CN114429483A - 一种岩石面孔率的识别方法及识别装置 - Google Patents
一种岩石面孔率的识别方法及识别装置 Download PDFInfo
- Publication number
- CN114429483A CN114429483A CN202011077534.6A CN202011077534A CN114429483A CN 114429483 A CN114429483 A CN 114429483A CN 202011077534 A CN202011077534 A CN 202011077534A CN 114429483 A CN114429483 A CN 114429483A
- Authority
- CN
- China
- Prior art keywords
- pore
- pores
- area
- rock sample
- rock
- 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 173
- 238000000034 method Methods 0.000 title claims abstract description 61
- 239000011148 porous material Substances 0.000 claims abstract description 657
- 239000000945 filler Substances 0.000 claims abstract description 164
- 238000001000 micrograph Methods 0.000 claims description 26
- 238000012545 processing Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 5
- 208000035126 Facies Diseases 0.000 abstract description 63
- 238000011156 evaluation Methods 0.000 abstract description 12
- 239000005416 organic matter Substances 0.000 description 37
- 239000003079 shale oil Substances 0.000 description 12
- 238000000605 extraction Methods 0.000 description 9
- 238000011161 development Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 238000004891 communication 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
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 239000004927 clay Substances 0.000 description 1
- 239000002734 clay mineral Substances 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明提供了一种岩石面孔率的计算方法及计算装置，解决了目前的评价方法无法针对陆相页岩储层这一地质特征精确、快速的表征孔隙面孔率的问题。包括：采集岩石样品储层图像，并识别岩石样品储层的孔隙类型和孔隙充填物类型；基于孔隙类型和孔隙充填物类型分别设定孔隙和孔隙充填物的灰度阈值，并分别识别孔隙和孔隙充填物的数量和等效直径；基于孔隙和孔隙充填物的数量以及等效直径分别得到孔隙和孔隙充填物的面积；基于岩石样品储层图像的面积、孔隙和孔隙填充物的面积分别得到孔隙的面孔率和孔隙充填物的面积占比；基于所有孔隙的面孔率和孔隙充填物的面积占比得到岩石样品的面孔率。
Description
技术领域
本发明涉及油气勘探技术领域，具体涉及一种岩石面孔率的识别方法及识别装置。
背景技术
我国陆相盆地分布范围广，中、新生界多个层系发育陆相泥页岩，是页岩油气勘探开发的重要接替领域之一。目前我国已成功获了工业页岩油气流，揭示了我国陆相页岩油气良好的页岩气勘探前景。但由于受沉积相带的控制作用，与海相页岩不同，陆相页岩储层发育相对比较复杂，储层具有黏土含量高、黏土矿物孔相对较发育且多被有机质充填、有机孔发育较少等地质特征。因此快速、准确表征陆相页岩储层面孔率对于评价页岩储层储集能力、认识陆相页岩气资源潜力和寻找页岩油气有利勘探目标具有重要的意义。目前常用的储层面孔率计算方法多是针对常规砂岩及碳酸盐岩油气储层，无法准确识别并定量表征陆相页岩储层中纳米级孔隙面孔率。
因此，根据陆相页岩孔隙的发育特征，建立页岩储层纳米级孔隙面孔率识别方法，研发评价流程，可以为准确认识陆相页岩油气资源潜力和寻找页岩油气有利勘探区优选提供依据，对页岩油气勘探部署决策具有重要的实践意义。
发明内容
有鉴于此，本发明实施例提供了一种岩石面孔率的识别方法及识别装置，解决了由于陆相页岩孔隙类型多，且无机孔部分被有机质全充填及部分充填的特征，目前的评价方法无法针对陆相页岩储层这一地质特征精确、快速的表征孔隙面孔率的问题。
第一方面，本发明提供的一种岩石面孔率的识别方法，所述方法包括：
采集岩石样品储层图像，并识别所述岩石样品储层的孔隙类型和孔隙充填物类型；
基于所述孔隙类型和所述孔隙充填物类型分别设定所述孔隙的灰度阈值和所述孔隙充填物的灰度阈值，并分别识别所述孔隙的数量和等效直径以及所述孔隙充填物的数量和等效直径；
基于所述孔隙的数量和等效直径得到所述孔隙的面积；
基于所述孔隙充填物的数量和等效直径得到所述孔隙充填物的面积；；
基于所述岩石样品储层图像的面积和所述孔隙的面积得到所述孔隙的面孔率，基于所述岩石样品储层图像的面积和所述孔隙充填物的面积得到所述孔隙充填物的面积占比；
基于所有所述孔隙的面孔率和所述孔隙充填物的面积占比得到所述岩石样品的面孔率。
可选地，采集岩石样品储层图像，并识别所述岩石样品储层的孔隙类型和孔隙充填物类型包括：识别所述岩石样品储层的有机孔隙、无机孔隙和无机孔隙中充填的有机质。
可选地，，基于所述孔隙的数量和等效直径得到所述孔隙的面积、基于所述孔隙充填物的数量和等效直径得到所述孔隙充填物的面积均基于以下模型获得：
其中S为孔隙类型或孔隙充填物的面积；j为孔隙类型或孔隙充填物；n为不同孔隙类型和孔隙充填物各自的数量；d为不同孔隙类型和孔隙充填物各自的直径。
可选地，还包括：基于所述岩石样品储层图像的长和宽得到所述岩石样品储层图像的面积。
可选地，基于所述岩石样品储层图像的面积和所述孔隙的面积得到所述孔隙的面孔率、基于所述岩石样品储层图像的面积和所述孔隙充填物的面积得到所述孔隙充填物的面积占比均基于以下模型获得：
其中，P为孔隙的面孔率或孔隙充填物的面积占比；S为孔隙类型或孔隙充填物的面积；j为孔隙类型或孔隙充填物；S0为岩石储层图像的面积。
可选地，基于所有所述孔隙的面孔率和所述孔隙充填物的面积占比得到所述岩石样品的面孔率包括：将所有所述孔隙的面孔率求和，并以所有所述孔隙的面孔率之和减去所有所述孔隙充填物的面积占比得到所述岩石样品的面孔率。
可选地，采集岩石样品储层图像包括：采集岩石储层等倍率放大扫描电镜图像。
第二方面，本发明提供了一种岩石面孔率的识别装置，所述装置包括：
采集单元，用于采集岩石样品储层图像；
识别单元，用于识别所述岩石样品储层的孔隙类型和孔隙充填物类型；基于所述孔隙类型和所述孔隙充填物类型分别设定所述孔隙的灰度阈值和所述孔隙充填物的灰度阈值，并分别识别所述孔隙的数量和等效直径以及所述孔隙充填物的数量和等效直径；
处理单元，用于基于所述孔隙的数量和等效直径得到所述孔隙的面积；基于所述孔隙充填物的数量和等效直径得到所述孔隙充填物的面积；基于所述岩石样品储层图像的面积和所述孔隙的面积得到所述孔隙的面孔率，基于所述岩石样品储层图像的面积和所述孔隙充填物的面积得到所述孔隙充填物的面积占比；基于所有所述孔隙的面孔率和所述孔隙充填物的面积占比得到所述岩石样品的面孔率。
第三方面，本发明提供一种电子设备，包括存储器和处理器，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行时实现如第一方面中任一项所述的岩石面孔率的识别方法。
第四方面，本发明提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被一个或多个处理器执行时用以实现如第一方面中任一项所述的岩石面孔率的识别方法。
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：
本发明实施例提供的一种岩石面孔率的识别方法及识别装置，所述方法包括：采集岩石样品储层图像，并识别所述岩石样品储层的孔隙类型和孔隙充填物类型；基于所述孔隙类型和所述孔隙充填物类型分别设定所述孔隙的灰度阈值和所述孔隙充填物的灰度阈值，并分别识别所述孔隙的数量和等效直径以及所述孔隙充填物的数量和等效直径；基于所述孔隙的数量和等效直径得到所述孔隙的面积；基于所述孔隙充填物的数量和等效直径得到所述孔隙充填物的面积；基于所述岩石样品储层图像的面积和所述孔隙的面积得到所述孔隙的面孔率，基于所述岩石样品储层图像的面积和所述孔隙充填物的面积得到所述孔隙充填物的面积占比；基于所有所述孔隙的面孔率和所述孔隙充填物的面积占比得到所述岩石样品的面孔率。
该方法对陆相页岩孔隙类型多，且无机孔部分被有机质全充填及部分充填的特征，在考虑孔隙类型、孔隙充填特征的基础上，建立了适用于陆相页岩面孔率的识别方法，可以快速、准确的评价一套陆相页岩的总孔隙面孔率及其各种类型孔隙的面孔率，认识陆相页岩储层储集空间发育特征及储集能力，解决了目前的评价方法无法针对陆相页岩储层这一地质特征精确、快速的表征孔隙面孔率的问题，且具有较强的可操作性，提高了评价结果的可信度，对寻找陆相页岩油气具有重要的实践意义。
附图说明
在下文中将基于实施例并参考附图来对本公开进行更详细的描述：
图1所示为本发明一实施例提供的一种岩石面孔率的识别方法的流程示意图。
图2所示为本发明另一实施例提供的一种岩石面孔率的识别方法的流程示意图。
图3所示为本发明一实施例提供的一种陆相页岩储层等倍率放大的扫描电镜图像。
图4所示为本发明一实施例提供的一种提取陆相页岩储层有机孔隙等倍率放大的扫描电镜图像。
图5所示为本发明一实施例提供的一种陆相页岩储层无机孔隙等倍率放大的扫描电镜图像。
图6所示为本发明一实施例提供的一种陆相页岩储层无机孔隙中充填有机质等倍率放大的扫描电镜图像。
图7所示为本发明一实施例提供的一种岩石面孔率的识别装置的单元示意图。
具体实施方式
下面将结合本发明实施例中的附图，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作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
同时，在以下说明中，出于解释的目的而阐述了许多具体细节，以提供对本发明实施例的彻底理解。然而，对本领域的技术人员来说显而易见的是，本发明可以不用这里的具体细节或者所描述的特定方式来实施。
实施例一
图1所示为本发明一实施例提供的一种岩石面孔率的识别方法的流程示意图。
参考图1，本实施例提供了一种岩石面孔率的识别方法，包括：
步骤S10:采集岩石样品储层图像，并识别所述岩石样品储层的孔隙类型和孔隙充填物类型。该方法可以用于研究陆相页岩的面孔率，采集研究区内的陆相页岩储层等倍率放大的扫描电镜图像，基于陆相页岩储层等倍率放大的扫描电镜图像识别孔隙类型和孔隙内的孔隙充填物类型。
其中，孔隙的类型包括有机孔隙和无机孔隙，孔隙中的充填物类型包括无机孔隙中充填的有机质。采集岩石样品储层图像，并识别岩石储层的孔隙类型和孔隙充填物包括：识别岩石样品储层的有机孔隙、无机孔隙和无机孔隙中充填的有机质。
可以理解，储层图像可以为储层等倍率放大的扫描电镜图像，或者储层图像还可以为其他图像等，储层图像的类型是可以选择的，在能够满足储层图像可以识别出岩石样品储层的孔隙类型和孔隙充填物类型的前提下，本发明对储层图像的具体类型不做限定。
步骤S11：基于所述孔隙类型和所述孔隙充填物类型分别设定孔隙的灰度阈值和孔隙充填物的灰度阈值，并分别识别孔隙的数量和等效直径以及孔隙充填物的数量和等效直径。
根据步骤S01中判断的有机孔隙设定有机孔隙的灰度阈值，可以结合人工提取，得到有机孔隙的数量和等效直径；根据步骤S01中判断的无机孔隙设定无机孔隙的灰度阈值，可以结合人工提取，得到无机孔隙的数量和等效直径；根据步骤S01中判断的无机孔隙中充填的有机质设定无机孔隙中充填的有机质的灰度值，可以结合人工提取，得到无机孔隙中充填的有机质的数量和等效直径。
可以理解，可以利用Image-Pro Plus软件，分别设定有机孔隙、无机孔隙和无机孔隙中充填有机质的灰度阈值，并结合人工提取，分别识别有机孔隙、无机孔隙和无机孔隙中有机质的数量和等效直径，除此之外，还可以采用其他的软件对有机孔隙、无机孔隙和无机孔隙中有机质的数量和等效直径进行识别，识别有机孔隙、无机孔隙和无机孔隙中有机质的数量和等效直径的方法可以是根据实际的情况进行选择的，本发明对如何识别有机孔隙、无机孔隙和无机孔隙中有机质的数量和等效直径不做限定。
步骤S12：基于所述孔隙的数量和等效直径得到孔隙的面积，基于所述孔隙充填物的数量以及等效直径得到所述孔隙充填物的面积。可选地，包括基于有机孔隙的数量以及等效直径得到有机孔隙的面积；基于无机孔隙的数量以及等效直径得到无机孔隙的面积；基于无机孔隙中充填的有机质的数量以及等效直径得到无机孔隙中充填的有机质的面积。
可选地，基于孔隙的数量以及等效直径得到孔隙的面积以及基于孔隙充填物的数量以及等效直径得到孔隙充填物的面积的公式包括：
其中，S为面积；j代表孔隙类型和孔隙充填物，j＝1,2,3；n为不同孔隙类型和孔隙充填物各自的数量；d为不同孔隙类型和孔隙充填物各自的直径。例如：S1可以为有机孔隙的面积、S2可以为无机孔隙的面积，S3可以为无机孔隙中充填的有机质的面积；n为有机孔隙的数量或者无机孔隙的数量或者无机孔隙中充填有机质的数量；d1为有机孔隙的直径、d2为无机孔隙的直径、d3为无机孔隙中填充有机质的直径。
基于有机孔隙的数量以及等效直径得到有机孔隙的面积的公式包括：
基于无机孔隙的数量以及等效直径得到无机孔隙的面积的公式包括：
基于无机孔隙中充填的有机质的数量以及等效直径得到无机孔隙中充填的有机质的面积的公式包括
步骤S13：基于岩石储层图像的面积和孔隙的面积得到孔隙的面孔率，基于岩石储层图像的面积和孔隙充填物的面积得到孔隙充填物面积占比。
岩石储层图像可以为陆相页岩储层等倍率放大的扫描电镜图像，基于岩石样品储层图像的长和宽得到岩石样品储层图像的面积，可选地，岩石样品储层的面积计算公式包括：
S0＝a*b
其中，S0为扫描电镜图像的面积，单位可以为μm2；a和b分别为扫描电镜图像的长和宽，单位可以为μm。
基于岩石储层图像的面积和孔隙的面积得到孔隙的面孔率，基于岩石储层图像的面积和孔隙充填物的面积得到孔隙充填物面积占比，包括：基于岩石储层图像的面积和有机孔隙的面积得到有机孔隙的面孔率；基于岩石储层图像的面积和无机孔隙的面积得到无机孔隙的面孔率；基于岩石储层图像的面积和无机孔隙中有机质的面积得到无机孔隙中有机质的面积占比。
可选地，基于岩石储层图像的面积和孔隙的面积得到孔隙的面孔率，基于岩石储层图像的面积和孔隙充填物的面积得到孔隙充填物面积占比的公式包括：
其中，P为孔隙的面孔率或孔隙充填物的面积占比；S为孔隙类型或孔隙充填物的面积；j为孔隙类型或孔隙充填物，j＝1,2,3；S0为岩石储层图像的面积。例如：P1可以为有机孔隙的面孔率、P2可以为无机孔隙的面孔率，P3可以为无机孔隙中充填的有机质的面积占比；S1为有机孔隙的面积、S2为无机孔隙的面积、S3为无机孔隙中填充有机质的面积。
基于岩石样品储层图像的面积和有机孔隙的面积得到有机孔隙的面孔率的公式包括：
基于岩石样品储层图像的面积和无机孔隙的面积得到无机孔隙的面孔率的公式包括：
基于岩石样品储层图像的面积和孔隙充填物的面积得到孔隙充填物的面积占比的公式包括：
步骤S14:基于所有孔隙的面孔率和孔隙充填物的面积占比得到岩石样品的面孔率。基于所有所述孔隙的面孔率和所述孔隙充填物的面积占比得到所述岩石样品的面孔率包括：将所有所述孔隙的面孔率求和，并以所有所述孔隙的面孔率之和减去所有所述孔隙充填物的面积占比得到所述岩石样品的面孔率。利用有机孔隙、无机孔隙的面孔率及无机孔隙中有机质的面积占比计算页岩样品的面孔率，将孔隙的面孔率之和减去所有孔隙充填物的面积占比得到所述岩石样品的面孔率。可选地，计算公式包括：
P＝P1+P2+…+Pi-Pi+1-Pi+2-…-Pj，
其中，其中p为岩石样品的面孔率；P1～Pi为所有孔隙的面孔率之和；Pi+1-Pi+2-…-Pj为所有孔隙充填物的面积占比。
以陆相页岩为例，孔隙的类型包括有机孔隙和无机孔隙，孔隙中的充填物类型包括无机孔隙中充填的有机质。陆相页岩的面孔率的计算方法包括有机孔隙的面孔率加上无机孔隙的面孔率减去无机孔隙中有机质的面积占比。可选地，公式包括：
P＝P1+P2-P3
其中，P为陆相页岩面孔率，P1为有机孔隙的面孔率，P2为无机孔隙的面孔率，P3为无机孔隙中充填有机质的面积占比。
本发明实施例提供了一种岩石面孔率的识别方法，所述方法包括采集岩石样品储层图像，并识别所述岩石样品储层的孔隙类型和孔隙充填物类型；基于所述孔隙类型和所述孔隙充填物类型分别设定所述孔隙的灰度阈值和所述孔隙充填物的灰度阈值，并分别识别所述孔隙的数量和等效直径以及所述孔隙充填物的数量和等效直径；基于所述孔隙的数量和等效直径得到所述孔隙的面积；基于所述孔隙充填物的数量和等效直径得到所述孔隙充填物的面积；基于所述岩石样品储层图像的面积和所述孔隙的面积得到所述孔隙的面孔率，基于所述岩石样品储层图像的面积和所述孔隙充填物的面积得到所述孔隙充填物的面积占比；基于所有所述孔隙的面孔率和所述孔隙充填物的面积占比得到所述岩石样品的面孔率。
该方法对陆相页岩孔隙类型多，且无机孔部分被有机质全充填及部分充填的特征，在考虑孔隙类型、孔隙充填特征的基础上，建立了适用于陆相页岩面孔率的识别方法，可以快速、准确的评价一套陆相页岩的总孔隙面孔率及其各种类型孔隙的面孔率，认识陆相页岩储层储集空间发育特征及储集能力，解决了目前的评价方法无法针对陆相页岩储层这一地质特征精确、快速的表征孔隙面孔率的问题，且具有较强的可操作性，提高了评价结果的可信度，对寻找陆相页岩油气具有重要的实践意义。
实施例二
图2所示为本发明另一实施例提供的一种岩石面孔率的识别方法的流程示意图。
图3所示为本发明一实施例提供的一种陆相页岩储层等倍率放大的扫描电镜图像。
图4所示为本发明一实施例提供的一种提取陆相页岩储层有机孔隙等倍率放大的扫描电镜图像。
图5所示为本发明一实施例提供的一种陆相页岩储层无机孔隙等倍率放大的扫描电镜图像。
图6所示为本发明一实施例提供的一种陆相页岩储层无机孔隙中充填有机质等倍率放大的扫描电镜图像。
参考图2，在实施例一的基础上，本实施例提供另外一种陆相页岩面孔率的识别方法，包括：
步骤S20：采集研究区内的陆相页岩储层等倍率放大的扫描电镜图像(如图3所示)，基于采集到的研究区内的陆相页岩储层等倍率放大的扫描电镜图像识别出图像中的有机孔隙、无机孔隙和无机孔隙中充填的有机质。
可以理解，等倍率放大的扫描电镜图像的放大倍数可以为×40000，或者等倍率放大的扫描电镜图像的放大倍数可以为其他倍数，等倍率放大的扫描电镜图像的放大倍数是可以根据实际的情况进行选择的，本发明对等倍率放大的扫描电镜图像的放大倍数不做限定。
步骤S21：可以利用Image-Pro Plus软件拾取有机孔隙、无机孔隙和无机孔隙中充填的有机质，并计算有机孔隙、无机孔隙和无机孔隙中充填的有机质的数量和等效直径。利用Image-Pro Plus软件并结合人工提取，分别设定有机孔隙、无机孔隙和无机孔隙中充填的有机质的灰度阈值，得到有机孔隙、无机孔隙和无机孔隙中充填的有机质的数量和等效直径。
可选地，根据采集的扫描电镜图像分别设定有机孔隙的灰度阈值为29、设定无机孔隙的灰度阈值为130、设定无机孔隙中充填有机质的灰度阈值为95，根据此灰度阈值结合人工拾取，提取有机孔隙(如图4所示)、无机孔隙(如图5所示)和无机孔隙中充填的有机质(如图6所示)，并计算有机孔隙、无机孔隙和无机孔隙中充填的有机质的数量和等效直径。
步骤S22：根据S21中得到的有机孔隙、无机孔隙和无机孔隙中充填有机质的数量和等效直径，利用公式(1)分别计算有机孔隙、无机孔隙和无机孔隙中充填有机质的等效面积，可选地，计算结果为有机孔隙的数量为116个，等效面积为2.37μm2；无机孔隙的数量为584个，等效面积为6.63μm2；无机孔隙中充填有机质的数量为132个，等效面积为2.78μm2(如表1所示)。
其中，S为面积；j代表孔隙类型和孔隙充填物，j＝1,2,3；n为不同孔隙类型和孔隙充填物各自的数量；d为不同孔隙类型和孔隙充填物各自的直径。例如：S1可以为有机孔隙的面积、S2可以为无机孔隙的面积，S3可以为无机孔隙中充填的有机质的面积；n为有机孔隙的数量或者无机孔隙的数量或者无机孔隙中充填有机质的数量；d1为有机孔隙的直径、d2为无机孔隙的直径、d3为无机孔隙中填充有机质的直径。
表1：有机孔隙、无机孔隙和无机孔隙中充填有机质的数量及面积
| 识别对象 | 数量(个) | 面积(μm<sup>2</sup>) |
| 无机孔隙 | 584 | 6.63 |
| 有机质 | 132 | 2.78 |
| 有机孔隙 | 116 | 2.37 |
步骤S23：可以利用Image-Pro Plus软件测量样品的长和宽。可选地，测量得到的样品的长和宽分别为10.26μm和6.78μm，利用公式(2)计算扫描电镜图像的面积，可选地，计算得到的扫描电镜图像的面积为69.51μm2。
S0＝a*b 公式(2)
其中，S0为扫描电镜图像的面积，单位可以为μm2；a和b分别为扫描电镜图像的长和宽，单位可以为μm。
步骤S24：根据步骤S22中计算得到的有机孔隙、无机孔隙和无机孔隙中充填有机质的数量及面积，以及步骤S23中计算得到的扫描电镜图像的面积，再利用公式(3)分别计算有机孔隙、无机孔隙的面孔率和无机孔隙中充填有机质的面积占比。可选的，计算得到的有机孔隙的面孔率为3.99％，无机孔隙的面孔率为9.54％，无机孔隙中充填有机质与扫描电镜图像面积的比值为3.41％。
其中，P为孔隙的面孔率或孔隙充填物的面积占比；S为孔隙类型或孔隙充填物的面积；j为孔隙类型或孔隙充填物，j＝1,2,3；S0为岩石储层图像的面积。例如：P1可以为有机孔隙的面孔率、P2可以为无机孔隙的面孔率，P3可以为无机孔隙中充填的有机质的面积占比；S1为有机孔隙的面积、S2为无机孔隙的面积、S3为无机孔隙中填充有机质的面积。
步骤25：根据步骤S24中的计算得到的有机孔隙、无机孔隙的面孔率和无机孔隙中充填有机质的面积占比，利用公式(4)计算样品的面孔率。可选地，计算得到的样品的面孔率为8.96％。
P＝P1+P2-P3 公式(4)
其中，P为陆相页岩面孔率，P1为有机孔隙的面孔率，P2为无机孔隙的面孔率，P3为无机孔隙中充填有机质的面积占比。
本发明实施例提供了一种陆相岩石面孔率的识别方法，所述方法包括：采集岩石样品储层图像，并识别所述岩石样品储层的孔隙类型和孔隙充填物类型；基于所述孔隙类型和所述孔隙充填物类型分别设定所述孔隙的灰度阈值和所述孔隙充填物的灰度阈值，并分别识别所述孔隙的数量和等效直径以及所述孔隙充填物的数量和等效直径；基于所述孔隙的数量和等效直径得到所述孔隙的面积；基于所述孔隙充填物的数量和等效直径得到所述孔隙充填物的面积；基于所述岩石样品储层图像的面积和所述孔隙的面积得到所述孔隙的面孔率，基于所述岩石样品储层图像的面积和所述孔隙充填物的面积得到所述孔隙充填物的面积占比；基于所有所述孔隙的面孔率和所述孔隙充填物的面积占比得到所述岩石样品的面孔率。
该方法对陆相页岩孔隙类型多，且无机孔部分被有机质全充填及部分充填的特征，在考虑孔隙类型、孔隙充填特征的基础上，建立了适用于陆相页岩面孔率的识别方法，可以快速、准确的评价一套陆相页岩的总孔隙面孔率及其各种类型孔隙的面孔率，认识陆相页岩储层储集空间发育特征及储集能力，解决了目前的评价方法无法针对陆相页岩储层这一地质特征精确、快速的表征孔隙面孔率的问题，且具有较强的可操作性，提高了评价结果的可信度，对寻找陆相页岩油气具有重要的实践意义。
实施例三
图7所示为本发明一实施例提供的一种岩石面孔率的识别装置的单元示意图。
参考图7，本实施例提供一种岩石面孔率的识别装置100，包括：采集单元001、识别单元002、处理单元003。
其中，采集单元001，用于采集岩石样品储层图像。
识别单元002，用于识别所述岩石样品储层的孔隙类型和孔隙充填物类型；基于所述孔隙类型和所述孔隙充填物类型分别设定所述孔隙的灰度阈值和所述孔隙充填物的灰度阈值，并分别识别所述孔隙的数量和等效直径以及所述孔隙充填物的数量和等效直径。
处理单元003，用于基于所述孔隙的数量和等效直径得到所述孔隙的面积；
基于所述孔隙充填物的数量和等效直径得到所述孔隙充填物的面积；
基于所述岩石样品储层图像的面积和所述孔隙的面积得到所述孔隙的面孔率，基于所述岩石样品储层图像的面积和所述孔隙充填物的面积得到所述孔隙充填物的面积占比；
基于所有所述孔隙的面孔率和所述孔隙充填物的面积占比得到所述岩石样品的面孔率。
采集单元001采集岩石样品储层图像；识别单元002根据岩石样品储层图像识别所述岩石样品储层的孔隙类型和孔隙充填物类型，并根据识别得到的岩石样品储层的孔隙类型和孔隙充填物类型进行灰度阈值设定，进一步识别孔隙和孔隙充填物的数量和等效直径；处理单元003基于孔隙和孔隙充填物的数量以及等效直径分别计算得到孔隙和孔隙充填物的面积，然后基于岩石样品储层图像的面积和孔隙的面积分别计算得到孔隙的面孔率，基于岩石样品储层图像的面积和孔隙充填物的面积分别计算得到孔隙充填物的面积占比；基于所有孔隙的面孔率和孔隙充填物的面积占比得到岩石样品的面孔率。
基于上述各个单元执行岩石面孔率表征的方法的具体实施例已经在实施例一中详述，此处不再赘述。
本发明实施例提供了一种岩石面孔率的识别装置，所述装置包括：采集单元001、识别单元002、处理单元003。其中，采集单元001，用于采集岩石样品储层图像。识别单元002，用于识别所述岩石样品储层的孔隙类型和孔隙充填物类型；基于所述孔隙类型和所述孔隙充填物类型分别设定所述孔隙的灰度阈值和所述孔隙充填物的灰度阈值，并分别识别所述孔隙的数量和等效直径以及所述孔隙充填物的数量和等效直径。处理单元003，用于基于所述孔隙的数量和等效直径得到所述孔隙的面积；基于所述孔隙充填物的数量和等效直径得到所述孔隙充填物的面积；基于所述岩石样品储层图像的面积和所述孔隙的面积得到所述孔隙的面孔率，基于所述岩石样品储层图像的面积和所述孔隙充填物的面积得到所述孔隙充填物的面积占比；基于所有所述孔隙的面孔率和所述孔隙充填物的面积占比得到所述岩石样品的面孔率。该岩石面孔率识别装置对陆相页岩孔隙类型多，且无机孔部分被有机质全充填及部分充填的特征，在考虑孔隙类型、孔隙充填特征的基础上，建立了适用于陆相页岩面孔率的识别方法，可以快速、准确的评价一套陆相页岩的总孔隙面孔率及其各种类型孔隙的面孔率，认识陆相页岩储层储集空间发育特征及储集能力，解决了目前的评价方法无法针对陆相页岩储层这一地质特征精确、快速的表征孔隙面孔率的问题，且具有较强的可操作性，提高了评价结果的可信度，对寻找陆相页岩油气具有重要的实践意义。
实施例四
本实施例提供了一种电子设备，该电子设备可以是手机、电脑或平板电脑等，包括存储器和处理器，所述存储器上存储有计算机程序，该计算机程序被处理器执行时实现如实施例一种所述的岩石面孔率的识别方法。可以理解，电子设备还可以包括，输入/输出(I/O)接口，以及通信组件。
其中，处理器用于执行如实施例一中的岩石面孔率的识别方法中的全部或部分步骤。存储器用于存储各种类型的数据，这些数据例如可以包括电子设备中的任何应用程序或方法的指令，以及应用程序相关的数据。
所述处理器可以是专用集成电路(Application Specific Integrated Cricuit，简称ASIC)、数字信号处理器(Digital Signal Processor，简称DSP)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field Programmable GateArray，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述实施例一中的岩石面孔率的识别方法。
所述存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random Access Memery，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，简称EPROM),可编程只读存储器(Programmable Read-Only Memory，简称PROM),只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。
实施例五
本实施例还提供一种计算机可读存储介质。在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，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，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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步骤。
而前述的存储介质包括：闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、APP应用商城等等各种可以存储程序校验码的介质，其上存储有计算机程序，所述计算机程序被处理器执行时可以实现如下方法步骤：
步骤S11：基于所述孔隙类型和所述孔隙充填物类型分别设定孔隙的灰度阈值和孔隙充填物的灰度阈值，并分别识别孔隙的数量和等效直径以及孔隙充填物的数量和等效直径。
根据步骤S01中判断的有机孔隙设定有机孔隙的灰度阈值，可以结合人工提取，得到有机孔隙的数量和等效直径；根据步骤S01中判断的无机孔隙设定无机孔隙的灰度阈值，可以结合人工提取，得到无机孔隙的数量和等效直径；根据步骤S01中判断的无机孔隙中充填的有机质设定无机孔隙中充填的有机质的灰度值，可以结合人工提取，得到无机孔隙中充填的有机质的数量和等效直径。
可以理解，可以利用Image-Pro Plus软件，分别设定有机孔隙、无机孔隙和无机孔隙中充填有机质的灰度阈值，并结合人工提取，分别识别有机孔隙、无机孔隙和无机孔隙中有机质的数量和等效直径，除此之外，还可以采用其他的软件对有机孔隙、无机孔隙和无机孔隙中有机质的数量和等效直径进行识别，识别有机孔隙、无机孔隙和无机孔隙中有机质的数量和等效直径的方法可以是根据实际的情况进行选择的，本发明对如何识别有机孔隙、无机孔隙和无机孔隙中有机质的数量和等效直径不做限定。
步骤S12：基于所述孔隙的数量和等效直径得到孔隙的面积，基于所述孔隙充填物的数量以及等效直径得到所述孔隙充填物的面积。可选地，包括基于有机孔隙的数量以及等效直径得到有机孔隙的面积；基于无机孔隙的数量以及等效直径得到无机孔隙的面积；基于无机孔隙中充填的有机质的数量以及等效直径得到无机孔隙中充填的有机质的面积。
可选地，基于孔隙的数量以及等效直径得到孔隙的面积以及基于孔隙充填物的数量以及等效直径得到孔隙充填物的面积的公式包括：
其中，S为面积；j代表孔隙类型和孔隙充填物，j＝1,2,3；n为不同孔隙类型和孔隙充填物各自的数量；d为不同孔隙类型和孔隙充填物各自的直径。例如：S1可以为有机孔隙的面积、S2可以为无机孔隙的面积，S3可以为无机孔隙中充填的有机质的面积；n为有机孔隙的数量或者无机孔隙的数量或者无机孔隙中充填有机质的数量；d1为有机孔隙的直径、d2为无机孔隙的直径、d3为无机孔隙中填充有机质的直径。
基于有机孔隙的数量以及等效直径得到有机孔隙的面积的公式包括：
基于无机孔隙的数量以及等效直径得到无机孔隙的面积的公式包括：
基于无机孔隙中充填的有机质的数量以及等效直径得到无机孔隙中充填的有机质的面积的公式包括
步骤S13：基于岩石储层图像的面积和孔隙的面积得到孔隙的面孔率，基于岩石储层图像的面积和孔隙充填物的面积得到孔隙充填物面积占比。
岩石储层图像可以为陆相页岩储层等倍率放大的扫描电镜图像，基于岩石样品储层图像的长和宽得到岩石样品储层图像的面积，可选地，岩石样品储层的面积计算公式包括：
S0＝a*b
其中，S0为扫描电镜图像的面积，单位可以为μm2；a和b分别为扫描电镜图像的长和宽，单位可以为μm。
基于岩石储层图像的面积和孔隙的面积得到孔隙的面孔率，基于岩石储层图像的面积和孔隙充填物的面积得到孔隙充填物面积占比，包括：基于岩石储层图像的面积和有机孔隙的面积得到有机孔隙的面孔率；基于岩石储层图像的面积和无机孔隙的面积得到无机孔隙的面孔率；基于岩石储层图像的面积和无机孔隙中有机质的面积得到无机孔隙中有机质的面积占比。
可选地，基于岩石储层图像的面积和孔隙的面积得到孔隙的面孔率，基于岩石储层图像的面积和孔隙充填物的面积得到孔隙充填物面积占比的公式包括：
其中，P为孔隙的面孔率或孔隙充填物的面积占比；S为孔隙类型或孔隙充填物的面积；j为孔隙类型或孔隙充填物，j＝1,2,3；S0为岩石储层图像的面积。例如：P1可以为有机孔隙的面孔率、P2可以为无机孔隙的面孔率，P3可以为无机孔隙中充填的有机质的面积占比；S1为有机孔隙的面积、S2为无机孔隙的面积、S3为无机孔隙中填充有机质的面积。
基于岩石样品储层图像的面积和有机孔隙的面积得到有机孔隙的面孔率的公式包括：
基于岩石样品储层图像的面积和无机孔隙的面积得到无机孔隙的面孔率的公式包括：
基于岩石样品储层图像的面积和孔隙充填物的面积得到孔隙充填物的面积占比的公式包括：
步骤S14:基于所有孔隙的面孔率和孔隙充填物的面积占比得到岩石样品的面孔率。基于所有所述孔隙的面孔率和所述孔隙充填物的面积占比得到所述岩石样品的面孔率包括：将所有所述孔隙的面孔率求和，并以所有所述孔隙的面孔率之和减去所有所述孔隙充填物的面积占比得到所述岩石样品的面孔率。利用有机孔隙、无机孔隙的面孔率及无机孔隙中有机质的面积占比计算页岩样品的面孔率，将孔隙的面孔率之和减去所有孔隙充填物的面积占比得到所述岩石样品的面孔率。可选地，计算公式包括：
P＝P1+P2+…+Pi-Pi+1-Pi+2-…-Pj，
其中，其中p为岩石样品的面孔率；P1～Pi为所有孔隙的面孔率之和；Pi+1-Pi+2-…-Pj为所有孔隙充填物的面积占比。
以陆相页岩为例，孔隙的类型包括有机孔隙和无机孔隙，孔隙中的充填物类型包括无机孔隙中充填的有机质。陆相页岩的面孔率的计算方法包括有机孔隙的面孔率加上无机孔隙的面孔率减去无机孔隙中有机质的面积占比。可选地，公式包括：
P＝P1+P2-P3
其中，P为陆相页岩面孔率，P1为有机孔隙的面孔率，P2为无机孔隙的面孔率，P3为无机孔隙中充填有机质的面积占比。
本发明实施例提供了一种岩石面孔率的识别方法，所述方法包括采集岩石样品储层图像，并识别所述岩石样品储层的孔隙类型和孔隙充填物类型；基于所述孔隙类型和所述孔隙充填物类型分别设定所述孔隙的灰度阈值和所述孔隙充填物的灰度阈值，并分别识别所述孔隙的数量和等效直径以及所述孔隙充填物的数量和等效直径；基于所述孔隙的数量和等效直径得到所述孔隙的面积；基于所述孔隙充填物的数量和等效直径得到所述孔隙充填物的面积；基于所述岩石样品储层图像的面积和所述孔隙的面积得到所述孔隙的面孔率，基于所述岩石样品储层图像的面积和所述孔隙充填物的面积得到所述孔隙充填物的面积占比；基于所有所述孔隙的面孔率和所述孔隙充填物的面积占比得到所述岩石样品的面孔率。
该方法对陆相页岩孔隙类型多，且无机孔部分被有机质全充填及部分充填的特征，在考虑孔隙类型、孔隙充填特征的基础上，建立了适用于陆相页岩面孔率的识别方法，可以快速、准确的评价一套陆相页岩的总孔隙面孔率及其各种类型孔隙的面孔率，认识陆相页岩储层储集空间发育特征及储集能力，解决了目前的评价方法无法针对陆相页岩储层这一地质特征精确、快速的表征孔隙面孔率的问题，且具有较强的可操作性，提高了评价结果的可信度，对寻找陆相页岩油气具有重要的实践意义。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，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，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的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，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者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者全部单元来实现本实施例方案的目的。
以上结合具体实施例描述了本申请的基本原理，但是，需要指出的是，在本申请中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本申请为必须采用上述具体的细节来实现。
本申请中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备、系统。
还需要指出的是，在本申请的装置、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本申请的等效方案。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本申请。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本申请的范围。因此，本申请不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。
本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。本申请实施例中所有方向性指示(诸如上、下、左、右、前、后、顶、底……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
另外，在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
以上所述，仅为本发明的具体实施方式，但本发明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发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换等，均应包含在本发明的保护范围之内。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种岩石面孔率的识别方法，其特征在于，包括：
采集岩石样品储层图像，并识别所述岩石样品储层的孔隙类型和孔隙充填物类型；
基于所述孔隙类型和所述孔隙充填物类型分别设定所述孔隙的灰度阈值和所述孔隙充填物的灰度阈值，并分别识别所述孔隙的数量和等效直径以及所述孔隙充填物的数量和等效直径；
基于所述孔隙的数量和等效直径得到所述孔隙的面积；
基于所述孔隙充填物的数量和等效直径得到所述孔隙充填物的面积；
基于所述岩石样品储层图像的面积和所述孔隙的面积得到所述孔隙的面孔率，基于所述岩石样品储层图像的面积和所述孔隙充填物的面积得到所述孔隙充填物的面积占比；
基于所有所述孔隙的面孔率和所述孔隙充填物的面积占比得到所述岩石样品的面孔率。
2.根据权利要求1所述的岩石面孔率的识别方法，其特征在于，采集岩石样品储层图像，并识别所述岩石样品储层的孔隙类型和孔隙充填物类型包括：识别所述岩石样品储层的有机孔隙、无机孔隙和无机孔隙中充填的有机质。
3.根据权利要求1所述的岩石面孔率的识别方法，其特征在于，基于所述孔隙的数量和等效直径得到所述孔隙的面积、基于所述孔隙充填物的数量和等效直径得到所述孔隙充填物的面积均基于以下模型获得：
其中S为孔隙类型或孔隙充填物的面积；j为孔隙类型或孔隙充填物；n为不同孔隙类型和孔隙充填物各自的数量；d为不同孔隙类型和孔隙充填物各自的直径。
4.根据权利要求1所述的岩石面孔率的识别方法，其特征在于，还包括：基于所述岩石样品储层图像的长和宽得到所述岩石样品储层图像的面积。
5.根据权利要求1所述的岩石面孔率的识别方法，其特征在于，基于所述岩石样品储层图像的面积和所述孔隙的面积得到所述孔隙的面孔率、基于所述岩石样品储层图像的面积和所述孔隙充填物的面积得到所述孔隙充填物的面积占比均基于以下模型获得：
其中，P为孔隙的面孔率或孔隙充填物的面积占比；S为孔隙类型或孔隙充填物的面积；j为孔隙类型或孔隙充填物；S0为岩石储层图像的面积。
6.根据权利要求1所述的岩石面孔率的识别方法，其特征在于，基于所有所述孔隙的面孔率和所述孔隙充填物的面积占比得到所述岩石样品的面孔率包括：将所有所述孔隙的面孔率求和，并以所有所述孔隙的面孔率之和减去所有所述孔隙充填物的面积占比得到所述岩石样品的面孔率。
7.根据权利要求1所述的岩石面孔率的识别方法，其特征在于，采集岩石样品储层图像包括：采集岩石储层等倍率放大扫描电镜图像。
8.一种岩石面孔率的识别装置，其特征在于，包括：
采集单元，用于采集岩石样品储层图像；
识别单元，用于识别所述岩石样品储层的孔隙类型和孔隙充填物类型；基于所述孔隙类型和所述孔隙充填物类型分别设定所述孔隙的灰度阈值和所述孔隙充填物的灰度阈值，并分别识别所述孔隙的数量和等效直径以及所述孔隙充填物的数量和等效直径；
处理单元，用于基于所述孔隙的数量和等效直径得到所述孔隙的面积；基于所述孔隙充填物的数量和等效直径得到所述孔隙充填物的面积；基于所述岩石样品储层图像的面积和所述孔隙的面积得到所述孔隙的面孔率，基于所述岩石样品储层图像的面积和所述孔隙充填物的面积得到所述孔隙充填物的面积占比；基于所有所述孔隙的面孔率和所述孔隙充填物的面积占比得到所述岩石样品的面孔率。
9.一种电子设备，其特征在于，包括存储器和处理器，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行时实现如权利要求1-7任一项所述的岩石面孔率的识别方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被一个或多个处理器执行时用以实现如权利要求1-7任一项所述的岩石面孔率的识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011077534.6A CN114429483A (zh) | 2020-10-10 | 2020-10-10 | 一种岩石面孔率的识别方法及识别装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011077534.6A CN114429483A (zh) | 2020-10-10 | 2020-10-10 | 一种岩石面孔率的识别方法及识别装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114429483A true CN114429483A (zh) | 2022-05-03 |
Family
ID=81308863
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011077534.6A Pending CN114429483A (zh) | 2020-10-10 | 2020-10-10 | 一种岩石面孔率的识别方法及识别装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114429483A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117593299A (zh) * | 2024-01-18 | 2024-02-23 | 北京大学 | 纹层状页岩储集空间有效性评价方法、装置、设备及介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107228816A (zh) * | 2017-06-01 | 2017-10-03 | 中国石油大学(华东) | 一种泥页岩中不同类型孔隙演化评价方法 |
| CN107525753A (zh) * | 2017-07-25 | 2017-12-29 | 中国石油大学(北京) | 确定孔隙曲折度的方法及装置 |
| CN108414423A (zh) * | 2018-04-27 | 2018-08-17 | 成都理工大学 | 岩石微纳米孔隙的扫描电镜成像方法 |
| US20180259468A1 (en) * | 2017-03-07 | 2018-09-13 | Saudi Arabian Oil Company | Absolute porosity and pore size determination of pore types in media with varying pore sizes |
| CN110389099A (zh) * | 2018-04-23 | 2019-10-29 | 中国石油大学(北京) | 储层物性的修正方法和装置 |
-
2020
- 2020-10-10 CN CN202011077534.6A patent/CN114429483A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180259468A1 (en) * | 2017-03-07 | 2018-09-13 | Saudi Arabian Oil Company | Absolute porosity and pore size determination of pore types in media with varying pore sizes |
| CN107228816A (zh) * | 2017-06-01 | 2017-10-03 | 中国石油大学(华东) | 一种泥页岩中不同类型孔隙演化评价方法 |
| CN107525753A (zh) * | 2017-07-25 | 2017-12-29 | 中国石油大学(北京) | 确定孔隙曲折度的方法及装置 |
| CN110389099A (zh) * | 2018-04-23 | 2019-10-29 | 中国石油大学(北京) | 储层物性的修正方法和装置 |
| CN108414423A (zh) * | 2018-04-27 | 2018-08-17 | 成都理工大学 | 岩石微纳米孔隙的扫描电镜成像方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117593299A (zh) * | 2024-01-18 | 2024-02-23 | 北京大学 | 纹层状页岩储集空间有效性评价方法、装置、设备及介质 |
| CN117593299B (zh) * | 2024-01-18 | 2024-04-19 | 北京大学 | 纹层状页岩储集空间有效性评价方法、装置、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhuang et al. | Prediction of rainfall‐induced shallow landslides in the Loess Plateau, Yan'an, China, using the TRIGRS model | |
| Neuhäuser et al. | GIS-based assessment of landslide susceptibility on the base of the weights-of-evidence model | |
| Lee et al. | Assessment of shallow landslide susceptibility using the transient infiltration flow model and GIS-based probabilistic approach | |
| Ließ et al. | Uncertainty in the spatial prediction of soil texture: comparison of regression tree and Random Forest models | |
| CN110276827B (zh) | 一种基于泥页岩储层的有效性的评价方法 | |
| Domènech et al. | Preparing first-time slope failures hazard maps: from pixel-based to slope unit-based | |
| Ghimire | Landslide occurrence and its relation with terrain factors in the Siwalik Hills, Nepal: case study of susceptibility assessment in three basins | |
| Nikora et al. | Scaling properties in landscape patterns: New Zealand experience | |
| Crippa et al. | Semi-automated regional classification of the style of activity of slow rock-slope deformations using PS InSAR and SqueeSAR velocity data | |
| CN106323836A (zh) | 一种井壁渗透率计算方法及装置 | |
| Li et al. | Pore‐Scale Imaging of the Oil Cluster Dynamic during Drainage and Imbibition Using In Situ X‐Ray Microtomography | |
| Al Ibrahim et al. | An automated petrographic image analysis system: Capillary pressure curves using confocal microscopy | |
| Liu et al. | Impacts of September 21, 1999 Chi-Chi earthquake on the characteristics of gully-type debris flows in central Taiwan | |
| Flynn et al. | Comparing algorithms to disaggregate complex soil polygons in contrasting environments | |
| CN114429483A (zh) | 一种岩石面孔率的识别方法及识别装置 | |
| Golsanami et al. | Fractal properties of various clay minerals obtained from SEM images | |
| Bossi et al. | Quantification of the uncertainty in the modelling of unstable slopes displaying marked soil heterogeneity | |
| Schoville | Testing a taphonomic predictive model of edge damage formation with Middle Stone Age points from Pinnacle Point Cave 13B and Die Kelders Cave 1, South Africa | |
| McGann et al. | Development of a regional Vs30 model and typical Vs profiles for Christchurch, New Zealand from CPT data and region-specific CPT-Vs correlation | |
| Pyrcz et al. | Declustering and debiasing | |
| Darko et al. | Regional transmissivity distribution and groundwater potential in hard rock of Ghana | |
| Dippenaar | Porosity reviewed: quantitative multi-disciplinary understanding, recent advances and applications in vadose zone hydrology | |
| CN115831276A (zh) | 一种土料的空间分类分区方法和系统 | |
| CN112925041B (zh) | 储层裂缝的发育程度确定方法、装置、设备及存储介质 | |
| Earon et al. | Integrating storage and spatial variability into shallow groundwater balances: moving towards water security in hard rock coastal areas |
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 |