CN114662915A - 一种快速获取岩心采取率及rqd值的方法 - Google Patents
一种快速获取岩心采取率及rqd值的方法 Download PDFInfo
- Publication number
- CN114662915A CN114662915A CN202210291807.XA CN202210291807A CN114662915A CN 114662915 A CN114662915 A CN 114662915A CN 202210291807 A CN202210291807 A CN 202210291807A CN 114662915 A CN114662915 A CN 114662915A
- Authority
- CN
- China
- Prior art keywords
- core
- surface profile
- rock
- value
- profile
- 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 148
- 238000005070 sampling Methods 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000007781 pre-processing Methods 0.000 claims abstract description 5
- 238000013527 convolutional neural network Methods 0.000 claims description 12
- 238000005215 recombination Methods 0.000 claims description 2
- 230000006798 recombination Effects 0.000 claims description 2
- 238000000605 extraction Methods 0.000 claims 4
- 238000005259 measurement Methods 0.000 abstract description 6
- 238000005553 drilling Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 229910000838 Al alloy Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013529 biological neural network Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 229920003023 plastic Polymers 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000008521 reorganization Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Primary Health Care (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
Abstract
本发明属于地质勘探技术领域,公开了一种快速获取岩心采取率及RQD值的方法,为了解决采用人工测量岩心存在着较大误差而导致岩心采取率以及RDQ值不精确的问题。本发明包括:(1)对存放有岩心的岩心箱进行拍照,从而获得具有岩心箱轮廓和若干个岩心外表面轮廓的图片:(2)对岩心外表面轮廓进行预处理获得预处理岩心外表面轮廓;(3)对相邻预处理岩心外表面轮廓之间的暗色区域进行删除;(4)获取岩心箱的长度数据计算出各个预处理岩心外表面轮廓的长度值;(5)依据获得的岩心外表面轮廓的长度值计算出岩心采取率和RQD值。本发明通过拍照就能够获得岩心采取率和RQD值,具有速度快以及计算的岩心采取率和RQD值更加准确的特点。
Description
技术领域
本发明属于地质勘探技术领域,具体涉及一种快速获取岩心采取率及RQD值的方法。
背景技术
在地质勘探工作总,耗费大量人力、物力、财力和时间进行岩心钻探的根本目的,就是为了保质、保量地采出岩心,作为对勘探区进行地质研究、评估的第一性实物资料,因此,岩心采取率时衡量钻孔质量的一项重要指标。
岩心采取率是指钻探取出的完整岩石加上破碎岩石总长度与回次进尺(指在一个回次内,即在一个起下钻的循环时间内钻探或钻井所钻的深度)的比值,反应钻探质量的指标,和地层岩性破碎程度、钻探技术和质量控制有关。其中,在一个回次内的岩心采取率称为回次采取率;在一岩层内的岩心采取率称为分层岩心采取率。
岩石RQD是岩石的质量指标,用直径75mm的金刚石钻头和双层岩芯管在岩石中钻进,连续取芯,回次钻进所需取岩芯中,长度大于等于10cm的岩心段长度之和与该回次进尺的比值。
因此,岩心采取率和RQD作为勘探领域中重要的质量指标,岩心在保存过程中一般采用岩心箱来储存钻探所取出的岩心,岩心箱一般用木材、铝合金和塑料制作。
目前,对于岩心采取率以及RQD的计算,都是采用人工进行测量岩心,然后进行计算以获得岩心采取率及RQD值。但是人工测量在测量岩心时存在着较大的误差,导致岩心采取率以及RQD值的计算与真实值存在着较大误差。
发明内容
本发明为了解决采用人工测量岩心存在着较大误差而导致岩心采取率以及RDQ值不精确的问题,而提供一种快速获取岩心采取率及RQD值的方法,既能够提高岩心采取率及RQD值的获取速度,同时又能够提高岩心采取率以及RQD值的精度。
为解决技术问题,本发明所采用的技术方案是:
一种快速获取岩心采取率及RQD值的方法,其特征在于,包括:
(1)对存放有岩心的岩心箱进行拍照,从而获得具有岩心箱轮廓和若干个岩心外表面轮廓的图片:
(2)对岩心外表面轮廓进行预处理获得预处理岩心外表面轮廓;
(3)对相邻预处理岩心外表面轮廓之间的暗色区域进行删除;
(4)获取岩心箱的长度数据,将各个预处理岩心外表面轮廓与岩心箱轮廓进行对比获得各个预处理岩心外表面轮廓与岩心箱轮廓的对照比值,依照获取的岩心箱的长度数据以及对照比值计算出各个预处理岩心外表面轮廓的长度值;
(5)将各个预处理岩心外表面轮廓的长度值进行叠加获得岩心总长度,岩心总长度与回次进尺的比值得到岩心采取率;从各个预处理岩心外表面轮廓的长度值中选取长度大于等于10cm的长度值并进行叠加并与获得的回次进尺进行对比获得RQD值。
在一些实施例中,所述岩心外表面轮廓包括完整岩石的外表面轮廓和破碎岩石的外表面轮廓。
在一些实施例中,所述对岩心外表面轮廓进行预处理获得预处理岩心外表面轮廓包括:
对岩心外表面轮廓进行去噪处理。
在一些实施例中,所述对岩心外表面轮廓进行去噪处理包括:采用编码网络对岩心外表面轮廓进行特征提取,获得岩心外表面轮廓特征信息,其中岩心外表面轮廓特征信息包括噪声信息;将所述岩心外表面轮廓特征信息输入解码网络进行去噪处理,得到去噪后的预处理岩心外表面轮廓。
在一些实施例中,所述编码网络和解码网络为卷积神经网络,所述卷积神经网络包括多个卷积层,每个卷积层用于对岩心外表面轮廓进行压缩以及特征重组的卷积操作;所述解码网络包括与编码网络相同层数的多个卷积层,每个卷积层用于对输入的岩心外表面轮廓特征信息进行还原以及特征重组的卷积操作从得到去噪的预处理岩心外表面轮廓。
在一些实施例中,所述对相邻预处理岩心外表面轮廓之间的暗色区域进行删除包括:
(1)获取岩心箱轮廓的颜色信息,所述颜色信息包括红色分量值、绿色分量值、蓝色分量值;
(2)获取各个预处理岩心外表面轮廓的颜色信息,所述颜色信息包括红色分量值、绿色分量值和蓝色分量值;
(3)将各个预处理岩心外表面轮廓的红色分量值、绿色分量值和蓝色分量值与岩心箱轮廓的红色分量值、绿色分量值和蓝色分量值分别进行对比,分别获得各个预处理岩心外表面轮廓的颜色与岩心箱轮廓颜色的对比值;
(4)获取拍摄的图片中去除掉岩心箱轮廓和岩心外表面轮廓之外的颜色之外的颜色信息,并与获取岩心箱轮廓的红色分量值、绿色分量值、蓝色分量值进行对比;
(5)删除各个预处理岩心外表面轮廓的颜色与岩心箱轮廓颜色的对比值之外的颜色信息,从而将相邻的预处理岩心外表面的暗色区域删除掉。
在一些实施例中,当岩心外表面轮廓包括有破碎岩石的外表面轮廓时,首先对各个破碎岩石的外表面轮廓进行路径识别获得路径信息,然后将各个破碎岩石的外表面轮廓的路径信息进行匹配,将具有相同路径信息的各个破碎岩石进行拼接从而形成完整岩石的外表面轮廓。
在一些实施例中,在对存放有岩心的岩心箱进行拍照时,应当将岩心进行旋转拍照,从而获得岩心四个面在岩心箱中的照片;当对各个破碎岩石的外表面轮廓的路径信息进行匹配时,将一破碎岩石的外表面轮廓的路径信息与其余破碎岩石的四个面的外表面轮廓的路径进行匹配。
在一些实施例中,所述将一破碎岩石的外表面轮廓的路径信息与其余破碎岩石的四个面的外表面轮廓的路径进行匹配还包括:将具有相同颜色信息的破碎岩石进行匹配。
与现有技术相比,本发明具有以下有益效果:
本发明的快速获取岩心采取率及RQD值的方法,通过对岩心箱内的岩心进行四个面的拍摄,然后获得完整岩石的外表面轮廓、破碎岩石的外表面轮廓以及岩心箱外表面轮廓,然后对获取完整岩石的外表面轮流的颜色信息、破碎岩石的外表面轮廓的颜色信息以及岩心箱外表面轮廓信息,然后对破碎岩石的外表面轮廓进行路径识别并进行匹配从而拼接成完整岩石的外表面轮廓信息,然后将获得的完整岩石的外表面轮廓进行去噪预处理,然后将预处理岩心外表面轮廓的颜色信息与岩心箱外表面轮廓的颜色信息进行对比获得各个预处理岩心外表面轮廓的对比值,然后删除掉相邻的预处理岩心外表面的暗色区域;依据获取岩心箱的长度数据计算出各个预处理岩心外表面轮廓的长度值;将各个预处理岩心外表面轮廓的长度值进行叠加获得岩心总长度,岩心总长度与回次进尺的比值得到岩心采取率;从各个预处理岩心外表面轮廓的长度值中选取长度大于等于10cm的长度值并进行叠加并与获得的回次进尺进行对比获得RQD值。本发明相比于现有技术通过人工测量和计算的方式,通过拍照就能够获得岩心采取率和RQD值,具有速度快以及计算的岩心采取率和RQD值更加准确的特点。
附图说明
图1为本发明一实施例的流程框图。
具体实施方式
下面结合实施例对本发明作进一步的描述,所描述的实施例仅仅是本发明一部分实施例,并不是全部的实施例。基于本发明中的实施例,本领域的普通技术人员在没有做出创造性劳动前提下所获得的其他所用实施例,都属于本发明的保护范围。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制;术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性;此外,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接;可以是直接相连,也可以通过中间媒介间接相连。对于本领域的普通技术人员而言,可以结合具体情况理解上述术语在本发明中的具体含义。
结合附图,本发明的快速获取岩心采取率及RQD值的方法,包括:
(1)对存放有岩心的岩心箱进行拍照,从而获得具有岩心箱轮廓和若干个岩心外表面轮廓的图片:在拍照的过程中,应当将岩心竖立放置,即是说完整的岩心和破碎的岩心的中心线在同一直线上,为了提高计算的精准度,避免破碎岩心横平放置。
为了获取更多的信息,应当拍摄对岩心的四个方向均进行拍摄,即拍完一次后,对各个岩心(完整的岩心和破碎的岩心)旋转90°再拍摄一次,依次类推,直至能够对岩心的圆周面全部拍摄完成。
(2)对岩心外表面轮廓进行预处理获得预处理岩心外表面轮廓,预处理的目的是对岩心外表面轮廓进行去噪处理,从而提高后续处理的精确度;
(3)对相邻预处理岩心外表面轮廓之间的暗色区域进行删除,由于岩心箱的长度设置一般固定,并且一个岩心箱含有多排岩心,每一排岩心并不是零距离摆放,因此需要将相邻岩心之间的空隙去除掉,从而确保后续计算岩心采取率和RQD值的准确;
(4)获取岩心箱的长度数据,将各个预处理岩心外表面轮廓与岩心箱轮廓进行对比获得各个预处理岩心外表面轮廓与岩心箱轮廓的对照比值,依照获取的岩心箱的长度数据以及对照比值计算出各个预处理岩心外表面轮廓的长度值;其中,岩心箱的长度一般是固定的,即使岩心箱的长度不固定,通过测量的方式也非常方便的获取到岩心箱的长度数据。
(5)将各个预处理岩心外表面轮廓的长度值进行叠加获得岩心总长度,岩心总长度与回次进尺的比值得到岩心采取率;从各个预处理岩心外表面轮廓的长度值中选取长度大于等于10cm的长度值并进行叠加并与获得的回次进尺进行对比获得RQD值。
在一些实施例中,所述岩心外表面轮廓包括完整岩石的外表面轮廓和破碎岩石的外表面轮廓。
在一些实施例中,所述对岩心外表面轮廓进行预处理获得预处理岩心外表面轮廓包括:
对岩心外表面轮廓进行去噪处理。
在一些实施例中,所述对岩心外表面轮廓进行去噪处理包括:采用编码网络对岩心外表面轮廓进行特征提取,获得岩心外表面轮廓特征信息,其中岩心外表面轮廓特征信息包括噪声信息;将所述岩心外表面轮廓特征信息输入解码网络进行去噪处理,得到去噪后的预处理岩心外表面轮廓。
在一些实施例中,所述编码网络和解码网络为卷积神经网络,所述卷积神经网络包括多个卷积层,每个卷积层用于对岩心外表面轮廓进行压缩以及特征重组的卷积操作;所述解码网络包括与编码网络相同层数的多个卷积层,每个卷积层用于对输入的岩心外表面轮廓特征信息进行还原以及特征重组的卷积操作从得到去噪的预处理岩心外表面轮廓。在具体实施过程中,卷积神经网络为深度卷积神经网络(CNN),CNN是一种深度的监督学习下的机器学习模型,具有极强的适应性,善于挖掘数据局部特征,提取全局训练特征和分类,它的权值共享结构网络使之更类似于生物神经网络,在模式识别各个领域都取得了很好的成果。
编码网络和解码网络可以包括多个卷积层(例如,5个卷积层),每个卷积层中包含一个压缩尺寸的卷积块以及一个对特征进行重组的卷积块。其中,利用编码网络和解码网络对图片进行去噪处理为现有技术,本领域的技术人员都能明白和理解,在此不再赘述。
在一些实施例中,所述对相邻预处理岩心外表面轮廓之间的暗色区域进行删除包括:
(1)获取岩心箱轮廓的颜色信息,所述颜色信息包括红色分量值、绿色分量值、蓝色分量值;
(2)获取各个预处理岩心外表面轮廓的颜色信息,所述颜色信息包括红色分量值、绿色分量值和蓝色分量值;
(3)将各个预处理岩心外表面轮廓的红色分量值、绿色分量值和蓝色分量值与岩心箱轮廓的红色分量值、绿色分量值和蓝色分量值分别进行对比,分别获得各个预处理岩心外表面轮廓的颜色与岩心箱轮廓颜色的对比值;
(4)获取拍摄的图片中去除掉岩心箱轮廓和岩心外表面轮廓之外的颜色之外的颜色信息,并与获取岩心箱轮廓的红色分量值、绿色分量值、蓝色分量值进行对比;
(5)删除各个预处理岩心外表面轮廓的颜色与岩心箱轮廓颜色的对比值之外的颜色信息,从而将相邻的预处理岩心外表面的暗色区域删除掉。
其中,本发明利用岩心箱轮廓、岩心外表面轮廓的红色分量值、绿色分量值和蓝色分量值,即可以判断出不同颜色的岩心,并且识别出岩心和岩心箱。
在一些实施例中,当岩心外表面轮廓包括有破碎岩石的外表面轮廓时,首先对各个破碎岩石的外表面轮廓进行路径识别获得路径信息,然后将各个破碎岩石的外表面轮廓的路径信息进行匹配,将具有相同路径信息的各个破碎岩石进行拼接从而形成完整岩石的外表面轮廓。
在一些实施例中,在对存放有岩心的岩心箱进行拍照时,应当将岩心进行旋转拍照,从而获得岩心四个面在岩心箱中的照片;当对各个破碎岩石的外表面轮廓的路径信息进行匹配时,将一破碎岩石的外表面轮廓的路径信息与其余破碎岩石的四个面的外表面轮廓的路径进行匹配。
在一些实施例中,所述将一破碎岩石的外表面轮廓的路径信息与其余破碎岩石的四个面的外表面轮廓的路径进行匹配还包括:将具有相同颜色信息的破碎岩石进行匹配。
其中,当一破碎岩石的外表面轮廓的路径信息与其余破碎岩石的四个面的外表面轮廓的路径进行匹配时,将其余破碎岩石的外表面轮廓进行旋转,从而找到与该破碎岩石路径相同的其余破碎岩石,在相同颜色的情况下,路径相同的破碎岩石即可说明该两破碎岩石本身应该属于一个整体,由于岩石本身结构或者取岩心、搬运过程中出现了破碎的情况。本发明通过上述颜色信息的匹配、路径识别和匹配将破碎岩石进行拼接形成完整岩石。
综上,当含有破碎岩心的时候,本发明快速获取岩心采取率及RQD值的方法,包括:
(1)对存放有岩心的岩心箱进行拍照,从而获得具有岩心箱轮廓和若干个岩心外表面轮廓的图片:拍照过程中应当获取岩心4个面的岩心外表面轮廓;
(2)当岩心外表面轮廓包含有破碎岩石的外表面轮廓时,对破碎岩石进行拼接从而形成完整岩石的外表面轮廓;
(3)对岩心外表面轮廓进行预处理获得预处理岩心外表面轮廓;
(4)对相邻预处理岩心外表面轮廓之间的暗色区域进行删除;
(5)获取岩心箱的长度数据,将各个预处理岩心外表面轮廓与岩心箱轮廓进行对比获得各个预处理岩心外表面轮廓与岩心箱轮廓的对照比值,依照获取的岩心箱的长度数据以及对照比值计算出各个预处理岩心外表面轮廓的长度值;
(6)将各个预处理岩心外表面轮廓的长度值进行叠加获得岩心总长度,岩心总长度与回次进尺的比值得到岩心采取率;从各个预处理岩心外表面轮廓的长度值中选取长度大于等于10cm的长度值并进行叠加并与获得的回次进尺进行对比获得RQD值。
本发明的快速获取岩心采取率及RQD值的方法,通过对岩心箱内的岩心进行四个面的拍摄,然后获得完整岩石的外表面轮廓、破碎岩石的外表面轮廓以及岩心箱外表面轮廓,然后对获取完整岩石的外表面轮流的颜色信息、破碎岩石的外表面轮廓的颜色信息以及岩心箱外表面轮廓信息,然后对破碎岩石的外表面轮廓进行路径识别并进行匹配从而拼接成完整岩石的外表面轮廓信息,然后将获得的完整岩石的外表面轮廓进行去噪预处理,然后将预处理岩心外表面轮廓的颜色信息与岩心箱外表面轮廓的颜色信息进行对比获得各个预处理岩心外表面轮廓的对比值,然后删除掉相邻的预处理岩心外表面的暗色区域;依据获取岩心箱的长度数据计算出各个预处理岩心外表面轮廓的长度值;将各个预处理岩心外表面轮廓的长度值进行叠加获得岩心总长度,岩心总长度与回次进尺的比值得到岩心采取率;从各个预处理岩心外表面轮廓的长度值中选取长度大于等于10cm的长度值并进行叠加并与获得的回次进尺进行对比获得RQD值。本发明相比于现有技术通过人工测量和计算的方式,通过拍照就能够获得岩心采取率和RQD值,具有速度快以及计算的岩心采取率和RQD值更加准确的特点。
Claims (9)
1.一种快速获取岩心采取率及RQD值的方法,其特征在于,包括:
(1)对存放有岩心的岩心箱进行拍照,从而获得具有岩心箱轮廓和若干个岩心外表面轮廓的图片:
(2)对岩心外表面轮廓进行预处理获得预处理岩心外表面轮廓;
(3)对相邻预处理岩心外表面轮廓之间的暗色区域进行删除;
(4)获取岩心箱的长度数据,将各个预处理岩心外表面轮廓与岩心箱轮廓进行对比获得各个预处理岩心外表面轮廓与岩心箱轮廓的对照比值,依照获取的岩心箱的长度数据以及对照比值计算出各个预处理岩心外表面轮廓的长度值;
(5)将各个预处理岩心外表面轮廓的长度值进行叠加获得岩心总长度,岩心总长度与回次进尺的比值得到岩心采取率;从各个预处理岩心外表面轮廓的长度值中选取长度大于等于10cm的长度值并进行叠加并与获得的回次进尺进行对比获得RQD值。
2.根据权利要求1所述的快速获取岩心采取率及RQD值的方法,其特征在于,所述岩心外表面轮廓包括完整岩石的外表面轮廓和破碎岩石的外表面轮廓。
3.根据权利要求2所述的快速获取岩心采取率及RQD值的方法,其特征在于,所述对岩心外表面轮廓进行预处理获得预处理岩心外表面轮廓包括:对岩心外表面轮廓进行去噪处理。
4.根据权利要求3所述的快速获取岩心采取率及RQD值的方法,其特征在于,所述对岩心外表面轮廓进行去噪处理包括:采用编码网络对岩心外表面轮廓进行特征提取,获得岩心外表面轮廓特征信息,其中岩心外表面轮廓特征信息包括噪声信息;将所述岩心外表面轮廓特征信息输入解码网络进行去噪处理,得到去噪后的预处理岩心外表面轮廓。
5.根据权利要求4所述的快速获取岩心采取率及RQD值的方法,其特征在于,所述编码网络和解码网络为卷积神经网络,所述卷积神经网络包括多个卷积层,每个卷积层用于对岩心外表面轮廓进行压缩以及特征重组的卷积操作;所述解码网络包括与编码网络相同层数的多个卷积层,每个卷积层用于对输入的岩心外表面轮廓特征信息进行还原以及特征重组的卷积操作从得到去噪的预处理岩心外表面轮廓。
6.根据权利要求5所述的快速获取岩心采取率及RQD值的方法,其特征在于,所述对相邻预处理岩心外表面轮廓之间的暗色区域进行删除包括:
(1)获取岩心箱轮廓的颜色信息,所述颜色信息包括红色分量值、绿色分量值、蓝色分量值;
(2)获取各个预处理岩心外表面轮廓的颜色信息,所述颜色信息包括红色分量值、绿色分量值和蓝色分量值;
(3)将各个预处理岩心外表面轮廓的红色分量值、绿色分量值和蓝色分量值与岩心箱轮廓的红色分量值、绿色分量值和蓝色分量值分别进行对比,分别获得各个预处理岩心外表面轮廓的颜色与岩心箱轮廓颜色的对比值;
(4)获取拍摄的图片中去除掉岩心箱轮廓和岩心外表面轮廓之外的颜色之外的颜色信息,并与获取岩心箱轮廓的红色分量值、绿色分量值、蓝色分量值进行对比;
(5)删除各个预处理岩心外表面轮廓的颜色与岩心箱轮廓颜色的对比值之外的颜色信息,从而将相邻的预处理岩心外表面的暗色区域删除掉。
7.根据权利要求6所述的快速获取岩心采取率及RQD值的方法,其特征在于,当岩心外表面轮廓包括有破碎岩石的外表面轮廓时,首先对各个破碎岩石的外表面轮廓进行路径识别获得路径信息,然后将各个破碎岩石的外表面轮廓的路径信息进行匹配,将具有相同路径信息的各个破碎岩石进行拼接从而形成完整岩石的外表面轮廓。
8.根据权利要求7所述的快速获取岩心采取率及RQD值的方法,其特征在于,在对存放有岩心的岩心箱进行拍照时,应当将岩心进行旋转拍照,从而获得岩心四个面在岩心箱中的照片;当对各个破碎岩石的外表面轮廓的路径信息进行匹配时,将一破碎岩石的外表面轮廓的路径信息与其余破碎岩石的四个面的外表面轮廓的路径进行匹配。
9.根据权利要求8所述的快速获取岩心采取率及RQD值的方法,其特征在于,所述将一破碎岩石的外表面轮廓的路径信息与其余破碎岩石的四个面的外表面轮廓的路径进行匹配还包括:将具有相同颜色信息的破碎岩石进行匹配。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210291807.XA CN114662915A (zh) | 2022-03-24 | 2022-03-24 | 一种快速获取岩心采取率及rqd值的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210291807.XA CN114662915A (zh) | 2022-03-24 | 2022-03-24 | 一种快速获取岩心采取率及rqd值的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114662915A true CN114662915A (zh) | 2022-06-24 |
Family
ID=82031752
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210291807.XA Pending CN114662915A (zh) | 2022-03-24 | 2022-03-24 | 一种快速获取岩心采取率及rqd值的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114662915A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115393605A (zh) * | 2022-08-10 | 2022-11-25 | 长江三峡勘测研究院有限公司(武汉) | 基于图像识别技术的岩芯rqd数字化统计方法、设备及终端 |
CN116280649A (zh) * | 2023-03-28 | 2023-06-23 | 中国电建集团成都勘测设计研究院有限公司 | 一种测量岩芯长度的岩芯盒及计算采取率的方法 |
CN116415107A (zh) * | 2023-03-14 | 2023-07-11 | 长江三峡勘测研究院有限公司(武汉) | 岩心采取率数字化统计方法、系统、介质、设备及终端 |
-
2022
- 2022-03-24 CN CN202210291807.XA patent/CN114662915A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115393605A (zh) * | 2022-08-10 | 2022-11-25 | 长江三峡勘测研究院有限公司(武汉) | 基于图像识别技术的岩芯rqd数字化统计方法、设备及终端 |
CN116415107A (zh) * | 2023-03-14 | 2023-07-11 | 长江三峡勘测研究院有限公司(武汉) | 岩心采取率数字化统计方法、系统、介质、设备及终端 |
CN116280649A (zh) * | 2023-03-28 | 2023-06-23 | 中国电建集团成都勘测设计研究院有限公司 | 一种测量岩芯长度的岩芯盒及计算采取率的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114662915A (zh) | 一种快速获取岩心采取率及rqd值的方法 | |
CN110111331B (zh) | 基于机器视觉的蜂窝纸芯缺陷检测方法 | |
CN104850732B (zh) | 一种基于砂体统计学的油藏小层划分方法及装置 | |
US11530998B2 (en) | Method and system to analyze geologic formation properties | |
CN112241711A (zh) | 一种从钻孔岩芯照片中识别rqd的智能方法 | |
CN111738371B (zh) | 一种基于随机森林数据挖掘的地层裂缝条数预测方法 | |
CN106296678B (zh) | 基于钻孔光学成像技术的rqd分析方法 | |
CN114387328A (zh) | 基于深度学习模型和岩心图像的rqd计算方法 | |
CN111381275A (zh) | 一种地震数据的初至拾取方法和装置 | |
CN115113299B (zh) | 智能标志地层定位划分方法、装置、设备及存储介质 | |
CN114022474A (zh) | 一种基于yolo-v4的颗粒级配快速检测方法 | |
NO20240323A1 (en) | Classification of pore or grain types in formation samples from a subterranean formation | |
CN111626358A (zh) | 一种基于bim图片识别的隧道围岩分级方法 | |
CN106777707B (zh) | 一种利用改进的蜘蛛网图进行测井岩性定量识别的方法 | |
Ma et al. | Rapid estimation of apple phenotypic parameters based on 3D reconstruction | |
CN113806681A (zh) | 一种快速rqd分析方法 | |
WO2021163582A1 (en) | Systems and methods for generating continuous grain size logs from petrographic thin section images | |
CN111462037A (zh) | 一种地质勘探钻孔质量检测方法 | |
CN115113281B (zh) | 标志井及其标志层的确定方法、装置、设备及存储介质 | |
WO2023076438A1 (en) | Adaptive learning for sematic segmentation | |
CN113433123B (zh) | 一种钻孔内地质参数测试方法及智能化装置 | |
CN112489008A (zh) | 钢筋识别系统、钢筋识别方法、以及钢筋计数验收系统 | |
CN116500682B (zh) | 一种基于深度域自适应的裂缝预测方法 | |
CN117934870A (zh) | 一种基于纹理辅助的岩芯自动识别方法及系统 | |
CN117132784A (zh) | 一种基于图像识别的钻孔岩芯数字化编录方法 |
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 |