数。
具体地,根据第一扫描图像和第二扫描图像中的不同能量值的X射线的衰减值,利用光电效应模型和康普顿效应模型,计算岩石样品的密度信息和有效原子序数信息,根据计算岩石样品的密度信息和有效原子序数信息,获取密度曲线和有效原子序数曲线。
S13,根据特征曲线,确定岩石样品的目标类型。
其中,岩石类型可包括但不限于:有机泥岩石、页岩、碳酸盐、砂岩、石灰石、白云岩以及其它多空岩石等。
具体地,根据密度曲线上的密度值和/或有效原子序数曲线上的有效原子序数,确定岩石样品的目标类型。
可以理解的是,当密度曲线是由多个岩石样品对应的密度曲线组成时,或者,当有效原子序数曲线是由多个岩石样品对应的有效原子序数曲线组成时,可以根据各个岩石样品对应的密度曲线和/或有效原子序数曲线,分别确定各个岩石样品的目标类型。
本公开实施例提供的岩石类型识别方法中,由于通过不同能量值的X射线下扫描岩石样品得到的第一图像和第二图像,能够获取到岩石样品的特征曲线,特征曲线包括密度曲线和/或有效原子序数曲线,密度曲线与有效原子序数曲线均可以作为定量参数用于确定岩石样品的目标类型,由此能够极大地提高岩石类型识别的可靠性,并且与传统的岩石类型识别方法相比较,在提高准确性的同时,能够大幅降低时间成本,从而实现了快速、准确地对岩石样品进行类型识别。
在一个实施例中,如图2所示,上述步骤S12中,根据第一图像和第二图像,获取岩石样品的特征曲线,可以包括:
S121,分析第一图像获得岩石样品的第一三维数据体。
不同能量值的X射线扫描的岩石样本的图像可以采用DICOM(Digital Imagingand Communications in Medicine,医学数字成像和通信)格式进行存储。
为了便于对不同能量值的X射线扫描的岩石样本的图像进行分析处理,可以利用转换工具将DICOM格式的图像分别转换为.RAW格式数据。
具体地,将第一图像由DICOM格式转换为.RAW格式的第一三维数据体。
S122,分析第二图像获得岩石样品第二三维数据体。
具体地,将第二图像由DICOM格式转换为.Raw格式的第二三维数据体。
S123,根据第一三维数据体与第二三维数据体,获取岩石样品的密度数据体和有效原子序数数据体。
这里,密度数据体和有效原子序数数据体均是三维空间上的数据体。密度数据体为岩石样品在三维空间内的各个位置的密度值的集合。有效原子序数数据体为岩石样品在三维空间内的各个位置的有效原子序数的集合。
具体地,
可以利用标样(即,岩石标准样品)的第一三维数据体和第二三维数据体中含有CT数的信息,且通过标样扫描时刻获取统计模型系数(A,B,C,D,E)。
在完成标样的扫描后,开始岩石样品的数据体扫描,通过岩石样品的第一三维数据体和第二三维数据体,直接可计算出密度数据体和有效原子系数数据体。
更为具体的计算方法如下:
获取统计模型系数,通过高低能量X射线扫描,把光电效应和康普顿散射效应解耦,利用如下的岩心电子密度、有效原子序数和CT数之间的关系式,获得岩石样品的密度数据体和有效原子序数数据体:
ρe=A×CThigh+B×CTlow+C
Zen×ρe=D×(CTlow-CThigh)+E
式中:①ρ:样品电子密度,单位g/cm3,在处理氢原子数量较少的矿物时,认为与样品密度近似相等;②CThigh:高能量CT扫描图像的CT数,单位为Hounsfield(缩写Hu);③CTlow:低能量CT扫描图像的CT数,单位为Hounsfield;④Ze:有效原子序数,无量纲;⑤n:有效原子序数指数,无量纲,优选取值为3.6;⑥A~E:统计模型系数,A、B和D单位为cm3/g,C和E为无量纲;
其中,CT值的计算公式如下:
式中:①CTnumber:特定能量下的CT数,②μ:CT扫描穿过物体的衰减系数;③μwater:水的衰减系数;④μair:空气的衰减系数;
由于CT值与样品的密度、X射线能量以及算法有关,在获取样品的CT值之前,因此通常需要扫描水或空气进行CT值校正。
可以理解的是,获取岩石样品的密度数据体和有效原子序数数据体除上述方式实现之外,还可以采用其他方式实现,例如,可以利用专业的数字岩心分析软件(比如,PerGeos软件)对第一三维数据体与第二三维数据体进行计算,得岩石样品的密度数据体和有效原子序数数据体,本公开实施例对具体的获取过程不作限定。
S124,根据岩石样品的密度数据体和有效原子序数数据体,获取岩石样品的特征曲线。
其中,岩石样品的特征曲线可以包含密度曲线,该密度曲线是根据岩石样品的密度数据体生成的;岩石样品的特征曲线也可以包含有效原子序数曲线,该有效原子序数曲线是根据岩石样品的有效原子序数数据体生成的;岩石样品的特征曲线也可以同时包含密度曲线和有效原子序数曲线。
在一个示例中,步骤S124的实现过程可以包括:
根据密度数据体,生成岩石样品的密度曲线;和/或
根据有效原子序数数据体,生成岩石样品的有效原子序数曲线。
上述,根据密度数据体,生成岩石样品的密度曲线可以采用如下方式实现:
根据密度数据体,确定岩石样品中的每个预设位置对应的密度值,根据每个预设位置对应的密度值,生成岩石样品的密度曲线。
具体地,针对多个预设位置中的每一个预设位置,对密度数据体中的该预设位置对应的厚度范围内的密度值进行求平均(或者求中位数),将平均(或者求中位数)后的密度值作为该预设位置对应的密度值,然后根据每个预设位置对应的密度值,生成岩石样品的密度曲线。这里,每个预设位置对应的厚度范围可以等于扫描层厚的N倍,其中,N为大于等于1的正整数。
上述,根据有效原子序数数据体,生成岩石样品的有效原子序数曲线可以采用如下方式实现:
根据有效原子序数数据体,确定岩石样品中的每个预设位置对应的有效原子序数,根据每个预设位置对应的有效原子序数,生成岩石样品的有效原子序数曲线。
根据有效原子序数数据体,确定岩石样品中的多个预设位置对应的有效原子序数,可以包括:
具体地,针对多个预设位置中的每一个预设位置,对密度数据体中的该预设位置对应的厚度范围内的有效原子序数进行求平均(或者求中位数),将平均(或者求中位数)后的有效原子序数作为该预设位置对应的有效原子序数,然后根据每个预设位置对应的有效原子序数,生成岩石样品的有效原子序数曲线。
本实施例中,通过根据第一图像和第二图像获取岩石样品的密度曲线和/或有效原子序数曲线,从而可以利用岩石样品的密度曲线和/或有效原子序数曲线,确定岩石样品的类型。
在一个实施例中,上述步骤S13中根据特征曲线,确定岩石样品的目标类型步骤之前,方法还可以包括:
对密度曲线和/或有效原子序数曲线进行校正。
在一个示例中,可以采用岩石标准样品的密度曲线对待识别的岩石样品的密度曲线进行校正,例如,根据岩石标准样品的密度曲线对待识别的岩石样品的密度曲线进行平移处理;还可以采用岩石标准样品的有效原子序数曲线对待识别的岩石样品的有效原子序数曲线进行校正,例如,根据岩石标准样品的有效原子序数曲线对待识别的岩石样品的有效原子序数曲线进行平移处理。然后根据校正后的密度曲线和/或有效原子序数曲线进行岩石样品的类型识别。这里的岩石标准样品是指事先准备用于对岩石样品的密度曲线和有效原子序数曲线进行曲线校正的岩石。
本公开实施例中,通过对密度曲线和/或有效原子序数曲线进行校正,在一定程度上能够减少扫描系统产生的系统误差,使得校准后获得的密度曲线和/或有效原子序数曲线更加准确,进而使得岩石类型识别结果更加准确。
在一个实施例中,上述步骤S13中,根据特征曲线,确定岩石样品的目标类型,可以采用如下方式之一实现:
方式一:若特征曲线包括密度曲线,则确定密度曲线的取值范围所处的第一范围区间,并将与第一范围区间对应的岩石类型确定为岩石样品的目标类型。
这里,第一范围区间是指密度范围区间,不同的密度范围区间对应不同的岩石类型,例如,灰岩密度范围为2.6~2.9g/cm3,泥岩密度范围为2.0~2.5g/cm3。
本实施例中,密度曲线包括多个岩石样品的密度曲线时,为了识别每一个岩石样品的目标类型,需要对密度曲线中每个岩石样品的密度曲线的取值范围分别与不同的密度范围区间进行比较,以确定每一个岩石样品的密度取值范围所在的第一范围区间。其中,每个岩石样品的密度曲线的取值范围即是每个岩石样品的至少一个预设位置对应的密度值的取值范围。
示例性地,假设密度曲线包括岩石样品1至岩石样品5的密度曲线,若岩石样品1的密度曲线的取值范围为2.7~2.9g/cm3,则根据灰岩对应的第一范围区间2.6~2.9g/cm3,可以确定岩石样品1的类型为灰岩。
方式二:若特征曲线包括有效原子序数曲线,则确定有效原子序数曲线的取值范围所处的第二范围区间,并将与第二范围区间对应的岩石类型确定为岩石样品的目标类型。
这里,第二范围区间是指有效原子序数范围区间,不同的有效原子序数范围区间对应不同的岩石类型,例如,灰岩的有效原子序数为14~16,泥岩的有效原子序数为11~18。
本实施例中,有效原子序数包括多个岩石样品的有效原子序数曲线时,为了识别每一个岩石样品的目标类型,需要对有效原子序数曲线中每个岩石样品的有效原子序数曲线的取值范围分别与不同的有效原子序数范围区间进行比较,以确定每一个岩石样品的有效原子序数取值范围所在的第二范围区间。其中,每个岩石样品的有效原子序数曲线的取值范围即是每个岩石样品的至少一个预设位置对应的有效原子序数值的取值范围。
方式三:若特征曲线包括密度曲线和有效原子序数曲线,则将与第一范围区间及第二范围区间均对应的岩石类型,确定为岩石样品的目标类型。
本实施例中,通过结合密度曲线和有效原子序数曲线,确定岩石样品的目标类型,能够进一步提高岩石类型识别的准确性和可靠性。
在一个实施例中,如图3所示,基于图1,若特征曲线包括:密度曲线和有效原子序数曲线,方法还可以包括:
S14,在同一个直角坐标系内,对密度曲线所在的坐标区域与有效原子序数曲线所在的坐标区域进行对齐。
具体地,将密度曲线和有效原子序数曲线绘制到同一个直角坐标系中,对密度曲线所在的坐标区域与有效原子序数曲线所在的坐标区域进行对齐。
在一些示例中,可以将有效原子序数曲线上的各个有效原子序数映射到密度曲线所在的坐标区域,以对密度曲线所在的坐标区域与有效原子序数曲线所在的坐标区域进行对齐。
例如,可根据预设的映射关系,将有效原子序数曲线上的各个有效原子序数映射到密度曲线所在的坐标区域。其中,该预设的映射关系可理解为有效原子序数曲线上的最大有效原子序数与密度曲线的最大密度值之间的倍数关系。例如,有效原子序数曲线上的最大有效原子序数为18,密度曲线上的最大密度为2.5g/cm3,则可以按照映射关系为7.2倍的倍数,将有效原子序数曲线上的各个有效原子序数映射到密度曲线所在的坐标区域。
S15,根据对齐后的密度曲线与有效原子序数曲线之间的距离范围,在目标类型包含的多个子类型中,确定岩石样品的子类型;其中,不同子类型对应的距离范围不同。
岩石类型可以进一步划分为多个子类型,例如,泥岩可进一步划分成硅质泥岩、钙质泥岩和含钙质泥岩。
具体地,确定岩石样品的每个预设位置上的对齐后的密度曲线与有效原子序数曲线之间的曲线距离。对每个预设位置上的曲线距离分别与目标类型包含的多个子类型各自对应的距离范围进行比较,根据比较结果,确定每个预设位置所属的岩石样品的子类型。
本实施例中,通过根据对齐后的密度曲线与有效原子序数曲线之间的距离范围,在目标类型包含的多个子类型中,确定岩石样品的子类型,能够实现更细一层的岩石类型的划分,使得岩石类型的划分更为精准。
在一个实施例中,方法还可以包括:
获取岩石样品的测井曲线。
测井曲线是指在测井时形成能够反映不同岩性(即岩石类型)、不同层位特征的曲线。测井曲线包括但不限于:声波时差测井曲线(Acoustic Log,AC)、密度测井曲线(Density Log,DEN)、补偿中子测井曲线(Compensated Neutron Log,CNL)、自然伽马测井曲线(Natural Gamma Ray Log,GR)、自然电位测井曲线(Spomtaneous Potential Log,SP)、井径测井曲线(Caliper Log,CAL)、微球聚焦测井曲线(MicrosphericallyFocusedLog,MFSL)、深侧向测井曲线(Deep investigate double lateral resistivitylog,RLLD)。
上述步骤S13中,根据特征曲线,确定岩石样品的目标类型,可以包括:
根据岩石样品的测井曲线及特征曲线,确定岩石样品的目标类型。
具体地,根据一种或多种测井曲线和岩石样品的特征曲线,确定岩石样品的目标类型。这里,测井曲线可以根据实际需求进行选择,此处不做具体限制。
本实施例中,通过结合岩石样品的测井曲线及特征曲线,能够进一步准确地对岩石样品的类型进行识别,提高岩石类型识别的准确度。
下面,结合具体实施例对本公开实施例提供的技术方案进行说明。
针对现有技术无法实现对全直径岩心样品进行快速、准确的岩石类型识别,本公开实施例提供一种岩石类型识别方法,利用两种能量的X射线CT扫描全直径岩心,获取岩心的三维图像、密度曲线和有效原子序数曲线,在保证时效性的同时利用定量参数进行岩石类型划分,同时生成的岩心曲线可对油气行业广泛使用的测井曲线进行标定和校准,助力于含油气储层的快速、精准评价。
如图4所示,岩石类型识别方法主要步骤包括:
步骤一:岩石样品扫描
将待扫描的全直径岩心样品由浅至深摆放整齐,视情况除去岩石表面的灰尘后,放置于聚氯乙烯材质的岩心槽上。
首先使用100kV的电压进行岩石样品扫描,随后使用140kV的扫描电压进行扫描,电流可保持不变,均为7mA的电流。
从控制台电脑直接导出不同能量下的重建图片,格式为DICOM,将该格式转换成.Raw格式,即得到不同能量下的全直径岩心数据体。
步骤二:三维图像处理
将不同能量下的全直径岩心数据体,导入图像处理软件,计算出密度数据体和有效原子序数数据体;
将密度数据体和有效原子序数数据体分别进行平均化,生成密度曲线和有效原子序数曲线。
步骤三:岩石类型识别
将密度曲线和有效原子序数曲线利用标准样品的密度曲线和有效原子序数曲线进行校正,获取校正后的密度曲线和有效原子序数曲线。
基于已有的两种能量全直径岩心数据体,结合密度和有效原子序数曲线,进行岩石类型判断。
接下来,结合图5a至图5g对本公开实施例提供的技术方案进行示例说明。
本公开实施例针对一段全直径岩心样品进行双能量CT扫描,并利用专业的图像处理软件进行图像处理和计算。其中,扫描设备为Neurological公司的CereTom NL3000,图像处理软件为ThermoFisher Scientific公司的数字岩心分析软件Pergeos2021.1及数岩科技自有的全直径岩心CT扫描图像及参数查询软件Whole Core Viewer。
参照图5a所示的CT扫描设备,CT扫描设备主要包括:X射线源、准直器和探测器,其中,X射线源与探测器围绕着一个公共轴心旋转,被检物体设于X射线源和探测器之间。CT扫描岩石的基本原理是:CT设备内X射线管发出X射线,X射线经准直器准直后透过被检物体到达被探测器,通过测定透过的X射线量,数字化后经过计算得出被照射的层面组织各单位体积的吸收系数,这些吸收系数可构成不同的数字矩阵;通过机内高速计算机进行数模转换,可以在屏幕上显示出来或拍成照片,重建的图像还能够给出每一个像素X射线衰减系数,通常用CT值表示。
本公开实施例提供的岩石类型识别方法的操作步骤主要包括:
1、图像扫描
①对仪器进行空气校准,校准结束后方进入扫描舱内。
②样品放置,将岩心托架放入CT机架孔内,然后把整理好的岩心按照从顶到底的顺序摆放到托架上,用户在扫描舱室外的控制间进行CT扫描的控制。
③设置参数及扫描:设置好高能量和低能量电压下的扫描参数,进行样品扫描。其中,高能量电压为140kV,电流为7mA,低能量电压调整为100kV,电流保持不变。
2、数据处理
①数据导出:从控制台电脑直接导出重建图片,格式为DICOM。
②质量控制:对已重建的图像进行检查,确保图像清晰无断层,在不同方向显示切片图像灰度值无明显差异。
③将全直径岩心样品在高能量和低能量下扫描后的图像,导入Whole coreViewer中,转化成.RAW格式的三维数据体。其中,全直径岩心样品在高能量和低能量下扫描后的图像可参照图5b及图5c所示。
④将两种能量的.RAW导入Pergeos软件中,利用其中的双能CT模块,计算样品的密度数据体和有效原子序数数据体,并利用样品的密度数据体和有效原子序数数据体,生成两条对数据体值平均化后的密度曲线和有效原子序数曲线。其中,全直径岩心样品的密度数据体的剖面图及有效原子序数数据体的剖面图可分别参照图5d及图5e所示。样品的密度曲线和有效原子序数曲线可参照图5f所示,图5f中的箭头a所指向的曲线为密度曲线,箭头b所指向的曲线为有效原子序数曲线。
3、岩石类型判定
①岩石大类划分:首先基于密度和有效原子序数值可划分出大的岩石类型,如灰岩密度值为2.6~2.9g/cm3,有效原子序数为14~16,泥岩密度为2.0~2.5g/cm3,有效原子序数为11~18。结合图5f所示,可以确定多个岩石样品的类型均为泥岩。可以理解的是,不同地区不同岩性的密度可能存在差异,需根据实际情况进行合理划分。
②岩石类型细分:在某一大类岩性中,若密度和有效原子序数数据体和曲线值表现出明显的差异,可进一步细分岩性。如图5g所示,该泥岩段明显表现出密度曲线和有效原子序数曲线之间的部分曲线相重合,部分大距离分开以及部分曲线略微分开等特征,按照岩石样品的排列顺序,密度曲线和有效原子序数均呈三段式,即密度曲线上表现出高值、低值和中值的特征,而有效原子序数曲线表现出低值、中值和高值的特征,结合曲线数字,可对泥岩类型的岩石样品进一步划分成硅质泥岩、钙质泥岩和含钙质泥岩。该类型识别结果与岩心观察结果具有良好的匹配性,进一步验证了类型识别的合理性。
综上,本公开实施例实现了通过定量手段对全直径岩心样品岩石类型划分,大大提高了岩石类型判断的可靠性,通过获取全直径岩心密度和有效原子序数曲线,可与油气行业内储层评价采用的测井曲线结合,进一步提高岩石类型识别精度,相对于传统的地质观察法,基于本公开实施例提供的方法进行岩石类型识别,能够在提高准确性的同时大幅降低时间成本。
图6为本公开实施例提供的一种岩石类型识别装置的结构示意图,如图6所示,装置可以包括:
第一获取模块601,用于获取采用不同能量值的X射线扫描的岩石样品得到的第一图像和第二图像;
第二获取模块602,用于根据第一图像和第二图像,获取岩石样品的特征曲线;其中,特征曲线包括:密度曲线和/或有效原子序数曲线;
确定模块603,用于根据特征曲线,确定岩石样品的目标类型。
在一个实施例中,第二获取模块602包括:
分析子模块,用于分析第一图像获得岩石样品的第一三维数据体,分析第二图像获得岩石样品第二三维数据体;
第一获取子模块,用于根据第一三维数据体与第二三维数据体,获取岩石样品的密度数据体和有效原子序数数据体;
第二获取子模块,用于根据岩石样品的密度数据体和有效原子序数数据体,获取岩石样品的特征曲线。
在一个实施例中,第二获取子模块具体用于:
根据密度数据体,生成岩石样品的密度曲线;和/或
根据有效原子序数数据体,生成岩石样品的有效原子序数曲线。
在一个实施例中,装置还包括:
校正模块,用于对密度曲线和/或有效原子序数曲线进行校正。
在一个实施例中,确定模块603具体用于:
若特征曲线包括密度曲线,则确定密度曲线的取值范围所处的第一范围区间;
将与第一范围区间对应的岩石类型确定为岩石样品的目标类型;
或者,
若特征曲线包括有效原子序数曲线,则确定有效原子序数曲线的取值范围所处的第二范围区间;
将与第二范围区间对应的岩石类型确定为岩石样品的目标类型;
或者,
若特征曲线包括密度曲线和有效原子序数曲线,则将与第一范围区间及第二范围区间均对应的岩石类型,确定为岩石样品的目标类型。
在一个实施例中,若特征曲线包括:密度曲线和有效原子序数曲线,确定模块603具体还用于:
在同一个直角坐标系内,对密度曲线所在的坐标区域与有效原子序数曲线所在的坐标区域进行对齐;
根据对齐后的密度曲线与有效原子序数曲线之间的距离范围,在目标类型包含的多个子类型中,确定岩石样品的子类型;其中,不同子类型对应的距离范围不同。
在一个实施例中,装置还包括第三获取模块;
第三获取模块,用于获取岩石样品的测井曲线;
确定模块,还用于根据岩石样品的测井曲线及特征曲线,确定岩石样品的目标类型。
需要说明的是:上述实施例提供的岩石类型识别装置在执行岩石类型识别方法时,仅以上述各程序模块的划分进行举例说明,实际应用中,可以根据需要而将上述处理分配由不同的程序模块完成,即将装置的内部结构划分成不同的程序模块,以完成以上描述的全部或者部分处理。另外,上述实施例提供的岩石类型识别装置与岩石类型识别方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
图7为本公开实施例提供的一种计算机设备的结构示意图;如图7所示,计算机设备700包括:存储器701和处理器702,存储器701中存储有计算机程序,处理器702被设置为运行计算机程序以执行如下操作:
获取采用不同能量值的X射线扫描岩石样品得到的第一图像和第二图像;
根据第一图像和第二图像,获取岩石样品的特征曲线;其中,特征曲线包括:密度曲线和/或有效原子序数曲线;
根据特征曲线,确定岩石样品的目标类型。
处理器运行计算机程序时实现本公开实施例的各个方法中的相应流程,为了简洁,在此不再赘述。
实际应用时,计算机设备700还可以包括:至少一个网络接口703。计算机设备700中的各个组件通过总线系统704耦合在一起。可理解,总线系统704用于实现这些组件之间的连接通信。总线系统704除包括数据总线之外,还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见,在图7中将各种总线都标为总线系统704。其中,处理器701的个数可以为至少一个。网络接口703用于计算机设备700与其他设备之间有线或无线方式的通信。
本公开实施例中的存储器702用于存储各种类型的数据以支持计算机设备700的操作。
上述本公开实施例揭示的方法可以应用于处理器701中,或者由处理器701实现。处理器701可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器701中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器701可以是通用处理器、数字信号处理器(DSP,Digital Signal Processor),或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。处理器701可以实现或者执行本公开实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本公开实施例所公开的方法的步骤,可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于存储介质中,该存储介质位于存储器702,处理器701读取存储器702中的信息,结合其硬件完成前述方法的步骤。
在示例性实施例中,计算机设备700可以被一个或多个应用专用集成电路(ASIC,Application Specific Integrated Circuit)、DSP、可编程逻辑器件(PLD,ProgrammableLogic Device)、复杂可编程逻辑器件(CPLD,Complex Programmable Logic Device)、现场可编程门阵列(FPGA,Field-Programmable Gate Array)、通用处理器、控制器、微控制器(MCU,Micro Controller Unit)、微处理器(Microprocessor)、或其他电子元件实现,用于执行前述方法。
本公开实施例还提供了一种计算机可读存储介质,存储介质中存储有计算机程序,其中,计算机程序被设置为运行时执行如下操作:
获取采用不同能量值的X射线扫描岩石样品得到的第一图像和第二图像;
根据第一图像和第二图像,获取岩石样品的特征曲线;其中,特征曲线包括:密度曲线和/或有效原子序数曲线;
根据特征曲线,确定岩石样品的目标类型。
计算机程序被处理器运行时实现本公开实施例的各个方法中的相应流程,为了简洁,在此不再赘述。
在本公开所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元,即可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本公开各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本公开上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本公开实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本公开各个实施例方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
需要说明的是:“第一”、“第二”、“第三”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
另外,本公开实施例所记载的技术方案之间,在不冲突的情况下,可以任意组合。
以上,仅为本公开的具体实施方式,但本公开的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本公开揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本公开的保护范围之内。因此,本公开的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种岩石类型识别方法,其特征在于,所述方法包括:
获取采用不同能量值的X射线扫描岩石样品得到的第一图像和第二图像;
根据所述第一图像和所述第二图像,获取所述岩石样品的特征曲线;其中,所述特征曲线包括:密度曲线和/或有效原子序数曲线;
根据所述特征曲线,确定所述岩石样品的目标类型。
2.根据权利要求1所述的方法,其特征在于,所述根据所述第一图像和所述第二图像,获取所述岩石样品的特征曲线,包括:
分析所述第一图像获得所述岩石样品的第一三维数据体;
分析所述第二图像获得所述岩石样品第二三维数据体;
根据所述第一三维数据体与所述第二三维数据体,获取所述岩石样品的密度数据体和有效原子序数数据体;
根据所述岩石样品的密度数据体和有效原子序数数据体,获取所述岩石样品的特征曲线。
3.根据权利要求2所述的方法,其特征在于,所述根据所述岩石样品的密度数据体和有效原子序数数据体,获取所述岩石样品的特征曲线,包括:
根据所述密度数据体,生成所述岩石样品的密度曲线;和/或
根据所述有效原子序数数据体,生成所述岩石样品的有效原子序数曲线。
4.根据权利要求1所述的方法,其特征在于,所述根据所述特征曲线,确定所述岩石样品的目标类型步骤之前,所述方法还包括:
对所述密度曲线和/或所述有效原子序数曲线进行校正。
5.根据权利要求1所述的方法,其特征在于,所述根据所述特征曲线,确定所述岩石样品的目标类型,包括:
若所述特征曲线包括所述密度曲线,则确定所述密度曲线的取值范围所处的第一范围区间;
将与所述第一范围区间对应的岩石类型确定为所述岩石样品的目标类型;
或者,
若所述特征曲线包括所述有效原子序数曲线,则确定所述有效原子序数曲线的取值范围所处的第二范围区间;
将与所述第二范围区间对应的岩石类型确定为所述岩石样品的目标类型;
或者,
若所述特征曲线包括所述密度曲线和所述有效原子序数曲线,则将与所述第一范围区间及所述第二范围区间均对应的岩石类型,确定为所述岩石样品的目标类型。
6.根据权利要求1至5任一所述的方法,其特征在于,若所述特征曲线包括:所述密度曲线和所述有效原子序数曲线,所述方法还包括:
在同一个直角坐标系内,对所述密度曲线所在的坐标区域与所述有效原子序数曲线所在的坐标区域进行对齐;
根据对齐后的所述密度曲线与所述有效原子序数曲线之间的距离范围,在所述目标类型包含的多个子类型中,确定所述岩石样品的子类型;其中,不同所述子类型对应的距离范围不同。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述岩石样品的测井曲线;
所述根据所述特征曲线,确定所述岩石样品的目标类型,包括:
根据所述岩石样品的测井曲线及所述特征曲线,确定所述岩石样品的目标类型。
8.一种岩石类型识别装置,其特征在于,所述装置包括:
第一获取模块,用于获取采用不同能量值的X射线扫描岩石样品得到的第一图像和第二图像;
第二获取模块,用于根据所述第一图像和所述第二图像,获取所述岩石样品的特征曲线;其中,所述特征曲线包括:密度曲线和/或有效原子序数曲线;
确定模块,用于根据所述特征曲线,确定所述岩石样品的目标类型。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1至7任一项所述岩石类型识别方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7任一项所述岩石类型识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111401093.5A CN114004261A (zh) | 2021-11-19 | 2021-11-19 | 岩石类型识别方法、装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111401093.5A CN114004261A (zh) | 2021-11-19 | 2021-11-19 | 岩石类型识别方法、装置和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114004261A true CN114004261A (zh) | 2022-02-01 |
Family
ID=79930007
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111401093.5A Pending CN114004261A (zh) | 2021-11-19 | 2021-11-19 | 岩石类型识别方法、装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114004261A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114235862A (zh) * | 2022-02-21 | 2022-03-25 | 中国科学院地质与地球物理研究所 | 一种基于双能ct对烃源岩的评估方法 |
CN114359569A (zh) * | 2022-03-09 | 2022-04-15 | 中国科学院地质与地球物理研究所 | 岩石的层理识别方法、装置、设备及存储介质 |
CN114624267A (zh) * | 2022-03-14 | 2022-06-14 | 贝光科技(苏州)有限公司 | 一种双能ct指数识别岩心矿物和纹层的方法及装置 |
CN115078214A (zh) * | 2022-06-14 | 2022-09-20 | 西南石油大学 | 基于双能ct的岩心矿物识别及孔隙度分布联合表征方法 |
CN115266782A (zh) * | 2022-09-27 | 2022-11-01 | 中国科学院地质与地球物理研究所 | 一种基于双能ct技术评价非常规储层双甜点的方法 |
-
2021
- 2021-11-19 CN CN202111401093.5A patent/CN114004261A/zh active Pending
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114235862A (zh) * | 2022-02-21 | 2022-03-25 | 中国科学院地质与地球物理研究所 | 一种基于双能ct对烃源岩的评估方法 |
CN114359569A (zh) * | 2022-03-09 | 2022-04-15 | 中国科学院地质与地球物理研究所 | 岩石的层理识别方法、装置、设备及存储介质 |
US11436738B1 (en) | 2022-03-09 | 2022-09-06 | Institute Of Geology And Geophysics, Chinese Academy Of Sciences | Rock stratification identification method and apparatus, device and storage medium |
CN114624267A (zh) * | 2022-03-14 | 2022-06-14 | 贝光科技(苏州)有限公司 | 一种双能ct指数识别岩心矿物和纹层的方法及装置 |
CN114624267B (zh) * | 2022-03-14 | 2023-10-27 | 贝光科技(苏州)有限公司 | 一种双能ct指数识别岩心矿物和纹层的方法及装置 |
CN115078214A (zh) * | 2022-06-14 | 2022-09-20 | 西南石油大学 | 基于双能ct的岩心矿物识别及孔隙度分布联合表征方法 |
CN115078214B (zh) * | 2022-06-14 | 2024-01-26 | 西南石油大学 | 基于双能ct的岩心矿物识别及孔隙度分布联合表征方法 |
CN115266782A (zh) * | 2022-09-27 | 2022-11-01 | 中国科学院地质与地球物理研究所 | 一种基于双能ct技术评价非常规储层双甜点的方法 |
US11734914B1 (en) | 2022-09-27 | 2023-08-22 | Institute Of Geology And Geophysics, Chinese Academy Of Sciences | Method for evaluating geological and engineering sweet spots in unconventional reservoirs based on dual-energy computed tomography (CT) |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114004261A (zh) | 岩石类型识别方法、装置和存储介质 | |
Siddiqui et al. | Dual-energy CT-scanning applications in rock characterization | |
CN107209944A (zh) | 在容器中成像的样品微层析成像中的射束硬化伪像的校正 | |
EP2377467A1 (en) | System and method for determining the composition of an object | |
CN107315019A (zh) | 射线透射和荧光ct成像系统和成像方法 | |
WO2016107480A1 (zh) | 双能射线成像方法和系统 | |
US20180164470A1 (en) | Combining Multiple Energy X-Ray Imaging And Well Data To Obtain High-Resolution Rock, Mechanical, And Elastic Property Profiles | |
MX2014000978A (es) | Metodo para etimar numero atomico efectivo y densidad aparente de muestras de rocas usando proyeccion de imágenes computarizadas de rayos x de energia dual. | |
GB2440624A (en) | Using both nuclear capture and inelastic spectroscopy in deriving elemental concentrations in a formation | |
Simons et al. | Quantitative characterization of coal by means of microfocal X-ray computed microtomography (CMT) and color image analysis (CIA) | |
Walls et al. | Shale reservoir evaluation improved by dual energy X-ray CT imaging | |
CN106198579A (zh) | 一种测量页岩中有机质含量的方法 | |
US20200271597A1 (en) | Method and apparatus for performing multi-energy (including dual energy) computed tomography (ct) imaging | |
Victor et al. | Monte Carlo approach for estimating density and atomic number from dual‐energy computed tomography images of carbonate rocks | |
CN114113169B (zh) | 确定矿物分布的方法及装置、电子设备及计算机存储介质 | |
CN114235862B (zh) | 一种基于双能ct对烃源岩的评估方法 | |
Martini et al. | Identification of common minerals using stoichiometric calibration method for dual‐energy CT | |
Panfiloff | Experimental evaluation of dynamic elastic properties and anisotropy in shales | |
CN115761318A (zh) | 纹层识别方法、装置和存储介质 | |
CN108931545B (zh) | 矿物种类及含量的确定方法 | |
CN111340127B (zh) | 基于材料聚类的能谱ct迭代材料分解方法和装置 | |
Som et al. | Quantitative discrimination between geological materials with variable density contrast by high resolution X-ray computed tomography: An example using amygdule size-distribution in ancient lava flows | |
CN105806857B (zh) | 双能射线检查系统物质识别及其分类参数处理方法与装置 | |
Mirto et al. | New developments in sourceless Logging-While-Drilling formation evaluation: A case study from Southern Italy | |
Freifeld et al. | On-site geological core analysis using a portable X-ray computed tomographic system |
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 |