CN114113169B - 确定矿物分布的方法及装置、电子设备及计算机存储介质 - Google Patents
确定矿物分布的方法及装置、电子设备及计算机存储介质 Download PDFInfo
- Publication number
- CN114113169B CN114113169B CN202111401100.1A CN202111401100A CN114113169B CN 114113169 B CN114113169 B CN 114113169B CN 202111401100 A CN202111401100 A CN 202111401100A CN 114113169 B CN114113169 B CN 114113169B
- Authority
- CN
- China
- Prior art keywords
- mineral
- energy value
- image
- value
- sample
- 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.)
- Active
Links
- 229910052500 inorganic mineral Inorganic materials 0.000 title claims abstract description 331
- 239000011707 mineral Substances 0.000 title claims abstract description 331
- 238000009826 distribution Methods 0.000 title claims abstract description 117
- 238000000034 method Methods 0.000 title claims abstract description 87
- 238000003860 storage Methods 0.000 title claims description 15
- 238000013179 statistical model Methods 0.000 claims abstract description 57
- 230000000694 effects Effects 0.000 claims abstract description 25
- 238000004364 calculation method Methods 0.000 claims description 28
- 230000008569 process Effects 0.000 claims description 7
- 238000002835 absorbance Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 4
- 239000011435 rock Substances 0.000 abstract description 26
- 230000009467 reduction Effects 0.000 abstract description 6
- 238000002591 computed tomography Methods 0.000 description 27
- 238000004458 analytical method Methods 0.000 description 19
- 238000010586 diagram Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 10
- 238000012937 correction Methods 0.000 description 7
- 229910000514 dolomite Inorganic materials 0.000 description 7
- 239000010459 dolomite Substances 0.000 description 7
- 125000004429 atom Chemical group 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 229910001868 water Inorganic materials 0.000 description 6
- 239000000203 mixture Substances 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000001228 spectrum Methods 0.000 description 5
- 239000000126 substance Substances 0.000 description 5
- 229910021532 Calcite Inorganic materials 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 4
- 239000002734 clay mineral Substances 0.000 description 3
- 239000007789 gas Substances 0.000 description 3
- 125000004435 hydrogen atom Chemical group [H]* 0.000 description 3
- 238000002441 X-ray diffraction Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 229920000915 polyvinyl chloride Polymers 0.000 description 2
- 239000004800 polyvinyl chloride Substances 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000004876 x-ray fluorescence Methods 0.000 description 2
- 229910001094 6061 aluminium alloy Inorganic materials 0.000 description 1
- VEXZGXHMUGYJMC-UHFFFAOYSA-N Hydrochloric acid Chemical group Cl VEXZGXHMUGYJMC-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000006260 foam Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 239000004417 polycarbonate Substances 0.000 description 1
- 229920000515 polycarbonate Polymers 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 239000003755 preservative agent Substances 0.000 description 1
- 230000002335 preservative effect Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Abstract
本公开提供了一种确定矿物分布的方法，所述方法包括：以第一能量值以及第二能量值的CT射线分别扫描矿物样品，得到矿物图像；其中，所述第一能量值的CT射线用于激发光电效应，所述第二能量值的CT射线用于激发康普顿散射效应；根据所述矿物图像，得到CT图像；根据所述CT图像以及统计模型，得到矿物数据体；其中，所述矿物数据体至少包括：指示不同成分的原子分布的密度数据体以及有效原子序数数据体；对比所述矿物数据体与矿物数据库中的密度数据以及有效原子序数数据，得到所述矿物样品的三维分布结构；通过三维分布结构对矿物样品进行表征，可分析任意切面的岩石的矿物分布，并且提高了矿物样品成分分析的对矿物样品的内部结构的还原度。
Description
技术领域
本公开涉及地质勘探领域，具体地，涉及一种确定矿物分布的方法及装置、电子设备及计算机存储介质。
背景技术
全直径岩心样品，直径多为60毫米至100毫米，从地下油气储集层直接获取，体积大，蕴涵的信息丰富，代表性强，目前基于全直径岩心样品的矿物成分分析方法，X射线荧光分析法仅针对岩石表面，代表性受限，且分辨率较低；测井分析法只能划分出黏土矿物的总含量，不能进行矿物精细划分；光谱分析法单一的光谱来源仅能反映部分矿物，需要同时采用多种光谱源对矿物进行分析；小样分析法代表性不足并且不能分析任意切面的岩石的矿物分布。
因此，需要一种代表性以及还原度高，能分析任意切面，且分辨率较高的矿物分析装置。
发明内容
本公开提供一种确定矿物分布的方法及装置、电子设备及计算机存储介质。
本公开第一方面提供一种确定矿物分布的方法，所述方法包括：以第一能量值以及第二能量值的CT射线分别扫描矿物样品，得到矿物图像；其中，所述第一能量值的CT射线用于激发光电效应，所述第二能量值的CT射线用于激发康普顿散射效应；根据所述矿物图像，得到CT图像；根据所述CT图像以及统计模型，得到矿物数据体；其中，所述矿物数据体至少包括：指示不同成分的原子分布的密度数据体以及有效原子序数数据体；对比所述矿物数据体与矿物数据库中的密度数据以及有效原子序数数据，得到所述矿物样品的三维分布结构。
可选地，所述矿物图像包括：第一能量值矿物图像以及第二能量值矿物图像；所述根据所述矿物图像，得到CT图像，包括：重构所述第一能量值矿物图像，得到第一能量值原始图像；重构所述第二能量值矿物图像，得到第二能量值原始图像；调整所述第一能量值原始图像和第二能量值原始图像的灰度对比度，得到所述CT图像。
可选地，所述根据所述CT图像以及统计模型，得到矿物数据体，包括：根据所述CT图像，确定矿物的CT值；其中，所述CT值指示所述矿物样品的成分对所述CT射线的吸收率；获取所述统计模型的参数；根据所述矿物的CT值以及所述统计模型的参数，确定所述矿物样品的矿物数据体。
可选地，所述对比所述矿物数据体与矿物数据库，得到所述矿物样品的三维分布结构，包括：对比所述矿物数据体与矿物数据库中的密度以及有效原子序数，确定所述矿物样品中的成分分布；根据所述矿物样品中的成分分布，确定矿物样品的三维分布结构。
可选地，所述获取所述统计模型的参数，包括：以第一能量值以及第二能量值的CT射线分别扫描已知成分分布的矿物样品，得到已知成分分布的矿物样品的CT值；根据已知的矿物样品的密度、有效原子序数以及CT值，拟合得到所述统计模型的参数。
可选地，所述统计模型，包括：关于第一能量值的第一CT值和第二能量值的第二CT值的加权计算的密度计算公式；关于第一能量值的第一CT值和第二能量值的第二CT值的差值计算的有效原子序数计算公式。
本公开第二方面提供了一种确定矿物分布的装置，所述装置包括：扫描模块，用于以第一能量值以及第二能量值的CT射线分别扫描矿物样品，得到矿物图像；其中，所述第一能量值的CT射线用于激发光电效应，所述第二能量值的CT射线用于激发康普顿散射效应；第一确定模块，用于根据所述矿物图像，得到CT图像；第二确定模块，用于根据所述CT图像以及统计模型，得到矿物数据体；其中，所述矿物数据体至少包括：指示不同成分的原子分布的密度数据体以及有效原子序数数据体；第三确定模块，用于对比所述矿物数据体与矿物数据库中的密度数据以及有效原子序数数据，得到所述矿物样品的三维分布结构。
可选地，所述矿物图像包括：第一能量值矿物图像以及第二能量值矿物图像；所述第一确定模块，配置为：用于重构所述第一能量值矿物图像，得到第一能量值原始图像；用于重构所述第二能量值矿物图像，得到第二能量值原始图像；用于调整所述第一能量值原始图像和第二能量值原始图像的灰度对比度，得到所述CT图像。
本公开第三方面提供了一种电子设备，所述电子设备，包括：处理器；用于存储能够在处理器上运行的计算机程序的存储器；其中，所述处理器用于运行所述计算机程序时，执行上述第一方面提供的确定矿物分布的方法的步骤。
本公开第四方面提供了一种计算机存储介质，所述计算机存储介质存储有计算机可执行指令；所述计算机可执行指令被处理器执行实现如上述第一方面提供的确定矿物分布的方法。
本公开的实施例提供的技术方案可以包括以下有益效果：本公开实施例以第一能量值以及第二能量值的CT射线分别扫描矿物样品，得到矿物图像；根据所述矿物图像，得到CT图像；根据所述CT图像以及统计模型，得到矿物数据体；对比所述矿物数据体与矿物数据库中的密度数据以及有效原子序数数据，得到所述矿物样品的三维分布结构；与现有技术中关于矿物样品的成分分析方法，代表性差，分辨率低，且不能分析任意切面相比，利用第一能量值和第二能量值的CT射线扫描矿物样品得到的矿物图像，对矿物样品的内部结构还原度高，对矿物图像进行处理得到CT图像，分辨率高，由于能根据CT图像以及统计模型，可以得到矿物数据体，并构建了矿物样品的三维分布结构，可分析任意切面的岩石的矿物分布。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
图1为一示例性实施例示出的确定矿物分布的方法的流程示意图；
图2为一示例性实施例示出的确定矿物分布的方法的流程示意图；
图3为一示例性实施例示出的确定矿物分布的方法的流程示意图；
图4为一示例性实施例示出的确定矿物分布的方法的流程示意图；
图5为一示例性实施例示出的确定矿物分布的方法的流程示意图；
图6为一示例性实施例示出的确定矿物分布的方法的流程示意图；
图7为一示例性实施例示出的确定矿物分布的方法的流程示意图；
图8为一示例性实施例示出的确定矿物分布的方法的CT扫描成像原理示意图；
图9为一示例性实施例示出的确定矿物分布的方法的低能量值全直径岩心CT扫描成果图示意图；
图10为一示例性实施例示出的确定矿物分布的方法的高能量值全直径岩心CT扫描成果图示意图；
图11为一示例性实施例示出的确定矿物分布的方法的全直径岩心密度数据体示意图；
图12为一示例性实施例示出的确定矿物分布的方法的全直径岩心有效原子序数数据体示意图；
图13为一示例性实施例示出的确定矿物分布的方法的全直径岩心三维分布结构图示意图；
图14为一示例性实施例示出的确定矿物分布的方法的全直径岩心三维分布结构图的其中一个切面的分布结构示意图；
图15为一示例性实施例示出的确定矿物分布的方法的全直径岩心三维分布结构图的其中一个切面的分布结构示意图；
图16为一示例性实施例示出的确定矿物分布的方法的全直径岩心三维分布结构图的其中一个切面的分布结构示意图；
图17为一示例性实施例示出的确定矿物分布的装置的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开实施例相一致的所有实施方式。相反，它们仅是与如所附申请文件中所详述的、本公开实施例的一些方面相一致的装置和方法的例子。
本公开实施例中，结合图1所示，提供一种确定矿物分布的方法，所述方法包括：
步骤S101，以第一能量值以及第二能量值的CT射线分别扫描矿物样品，得到矿物图像；其中，所述第一能量值的CT射线用于激发光电效应，所述第二能量值的CT射线用于激发康普顿散射效应；
步骤S102，根据所述矿物图像，得到CT图像；
步骤S103，根据所述CT图像以及统计模型，得到矿物数据体；其中，所述矿物数据体至少包括：指示不同成分的原子分布的密度数据体以及有效原子序数数据体；
步骤S104，对比所述矿物数据体与矿物数据库中的密度数据以及有效原子序数数据，得到所述矿物样品的三维分布结构。
本公开实施例中，所述矿物样品，包括但不限于是：全直径岩心样品，直径为60mm至100mm，是从地下油气储集层中直接获取、体积最大的地质样品，蕴含的信息丰富，代表性更强；或者其他从地面内钻取的岩石样品，诸如尺寸小于全直径岩心样品的岩石小样品。
本公开实施例中，第一能量值，是指扫描电压小于或等于100kV，能激发矿物样品发送光电效应的电压带来的能量；第二能量值，是指扫描电压大于100kV，能激发康普顿散射效应的电压带来的能量。
本公开实施例中，第一能量值的CT射线，可以是扫描电压等于100kV的CT射线，在100kV的第一能量值的CT射线，能较好地激发光电效应。
本公开实施例中，第二能量值的CT射线，可以是扫描电压等于140kV的CT射线，在140kV的第二能量值的CT射线，能较好地激发康普顿散射效应。
本公开实施例中，关于步骤S102，根据所述矿物图像，得到CT图像。对矿物图像进行重构处理，得到伪影少的原始图像，再对原始图像进行灰度调整，得到对比度更佳的CT图像。
本公开实施例中，CT扫描仪器扫描矿物样品的主要示意图如图8所示，X射线源用于发射X射线；准直器设置在矿物样品与X射线源之间，用于降低辐射量以及限制切片外部散布，这里，所述切片是指X射线范围与岩心样品的相交面；矿物样品设置在准直器与探测器之间，用于将X射线转换为光子。
本公开实施例中，对于CT扫描矿物样品而言，伪影的产生主要是由机械故障伪影导致的，包括但不限于是：
探测器之间的响应不一致导致的环状伪影；
投影数据测量转换误差导致的直线状伪影；
采样频率较低产生的直线状伪影；
X射线能量不均匀导致的杯状伪影。
本公开实施例中，去除伪影的方法包括但不限于是：使用计算机编程操作去除和/或图像分割去除、训练人工智能模型去除以及人工去除。
本公开实施例中，对原始图像进行灰度调整，得到对比度更佳的CT图像，便于对CT图像进行分析。
本公开实施例中，根据第一能量值矿物图像，可以得到第一能量值CT图像。
本公开实施例中，根据第二能量值矿物图像，可以得到第二能量值CT图像。
本公开实施例中，关于步骤S103，根据所述CT图像，可以得到CT值；根据CT值以及统计模型，可以得到矿物数据体。
本公开实施例中，根据第一能量值CT图像，得到第一能量值CT值。
本公开实施例中，根据第二能量值CT图像，得到第二能量值CT值。
本公开实施例中，统计模型是关于计算矿物样品的电子密度以及有效原子序数的计算模型，如下所述：
ρe＝A×CThigh+B×CTlow+C 公式1.1
Zen×ρe＝D×(CTlow-CThigh)+E 公式1.2
上述公式1.1以及公式1.2中：
ρe：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；
CThigh：第二能量值指示的高能量值CT扫描图像的CT数，单位为Hounsfield，简写Hu；
CTlow：第一能量值指示的低能量值CT扫描图像的CT数，单位为Hounsfield，简写Hu；
Ze:有效原子序数，无量纲；
n：有效原子序数指数，无量纲，本方法取值为3.6。
A，B，C，D，E:统计模型参数，A、B和D单位为cm3/g，C和E无量纲。
本公开实施例中，通过CT值以及统计模型，可以得到矿物样品的密度数据体以及有效原子数据体。密度数据体，是指关于矿物样品中不同矿物成分的原子分布的密度数据。
本公开实施例中，建立矿物数据库，矿物数据库中包括岩石中常见的矿物的密度和有效原子序数。
本公开实施例中，在步骤S104中，将矿物数据体中的密度数据体与矿物数据库中的密度数据对比，以及将有效原子序数数据体与矿物数据库中的有效原子对比，确定矿物样品的矿物成分的三维分布，得到三维分布结构。
本公开实施例中，利用第一能量值和第二能量值的CT射线扫描矿物样品得到的矿物图像，对矿物样品的内部结构还原度以及代表性高，对矿物图像进行处理得到CT图像，分辨率高，由于能根据CT图像以及统计模型，可以得到矿物数据体，并构建了矿物样品的三维分布结构，可分析任意切面的岩石的矿物分布。
本公开实施例中，结合图2所示，所述矿物图像包括：第一能量值矿物图像以及第二能量值矿物图像；
步骤S102，所述根据所述矿物图像，得到CT图像，包括：
步骤S1021，重构所述第一能量值矿物图像，得到第一能量值原始图像；
步骤S1022，重构所述第二能量值矿物图像，得到第二能量值原始图像；
步骤S1023，调整所述第一能量值原始图像和第二能量值原始图像的灰度对比度，得到所述CT图像。
本公开实施例中，步骤S1021，重构所述第一能量值矿物图像，是指，对第一能量值矿物图像进行去伪影处理，得到无伪影或伪影少的第一能量值原始图像。
本公开实施例中，步骤S1022，重构所述第二能量值矿物图像，是指，对第二能量值矿物图像进行去伪影处理，得到无伪影或伪影少的第一能量值原始图像。
本公开实施例中，伪影包括但不限于是：探测器之间的响应不一致导致的环状伪影；投影数据测量转换误差导致的直线状伪影；采样频率较低产生的直线状伪影；X射线能量不均匀导致的杯状伪影。
本公开实施例中，对于上述的去除伪影的方式，包括但不限于是：使用计算机编程操作去除或图像分割去除；训练人工智能模型去除以及人工去除；空气校正。
本公开实施例中，空气校正是指在扫描范围内不放置任何物体进行一系列扫描得到的一组数据，然后从实际扫描数据中减去只扫描空气所得到的参考值。
本公开实施例中，关于步骤S1023，调整所述第一能量值原始图像和第二能量值原始图像的灰度对比度，得到所述CT图像。调整所述第一能量值原始图像和第二原始图像的灰度对比度，即灰度差异放大，CT图像的每一个灰度值代表的是区域物质的线性衰减系数，通过线性衰减系数可以计算CT图像对应区域物质的CT值。
本公开实施例中，在医用CT或工业CT领域，由于灰度其实是与CT值相关联的，灰度阶层越多，能表示的物质种类也越多，可以通过对应的灰度值，确定衰减系数，进而确定CT值。
本公开实施例中，通过对矿物图像进行重构以及调整灰度对比度，得到更易观察，以及分析和计算CT值的CT图像。使得关于CT值的计算对矿物样品的内部结构还原度高，以及更加精准，便于后续对多种成分的确定。
本公开实施例中，结合图3所示，步骤S103，根据所述CT图像以及统计模型，得到矿物数据体，包括：
步骤S1031，根据所述CT图像，确定矿物的CT值；其中，所述CT值指示所述矿物样品的成分对所述CT射线的吸收率；
步骤S1032，获取所述统计模型的参数；
步骤S1033，根据所述矿物的CT值以及所述统计模型的参数，确定所述矿物样品的矿物数据体。
本公开实施例中，射线被吸收的总数取决于射线穿过的物质的密度、原子组成及X射线束的光能频谱，在X射线能力相同的情况下，密度大的物质对射线的衰减更大。
本公开实施例中，关于步骤S1031，根据所述CT图像，确定矿物的CT值，包括：根据所述CT图像显示的灰度值，可以确定矿物的CT值。
在一个实施例中，可以根据所述CT图像显示的灰度值，确定矿物成分的衰减系数，根据矿物成分的衰减系数，可以确定矿物的CT值。
本公开实施例中，所述CT值指示所述矿物样品成分对所述CT射线的吸收率，具体地，CT值代表X射线穿过矿物样品后被吸收后的衰减系数，CT数的计算公式如下：
上述式1.3中，CTnumber：特定能量下的CT数；
μ：CT扫描穿过物体的线性衰减系数；
μwater：水的衰减系数；
μair：空气的衰减系数。
本公开实施例中，线性衰减系数μ并不具有很强的描述性，其在很大程度上取决于X射线光谱能量，因此，相对于水的衰减系数被称为CT值。
本公开实施例中，关于步骤S1032，获取所述统计模型的参数，关于获取所述统计模型的参数A、B、C、D、E，是可以根据已知成分的矿物样品的电子密度和有效原子系数拟合得到的。
本公开实施例中，关于步骤S1033，将矿物的CT值以及统计模型的参数代入值统计模型的公式1.1以及公式1.2，可以的所述矿物样品的密度数据体以及有效原子序数数据体。
本公开实施例中，通过CT图像进行计算和处理，得到CT值，以及通过已知成分的矿物样品对统计模型进行拟合计算，可以得到统计模型的参数值，最终根据CT值以及统计模型的参数，确定矿物样品的矿物数据体，如：密度数据体以及有效原子序数数据体，如此，可以由根据大量的二维的CT图像，进行计算和分析，得到矿物样品的三维的密度数据体以及有效原子数据体，进而便于根据密度数据体以及有效原子数据体，得到矿物成分的三维分布结构。与现有技术中无法建立三维的密度数据体以及有效原子数据体，更无法获取矿物成分的三维分布结构相比，本公开实施例建立的三维分布结构可分析矿物样品任意切面的矿物成分分布，具备较高的对矿物样品的内部结构的高还原度以及较高的代表性以及可使用性。
本公开实施例中，步骤S104，结合图4所示，对比所述矿物数据体与矿物数据库中的密度数据以及有效原子序数数据，得到所述矿物样品的三维分布结构，包括：
步骤S1041，对比所述矿物数据体与矿物数据库中的密度以及有效原子序数；
步骤S1042，确定所述矿物样品中的成分分布；
步骤S1043，根据所述矿物样品中的成分分布，确定矿物样品的三维分布结构。
本公开实施例中，关于步骤S1041，通过对比所述矿物数据体与矿物数据库中的密度以及有效原子序数，可以得到矿物数据体中每一个不同的密度以及有效原子序数对应的矿物成分，这里，由于密度以及有效原子序数，不同的物质，单独比较密度或有效原子序数，会导致成分的确定不够精准，因此，同时对比密度以及有效原子序数，可以更精确地确定矿物样品的成分。即执行步骤S1042能获取更精确的成分分布，降低误差。
本公开实施例中，关于步骤S1043，根据所述矿物样品的成分分布，由于是根据三维的密度数据体以及三维的有效原子序数的数据体确定的成分分布，可以得到对应的矿物样品的三维分布结构。
本公开实施例中，由于建立了矿物样品的三维分布结构，可以分析矿物样品任意切面的矿物成分分布，与现有技术中，仅仅只是用岩石的其中一个切面的岩石分布的二维线条来表示矿物分布相比，本公开的矿物样品的三维分布结构更全面，更精确，也更具矿物样品的内部结构的还原度以及代表性。
本公开实施例中，结合图5所示，步骤S1032，所述获取所述统计模型的参数，包括：
步骤S10321，以第一能量值以及第二能量值的CT射线分别扫描已知成分分布的矿物样品，得到已知成分分布的矿物样品的CT值；
步骤S10322，根据已知的矿物样品的密度、有效原子序数以及CT值，拟合得到所述统计模型的参数。
本公开实施例中，关于步骤S10321，关于获取所述统计模型的参数，需要以第一能量值以及第二能量值的CT射线分别扫描已知成分分布的矿物样品，这样才能获取能代入值统计模型的CT值。
本公开实施例中，关于步骤S10322，根据已知的矿物样品的密度、有效原子序数以及CT值，拟合得到所述统计模型的参数。这里，关于如何拟合得到所述统计模型的参数的计算工具，可以使用MATLAB、Python等语言工具。拟合方法有最小二乘曲线拟合法。
本公开实施例中，通过已知的矿物样品的密度数据、有效原子序数以及CT值，拟合得到所述统计模型的参数，可以较为精确地确定统计模型的参数，便于对未知成分的矿物样品进行密度以及有效原子序数的确定。
本公开实施例中，所述统计模型，包括：
关于第一能量值的第一CT值和第二能量值的第二CT值的加权计算的密度计算公式；
关于第一能量值的第一CT值和第二能量值的第二CT值的差值计算的有效原子序数计算公式。
本公开实施例中，关于第一能量值的第一CT值和第二能量值的第二CT值的加权计算的密度计算公式可以参见上述公式1.1：
ρe＝A×CThigh+B×CTlow+C
本公开实施例中，ρe是指样品电子密度，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；CThigh是指第二能量值指示的高能量值CT扫描图像的CT数，单位为Hounsfield，简写Hu；CTlow是指第一能量值指示的低能量值CT扫描图像的CT数，单位为Hounsfield，简写Hu；A、B、C为统计模型参数。A、B单位为cm3/g，C无量纲。
本公开实施例中，关于第一能量值的第一CT值和第二能量值的第二CT值的差值计算的有效原子序数计算公式可以参见上述公式1.2：
Zen×ρe＝D×(CTlow-CThigh)+E
Ze:有效原子序数，无量纲；n：有效原子序数指数，无量纲，本方法取值为3.6。D、E是统计模型参数，D单位为cm3/g，E无量纲。
本公开实施例中，通过上述公式1.1和公式1.2，可以实现第一能量值可以激发的光电效应与第二能量值可以激发康普顿效应的解耦，并且构建了矿物样品的电子密度、有效原子序数和CT数之间的关系，如此，可以确定矿物样品不同成分的电子密度以及有效原子序数，进而确定矿物样品的成分分布。
现结合上述实施例提供以下示例：
示例1：一种确定矿物分布的方法，是基于双能量全直径岩心CT扫描图像定量矿物分布的方法。
涉及含油气储层勘探评价领域，特别设计一种基于两种能量的全直径岩心CT扫描图像，通过X射线与原子的相互作用，对光电效应和康普顿散射效应进行解耦，定量获取岩石矿物成分和分布的方法。
关于岩石矿物成分定量的技术手段较为丰富，主要包括基于光学特征、基于光谱特征、基于化学分析、基于矿物晶体结构分析和基于元素分析等六大类，但分析对象多为钻取的岩石小样，因此通常需要对样品密集取样进行分析，以确保试样的代表性。而全直径岩心样品(直径多为100-60mm)作为从地下油气储集层中最直接获取、体积最大的地质样品，蕴含的信息丰富，代表性更强。目前，基于全直径岩心样品的矿物成分分析有限，主要包括以下四大类
一、X射线荧光分析法：该方法通过X射线轰击岩石表面，使岩石内部不同元素的原子被激发后，外层原子向内层原子跃迁时产生特征X射线，通过特征X射线识别出不同的元素，进而通过元素组成识别出矿物。该方法的优势在于扫描速度快，灵敏度高，但通常仅针对岩石表面，代表性受限，且分辨率较低。
二、测井分析法：测井分析法主要是指伽马测量，通过对岩心进行连续伽马射线总强度测量，随后根据伽马射线总强度值进行黏土矿物的判断。该方法的优势在于可以使岩心数据和测井数据进行对比，但缺点在于只能划分出黏土矿物的总含量，不能进行矿物精细划分。
三、光谱分析法：该方法是利用岩石矿物对紫外线、可见光和红外光等光线的吸收和发射差异，经过图像计算获取不同矿物成分的含量，其优势在于扫描速度快，样品要求低，缺点在于单一的光谱来源仅能反映部分矿物，需要同时采用多种光谱源对矿物进行分析。
四、小样分析法：该方法为通过对全直径岩心首先进行岩心观察，随后选取代表性的小样，利用光学显微镜、X射线衍射分析以及元素分析等方法确定矿物成分，该方法的结果通常对于小型样品本身准确度高，本质上不是对全直径岩心进行分析，代表性可能不足。
本发明需要解决的技术问题在于针对现有手段无法对全直径岩心样品进行代表性和高精度的各类矿物精细划分，开发一种基于两种能量的X射线CT扫描手段，实现对全直径岩心样品在三维空间的矿物刻画及矿物成分定量。
本发明为种基于两种能量的X射线CT扫描手段，实现对全直径岩心样品在三维空间的矿物刻画及矿物成分定量，该方法主要基于X射线与原子的两种相互作用，包括光电效应和康普顿散射效应，通过两种能量的X射线扫描，建立双能衰减方程，从而计算出样品的密度和有效原子序数，随后基于不同矿物的密度和有效原子序数库，定量获取三维岩石数据的矿物成分和展布。结合图6所示，该方法的主要步骤包括：
步骤S201，岩心扫描：主要包括岩心扫描前处理及岩心扫描两个步骤。岩心扫描前处理主要是指将岩石样品进行整理，保证样品摆放整齐，且样品按深度由浅至深进行CT扫描。岩心扫描则利用医疗CT或工业级CT开展两种能量下的CT扫描。
步骤S202，图像处理与计算：主要包括岩心图像的预处理和参数计算。预处理主要包括图像重构和图像增强，图像重构的目的是获取无伪影的原始图像，图像增强则通过灰度调整等手段，获取对比度更佳的CT图像。参数计算主要是通过两种能量的灰度图，首先计算出岩心的密度和有效原子序数数据体。随后，通过常见矿物的密度和有效原子序数表，确定不同矿物成分。
具体的操作工艺步骤如下：
步骤S301，岩心整理：将待扫描岩心由浅至深从岩心盒内取出，放置于PVC(聚氯乙烯)岩心槽上。相邻岩心根据断面茬口上下的各类特征(如矿物、结构、构造、裂缝、擦痕以及断面形状等)进行拼接对齐。破碎岩心可用保鲜膜对岩心进行包裹后再置于岩心槽上。
步骤S302，岩心扫描：
标样扫描：将准备好的标样插入泡沫圆柱上，置于岩心槽上。本办法中涉及了5种标样，分别为水，6061铝，石英玻璃，有机玻璃，聚碳酸酯。
对标样完成两种能量的CT扫描，扫描电压分别为100kV和140kV，束流为100mA。
岩心扫描：将准备好的全直径岩心样品置于岩心槽中，开展100kV和140kV两种能量的CT扫描。
步骤S303，图像处理与计算
标样图像处理：对5种标样完成的扫描图像进行重构，确保图像清晰，无伪影。
获取统计模型系数：本方法是通过高低能量值X射线扫描，把光电效应和康普顿散射效应解耦，岩心电子密度、有效原子序数和CT数之间的关系如下：
ρe＝A×CThigh+B×CTlow+C
Zen×ρe＝D×(CTlow-CThigh)+E
上述式中，ρe：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；
CThigh：高能量值CT扫描图像的CT数，单位为Hounsfield，简写Hu；
CTlow：低能量值CT扫描图像的CT数，单位为Hounsfield，简写Hu；
Ze:有效原子序数，无量纲；
n：有效原子序数指数，无量纲，本方法取值为3.6
A，B，C，D，E:统计模型参数数，A、B和D单位为cm3/g，C和E无量纲。
CT数的计算公式如下：
上述式中，CTnumber：特定能量下的CT数；
μ：CT扫描穿过物体的衰减系数；
μwater：水的衰减系数；
μair：空气的衰减系数。
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值前，通常需要扫描一直参照物结果。
有效原子序数Ze的计算公式如下：
上述式中，Ze：有效原子序数；
Zi：样品矿物内的原子序数；
fi：各原子所占的比例。
对标准样品进行扫描获得100kv和140kv下的CT图像：
根据已知标准样品的体密度和有效原子序数(下表1)，拟合出统计模型的5个系数，A、B、C、D、E；
表1，标准样品的密度和有效原子序数
岩心图像处理：对完成的两种能量下岩心CT扫描图像进行重构，确保图像清晰，无伪影。
根据两种能量下的CT数据体和前面求解的统计模型系数，生成岩心样品的密度数据体和有效原子序数数据体。
对比不同矿物的密度和有效原子序数数据库(下表2)，生成三维矿物模型。
表2：主要矿物的密度和有效原子序数
本公开实施例中，结合图7，步骤可以分为：
步骤S401，岩心整理及标样准备；结合图8所示，岩心样品设置在探测器和准直器之间，X射线源提供X射线；
步骤S402，低能量值全直径岩心CT扫描；结合图9所示，为低能量值全直径岩心CT扫描成果图；
步骤S403，高能量值全直径岩心CT扫描；结合图10所示，为高能量值全直径岩心CT扫描成果图；
步骤S404，密度和有效原子序数数据体获取；图11为全直径岩心密度数据体，图12为全直径岩心有效原子序数数据体。
步骤S405，矿物成分识别；
步骤S406，三维矿物模型建立；图13为三维矿物模型的三维结构分布示意图，包括87.15％的白云石和12.85％的方解石；图14为图13的三维结构分布示意图中的其中关于与XY平面平行其中一个切面的白云石(灰色部分)和方解石(灰色部分包围的黑色部分)的分布示意图；图15为图13的三维结构分布示意图中的其中关于与XZ平面平行其中一个切面的白云石(灰色部分)和方解石(灰色部分部分或全包围的黑色部分)的分布示意图；图16为图13的三维结构分布示意图中的其中关于与YZ平面平行其中一个切面的白云石(灰色部分)和方解石(灰色部分部分或全包围的黑色部分)的分布示意图
优点和技术效果：
1.本公开首次实现了全直径岩心样品的矿物模型构建，大大提高了岩石样品的代表性。
2.本公开通过对全直径岩心三维空间的矿物进行表征，可分析任意切面岩石的矿物分布，相对之前手段仅能提供岩石表面数据或少量数据点优势巨大。
3.本公开采用的方法对岩心样品完全无损，扫描后的样品可用于开展后续其它类型的化验分析。
示例2：一种确定矿物分布的方法
针对一块白云岩样品开展了双能量全直径岩心CT扫描，扫描设备为上海联影医疗科技有限公司的μCT530，随后利用利用Wholecore Viewer和ThermoFisher Scientific公司的数字岩心分析软件Pergeos2021.1进行了图像处理，具体的操作步骤包括：
步骤S501，结合图8所示，全直径岩心扫描操作，包括：
步骤S5011，空气校正：开启μCT530，进入空气校正界面，空气校正时间大约15min，仪器每次开启前首先进行一次空气校正；
步骤S5012，样品摆放：将岩心摆放至检查床。确认岩心顶底方向、深浅位置及角度无误，打开机架自带红外十字线确认岩心处于检查床正中位置，且位于扫描区域内；
步骤S5013，参数录入：在软件中输入扫描编号。对扫描岩心进行命名，推荐的命名原则为：井号_取心次数_块次_总块数_顶深_底深_岩心长度。选择扫描电压和束流分别为：140/100kV，100mAs；
步骤S5014，岩心扫描：根据提示按“扫描”键开始依次扫描定位图、高压图、低压图。在此过程中FOV扫描视野为固定值280mm，扫描间隔中禁止上下调整检查床高度；
步骤S5015，图像重构：系统可自动进行图像重构；
步骤S5016，数据检查：待图像重构后对数据、图像进行质量检查并出具质控报告，包括：
步骤S50161，检查扫描数据统计是否正确，如：井号、块号、盒号、长度、深度、扫描人、扫描日期等；
步骤S50162，检查图像中岩心编号是否正确；
步骤S50163，检查图像是否有异常，有无环状伪影；
步骤S50164，将扫描图像与岩心照片对应核查，确保两者能够一一对应上；
步骤S5017，数据备份：将扫描数据以DCM格式导出至移动存储设备进行双备份；
步骤S5018，质量控制：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，如有出现环状伪影，则进行空气校正后重新扫描测试；
步骤S502，图像处理
步骤S5021，在Wholecore Viewer中导入5种标样的高能量值和低能量值CT扫描图像，计算出5个统计模型系数A、B、C、D和E的值；
步骤S5022，将全直径岩心样品在高能量值和低能量值下扫描后的.GIFf格式文件，导入Wholecore Viewer中，计算样品的密度和有效原子序数数据体；
步骤S5023，将计算后的密度和有效原子序数数据体导入Pergeos软件中，基于前面以输入的矿物库(表2)，生成三维矿物模型。本次结果计算的白云岩白云石含量87.15％，与常规实验利用X射线衍射分析的白云石含量90.2％相差3.38％，准确性较好。
本公开实施例中，结合图17所示，提供一种确定矿物分布的装置500，所述装置500包括：
扫描模块501，用于以第一能量值以及第二能量值的CT射线分别扫描矿物样品，得到矿物图像；其中，所述第一能量值的CT射线用于激发光电效应，所述第二能量值的CT射线用于激发康普顿散射效应；
第一确定模块502，用于根据所述矿物图像，得到CT图像；
第二确定模块503，用于根据所述CT图像以及统计模型，得到矿物数据体；其中，所述矿物数据体至少包括：指示不同成分的原子分布的密度数据体以及有效原子序数数据体；
第三确定模块504，用于对比所述矿物数据体与矿物数据库中的密度数据以及有效原子序数数据，得到所述矿物样品的三维分布结构。
本公开实施例中，所述矿物图像包括：第一能量值矿物图像以及第二能量值矿物图像；
所述第一确定模块502，配置为：
重构所述第一能量值矿物图像，得到第一能量值原始图像；
重构所述第二能量值矿物图像，得到第二能量值原始图像；
调整所述第一能量值原始图像和第二能量值原始图像的灰度对比度，得到所述CT图像。
本公开实施例中，所述第二确定模块503，配置为：
根据所述CT图像，确定矿物的CT值；其中，所述CT值指示所述矿物样品的成分对所述CT射线的吸收率；
获取所述统计模型的参数；
根据所述矿物的CT值以及所述统计模型的参数，确定所述矿物样品的矿物数据体。
本公开实施例中，所述第三确定模块504，配置为：
对比所述矿物数据体与矿物数据库中的密度以及有效原子序数；
确定所述矿物样品中的成分分布；
根据所述矿物样品中的成分分布，确定矿物样品的三维分布结构。
本公开实施例中，所述第二确定模块503，配置为：
所述获取所述统计模型的参数，包括：
以第一能量值以及第二能量值的CT射线分别扫描已知成分分布的矿物样品，得到已知成分分布的矿物样品的CT值；
根据已知的矿物样品的密度、有效原子序数以及CT值，拟合得到所述统计模型的参数。
本公开实施例中，所述统计模型，包括：
关于第一能量值的第一CT值和第二能量值的第二CT值的加权计算的密度计算公式；
关于第一能量值的第一CT值和第二能量值的第二CT值的差值计算的有效原子序数计算公式。
在本公开实施例中，提供一种电子设备，所述电子设备，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中所述处理器用于运行所述计算机服务时，实现上述所述的确定矿物分布的方法中的步骤。
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。
在本公开实施例中，提供一种存储介质，所述存储介质中有计算机可执行指令，所述计算机可执行指令被处理器执行实现上述所述的确定矿物分布的方法中的步骤。
或者，本发明实施例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，本发明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)执行本发明各个实施例所述方法的全部或部分。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。
以上所述，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申请文件的保护范围为准。
Claims (7)
1.一种确定矿物分布的方法，其特征在于，所述方法包括：
以第一能量值以及第二能量值的CT射线分别扫描矿物样品，得到矿物图像；其中，所述第一能量值的CT射线用于激发光电效应，所述第二能量值的CT射线用于激发康普顿散射效应；
根据所述矿物图像，得到CT图像；
根据所述CT图像以及统计模型，得到矿物数据体；其中，所述矿物数据体至少包括：指示不同成分的原子分布的密度数据体以及有效原子序数数据体；
对比所述矿物数据体与矿物数据库中的密度数据以及有效原子序数数据，得到所述矿物样品的三维分布结构；
所述矿物图像包括：第一能量值矿物图像以及第二能量值矿物图像；
所述根据所述矿物图像，得到CT图像，包括：
重构所述第一能量值矿物图像，得到第一能量值原始图像；其中，所述重构所述第一能量值矿物图像是指对所述第一能量值矿物图像进行去伪影处理；
重构所述第二能量值矿物图像，得到第二能量值原始图像；其中，所述重构所述第二能量值矿物图像是指对所述第二能量值矿物图像进行去伪影处理；
调整所述第一能量值原始图像和第二能量值原始图像的灰度对比度，得到所述CT图像；
所述统计模型，包括：
关于第一能量值的第一CT值和第二能量值的第二CT值的加权计算的密度计算公式；
关于第一能量值的第一CT值和第二能量值的第二CT值的差值计算的有效原子序数计算公式。
2.根据权利要求1所述的确定矿物分布的方法，其特征在于，所述根据所述CT图像以及统计模型，得到矿物数据体，包括：
根据所述CT图像，确定矿物的CT值；其中，所述CT值指示所述矿物样品的成分对所述CT射线的吸收率；
获取所述统计模型的参数；
根据所述矿物的CT值以及所述统计模型的参数，确定所述矿物样品的矿物数据体。
3.根据权利要求1所述的确定矿物分布的方法，其特征在于，所述对比所述矿物数据体与矿物数据库，得到所述矿物样品的三维分布结构，包括：
对比所述矿物数据体与矿物数据库中的密度以及有效原子序数；
确定所述矿物样品中的成分分布；
根据所述矿物样品中的成分分布，确定矿物样品的三维分布结构。
4.根据权利要求2所述的确定矿物分布的方法，其特征在于，所述获取所述统计模型的参数，包括：
以第一能量值以及第二能量值的CT射线分别扫描已知成分分布的矿物样品，得到已知成分分布的矿物样品的CT值；
根据已知的矿物样品的密度、有效原子序数以及CT值，拟合得到所述统计模型的参数。
5.一种确定矿物分布的装置，其特征在于，所述装置包括：
扫描模块，用于以第一能量值以及第二能量值的CT射线分别扫描矿物样品，得到矿物图像；其中，所述第一能量值的CT射线用于激发光电效应，所述第二能量值的CT射线用于激发康普顿散射效应；
第一确定模块，用于根据所述矿物图像，得到CT图像；
第二确定模块，用于根据所述CT图像以及统计模型，得到矿物数据体；其中，所述矿物数据体至少包括：指示不同成分的原子分布的密度数据体以及有效原子序数数据体；
第三确定模块，用于对比所述矿物数据体与矿物数据库中的密度数据以及有效原子序数数据，得到所述矿物样品的三维分布结构；
所述矿物图像包括：第一能量值矿物图像以及第二能量值矿物图像；
所述第一确定模块，配置为：
用于重构所述第一能量值矿物图像，得到第一能量值原始图像；其中，所述重构所述第一能量值矿物图像是指对所述第一能量值矿物图像进行去伪影处理；
用于重构所述第二能量值矿物图像，得到第二能量值原始图像；其中，所述重构所述第二能量值矿物图像是指对所述第二能量值矿物图像进行去伪影处理；
用于调整所述第一能量值原始图像和第二能量值原始图像的灰度对比度，得到所述CT图像；
所述统计模型，包括：
关于第一能量值的第一CT值和第二能量值的第二CT值的加权计算的密度计算公式；
关于第一能量值的第一CT值和第二能量值的第二CT值的差值计算的有效原子序数计算公式。
6.一种电子设备，其特征在于，所述电子设备，包括：
处理器；
用于存储能够在处理器上运行的计算机程序的存储器；其中，所述处理器用于运行所述计算机程序时，执行权利要求1至4任一项所述的确定矿物分布的方法的步骤。
7.一种计算机存储介质，所述计算机存储介质存储有计算机可执行指令；所述计算机可执行指令被处理器执行实现如权利要求1至4任一项所述的确定矿物分布的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111401100.1A CN114113169B (zh) | 2021-11-19 | 确定矿物分布的方法及装置、电子设备及计算机存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111401100.1A CN114113169B (zh) | 2021-11-19 | 确定矿物分布的方法及装置、电子设备及计算机存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114113169A CN114113169A (zh) | 2022-03-01 |
| CN114113169B true CN114113169B (zh) | 2024-05-31 |
Family
ID=
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011217805A (ja) * | 2010-04-05 | 2011-11-04 | Sumitomo Heavy Ind Ltd | 実効原子番号及び電子密度を求める方法、その方法を実行させるためのプログラム、そのプログラムを記録したコンピュータ読み取り可能な記録媒体及びｃｔ装置 |
| WO2013106508A1 (en) * | 2012-01-13 | 2013-07-18 | Ingrain, Inc. | Method of determining reservoir properties and quality with multiple energy x-ray imaging |
| CN103718016A (zh) * | 2011-07-26 | 2014-04-09 | 因格瑞恩股份有限公司 | 用双能x射线计算机断面显像技术估算岩样的有效原子序数和体积密度的方法 |
| WO2015034472A1 (en) * | 2013-09-04 | 2015-03-12 | Ingrain, Inc. | Combining multiple energy x-ray imaging and well data to obtain high-resolution rock, mechanical, and elastic property profiles |
| CN105628726A (zh) * | 2015-12-23 | 2016-06-01 | 中国石油天然气股份有限公司 | 一种致密砂岩矿物组成的分析方法及系统 |
| CN105675635A (zh) * | 2015-12-31 | 2016-06-15 | 中国石油天然气股份有限公司 | 致密岩石组分相对含量及脆性指数确定方法和装置 |
| WO2016205894A1 (en) * | 2015-06-24 | 2016-12-29 | Deep Exploration Technologies Crc Limited | Method for determining the mineral composition of a geological sample |
| CN106950231A (zh) * | 2017-03-29 | 2017-07-14 | 中国科学院地质与地球物理研究所 | 一种用双能微米ct定量识别岩石矿物的岩样装置和方法 |
| JP2017221339A (ja) * | 2016-06-14 | 2017-12-21 | 国立大学法人信州大学 | Ｘ線ｃｔ画像再構成方法およびコンピュータプログラム |
| CN110672649A (zh) * | 2019-10-09 | 2020-01-10 | 安徽宏实光机电高科有限公司 | 一种基于双能x射线的图像识别处理方法及控制系统 |
| CN112652054A (zh) * | 2020-12-22 | 2021-04-13 | 上海索骥信息科技有限公司 | 一种dr/ct数字物体构建方法和系统 |
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011217805A (ja) * | 2010-04-05 | 2011-11-04 | Sumitomo Heavy Ind Ltd | 実効原子番号及び電子密度を求める方法、その方法を実行させるためのプログラム、そのプログラムを記録したコンピュータ読み取り可能な記録媒体及びｃｔ装置 |
| CN103718016A (zh) * | 2011-07-26 | 2014-04-09 | 因格瑞恩股份有限公司 | 用双能x射线计算机断面显像技术估算岩样的有效原子序数和体积密度的方法 |
| WO2013106508A1 (en) * | 2012-01-13 | 2013-07-18 | Ingrain, Inc. | Method of determining reservoir properties and quality with multiple energy x-ray imaging |
| WO2015034472A1 (en) * | 2013-09-04 | 2015-03-12 | Ingrain, Inc. | Combining multiple energy x-ray imaging and well data to obtain high-resolution rock, mechanical, and elastic property profiles |
| WO2016205894A1 (en) * | 2015-06-24 | 2016-12-29 | Deep Exploration Technologies Crc Limited | Method for determining the mineral composition of a geological sample |
| CN105628726A (zh) * | 2015-12-23 | 2016-06-01 | 中国石油天然气股份有限公司 | 一种致密砂岩矿物组成的分析方法及系统 |
| CN105675635A (zh) * | 2015-12-31 | 2016-06-15 | 中国石油天然气股份有限公司 | 致密岩石组分相对含量及脆性指数确定方法和装置 |
| JP2017221339A (ja) * | 2016-06-14 | 2017-12-21 | 国立大学法人信州大学 | Ｘ線ｃｔ画像再構成方法およびコンピュータプログラム |
| CN106950231A (zh) * | 2017-03-29 | 2017-07-14 | 中国科学院地质与地球物理研究所 | 一种用双能微米ct定量识别岩石矿物的岩样装置和方法 |
| CN110672649A (zh) * | 2019-10-09 | 2020-01-10 | 安徽宏实光机电高科有限公司 | 一种基于双能x射线的图像识别处理方法及控制系统 |
| CN112652054A (zh) * | 2020-12-22 | 2021-04-13 | 上海索骥信息科技有限公司 | 一种dr/ct数字物体构建方法和系统 |
Non-Patent Citations (1)
| Title |
|---|
| 数字岩心建模方法研究现状及展望;林承焰 等;《地球物理学进展》;20180129(第2期);全文 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8537968B2 (en) | Method and apparatus for inspection of materials | |
| EP2377467A1 (en) | System and method for determining the composition of an object | |
| Simons et al. | Quantitative characterization of coal by means of microfocal X-ray computed microtomography (CMT) and color image analysis (CIA) | |
| JP5981543B2 (ja) | 物質の検出および／または分類 | |
| KR20110125291A (ko) | 엑스선 단층 촬영을 이용한 재료 내부의 밀도 분석방법 | |
| CN114004261A (zh) | 岩石类型识别方法、装置和存储介质 | |
| Borges et al. | Computed tomography to estimate the representative elementary area for soil porosity measurements | |
| Verhelst et al. | Correlation of 3D-computerized tomographic scans and 2D-colour image analysis of Westphalian coal by means of multivariate statistics | |
| CN114235862B (zh) | 一种基于双能ct对烃源岩的评估方法 | |
| JP5981545B2 (ja) | 物体の放射線検査方法 | |
| Alves et al. | Mineralogy evaluation and segmentation using dual‐energy microtomography | |
| Martini et al. | Identification of common minerals using stoichiometric calibration method for dual‐energy CT | |
| Chawchai et al. | Stalagmites from western Thailand: preliminary investigations and challenges for palaeoenvironmental research | |
| Zarkogiannis et al. | X-ray tomographic data of planktonic foraminifera species Globigerina bulloides from the Eastern Tropical Atlantic across Termination II | |
| Iovea et al. | A dedicated on-board dual-energy computer tomograph | |
| 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 | |
| Klimenov et al. | Identification of the substance of a test object using the dual-energy method | |
| Ojala et al. | Comparing X‐ray densitometry and BSE‐image analysis of thin section in varved sediments | |
| CN114113169A (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 | |
| Triolo et al. | Combined application of X-ray and neutron imaging techniques to wood materials | |
| Saadat et al. | Empirical correlation for porosity deduction from X-ray computed tomography (CT) | |
| Korost et al. | Technologies for the Study of Full-Size Core with CT and Numerical Simulation Methods | |
| CN111340127A (zh) | 基于材料聚类的能谱ct迭代材料分解方法和装置 | |
| US20140231639A1 (en) | Method and apparatus for measuring the radioactive content of materials | |
| Simon et al. | A new computer code for the determination of the isotope composition of actinides by X-and gamma ray spectrometry and its applications |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant |