CN115078214A - 基于双能ct的岩心矿物识别及孔隙度分布联合表征方法 - Google Patents
基于双能ct的岩心矿物识别及孔隙度分布联合表征方法 Download PDFInfo
- Publication number
- CN115078214A CN115078214A CN202210671292.6A CN202210671292A CN115078214A CN 115078214 A CN115078214 A CN 115078214A CN 202210671292 A CN202210671292 A CN 202210671292A CN 115078214 A CN115078214 A CN 115078214A
- Authority
- CN
- China
- Prior art keywords
- energy
- porosity
- attenuation coefficient
- mineral
- pixel point
- 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.)
- Granted
Links
- 229910052500 inorganic mineral Inorganic materials 0.000 title claims abstract description 125
- 239000011707 mineral Substances 0.000 title claims abstract description 125
- 238000012512 characterization method Methods 0.000 title claims abstract description 22
- 239000007789 gas Substances 0.000 claims abstract description 73
- 239000011148 porous material Substances 0.000 claims abstract description 68
- 239000011435 rock Substances 0.000 claims abstract description 64
- 238000002591 computed tomography Methods 0.000 claims abstract description 45
- 238000012545 processing Methods 0.000 claims abstract description 6
- 239000007787 solid Substances 0.000 claims description 51
- 229920006395 saturated elastomer Polymers 0.000 claims description 32
- 239000000126 substance Substances 0.000 claims description 30
- 238000012937 correction Methods 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 239000002245 particle Substances 0.000 claims description 8
- 239000007790 solid phase Substances 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 7
- 238000006073 displacement reaction Methods 0.000 claims description 5
- 229910052751 metal Inorganic materials 0.000 claims description 5
- 239000002184 metal Substances 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 5
- 229910052752 metalloid Inorganic materials 0.000 claims description 4
- 150000002738 metalloids Chemical class 0.000 claims description 4
- 229910052755 nonmetal Inorganic materials 0.000 claims description 4
- 239000012071 phase Substances 0.000 claims description 4
- 239000000463 material Substances 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 18
- 229910052743 krypton Inorganic materials 0.000 abstract description 10
- DNNSSWSSYDEUBZ-UHFFFAOYSA-N krypton atom Chemical compound [Kr] DNNSSWSSYDEUBZ-UHFFFAOYSA-N 0.000 abstract description 10
- 238000009738 saturating Methods 0.000 abstract description 4
- 150000002829 nitrogen Chemical class 0.000 abstract 1
- 235000010755 mineral Nutrition 0.000 description 93
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 21
- 238000000034 method Methods 0.000 description 15
- 230000005855 radiation Effects 0.000 description 12
- 229910052757 nitrogen Inorganic materials 0.000 description 11
- 238000010586 diagram Methods 0.000 description 6
- 229910052782 aluminium Inorganic materials 0.000 description 4
- 229910021532 Calcite Inorganic materials 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 3
- 229910052799 carbon Inorganic materials 0.000 description 3
- 229910000514 dolomite Inorganic materials 0.000 description 3
- 239000010459 dolomite Substances 0.000 description 3
- 230000000149 penetrating effect Effects 0.000 description 3
- 239000010453 quartz Substances 0.000 description 3
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 238000004566 IR spectroscopy Methods 0.000 description 2
- 229910052656 albite Inorganic materials 0.000 description 2
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 229910052802 copper Inorganic materials 0.000 description 2
- 239000010949 copper Substances 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 229910052742 iron Inorganic materials 0.000 description 2
- 239000011777 magnesium Substances 0.000 description 2
- 229910052749 magnesium Inorganic materials 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 239000011028 pyrite Substances 0.000 description 2
- 229910052683 pyrite Inorganic materials 0.000 description 2
- NIFIFKQPDTWWGU-UHFFFAOYSA-N pyrite Chemical compound [Fe+2].[S-][S-] NIFIFKQPDTWWGU-UHFFFAOYSA-N 0.000 description 2
- 229910052710 silicon Inorganic materials 0.000 description 2
- 239000010936 titanium Substances 0.000 description 2
- 229910052719 titanium Inorganic materials 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 description 1
- KWYUFKZDYYNOTN-UHFFFAOYSA-M Potassium hydroxide Chemical compound [OH-].[K+] KWYUFKZDYYNOTN-UHFFFAOYSA-M 0.000 description 1
- RTAQQCXQSZGOHL-UHFFFAOYSA-N Titanium Chemical compound [Ti] RTAQQCXQSZGOHL-UHFFFAOYSA-N 0.000 description 1
- 238000002441 X-ray diffraction Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- DLHONNLASJQAHX-UHFFFAOYSA-N aluminum;potassium;oxygen(2-);silicon(4+) Chemical compound [O-2].[O-2].[O-2].[O-2].[O-2].[O-2].[O-2].[O-2].[Al+3].[Si+4].[Si+4].[Si+4].[K+] DLHONNLASJQAHX-UHFFFAOYSA-N 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000011549 displacement method Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001493 electron microscopy Methods 0.000 description 1
- 239000010433 feldspar Substances 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- QJGQUHMNIGDVPM-UHFFFAOYSA-N nitrogen group Chemical group [N] QJGQUHMNIGDVPM-UHFFFAOYSA-N 0.000 description 1
- 229940072033 potash Drugs 0.000 description 1
- BWHMMNNQKKPAPP-UHFFFAOYSA-L potassium carbonate Substances [K+].[K+].[O-]C([O-])=O BWHMMNNQKKPAPP-UHFFFAOYSA-L 0.000 description 1
- 235000015320 potassium carbonate Nutrition 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 229910052725 zinc Inorganic materials 0.000 description 1
- 239000011701 zinc Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/08—Investigating permeability, pore-volume, or surface area of porous materials
- G01N15/088—Investigating volume, surface area, size or distribution of pores; Porosimetry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
- G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
- G01N23/046—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material using tomography, e.g. computed tomography [CT]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/08—Investigating permeability, pore-volume, or surface area of porous materials
- G01N2015/0846—Investigating permeability, pore-volume, or surface area of porous materials by use of radiation, e.g. transmitted or reflected light
Landscapes
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Dispersion Chemistry (AREA)
- Engineering & Computer Science (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pulmonology (AREA)
- Radiology & Medical Imaging (AREA)
- Theoretical Computer Science (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明公开了一种基于双能CT的岩心矿物识别及孔隙度分布联合表征方法，包括以下步骤：S1：射线源校准，获得射线源的衰减系数方程；S2：标准矿物标定，获得标准矿物的密度和有效原子序数；S3：对目标岩样饱和氮气后进行双能CT扫描；S4：对目标岩样抽真空后饱和氪气，然后进行低能CT扫描；S5：步骤S3和S4获得的图像进行位置配准和去噪处理；S6：联合计算像素点密度、有效原子序数、孔隙度分布；S7：聚类划分矿物类型；S8：判断孔隙空间连通性。本发明能够可在不升级CT仪器、不破坏岩心的条件下实现矿物识别及孔隙度分布联合表征；通过校正衰减系数的偏差值并考虑矿物内孔隙的存在，提高了密度和有效原子序数的计算精度以及矿物识别的准确性。
Description
技术领域
本发明涉及岩石物理和数字岩心技术领域，特别涉及一种基于双能CT的岩心矿物识别及孔隙度分布联合表征方法。
背景技术
在岩石物理及数字岩心领域，常用的矿物识别方法有：薄片分析，红外光谱法(IR)、X射线衍射(XRD)、电镜扫描方法(SEM)、能谱分析(EDS)。这些方法在制样过程中涉及研磨、喷金或者切片等操作，会直接破坏样品结构，无法实现无损条件下岩心的原位对比，并且这些方法通常仅能获得矿物的一维(仅各种矿物的百分比)或二维分布信息。另外，就岩心尺度而言，样品不同位置处的孔隙结构差异较大，岩心不同位置的孔隙度不同。如何在无损条件下，同时还原孔隙及矿物的三维分布信息，并识别矿物类型是目前岩石物理和数字岩心领域所急需的实验手段，对岩心实验的前后无损对比、矿物反应实验及数字岩心微观流动模拟具有重要意义。
目前，已有部分研究人员采用CT扫描的方式获取岩心三维孔隙结构，然而受限于CT扫描设备分辨率的影响，低于分辨率的孔隙难以被识别，从而导致CT扫描得到的孔隙度与实际气测孔隙度之间差距较大，并且致密岩石孔隙间的连通关系也难以判断。这使得常规CT扫描难以实现岩心矿物识别及孔隙度分布的准确表征，进而影响了该手段在数字岩心及岩石物理领域方面的应用。
发明内容
针对上述问题，本发明旨在提供一种基于双能CT的岩心矿物识别及孔隙度分布联合表征方法。
本发明的技术方案如下：
一种基于双能CT的岩心矿物识别及孔隙度分布联合表征方法，包括以下步骤：
S1：选取标准单质固体，采用高、低两种能量的X射线对所述标准单质固体进行CT扫描，然后通过多元拟合得到衰减系数偏差校正关系式，并根据所述标准单质固体的实际密度和原子序数，回归得到高、低两种射线能量的衰减系数方程；
S2：选取标准矿物，并对所述标准矿物进行双能CT扫描，根据扫描得到的衰减系数，结合所述衰减系数方程，获得所述标准矿物的密度和有效原子序数；
S3：获取目标岩样，并对所述目标岩样饱和气样一后进行双能CT扫描，获得所述目标岩样在饱和气样一条件下的低能衰减系数三维分布数据UL-1和高能衰减系数三维分布数据UH-1；
S4：对所述目标岩样进行抽真空，然后对其饱和气样二后进行低能CT扫描，获得所述目标岩样在饱和气样二条件下的低能衰减系数三维分布数据UL-2；
所述气样一和所述气样二均为与所述目标岩样不发生反应的气体，且所述气样一和所述气样二的有效原子序数之差大于10；
S5：对所述低能衰减系数三维分布数据UL-1、高能衰减系数三维分布数据UH-1以及低能衰减系数三维分布数据UL-2进行位置配准和去噪处理，获得处理后的数据体U'L-1、U'H-1以及U'L-2；
S6：利用所述U'L-1和所述U'L-2计算所述目标岩样的孔隙度三维分布，获得孔隙度三维分布数据集Φ；根据步骤S1获得的衰减系数方程，建立考虑孔隙度影响的衰减系数方程，结合所述孔隙度三维分布数据集Φ和所述U'L-1、U'H-1，计算各像素点的密度和有效原子序数；
S7：通过阈值分割，将各像素点划分为孔隙相与岩石固相；针对所述岩石固相的像素点，将其密度与有效原子序数与步骤S2获得的标准矿物的密度和有效原子序数进行对比，采用图像聚类算法判断各像素点的矿物类型，得到矿物-孔隙标签数据体M；
S8：根据所述孔隙度三维分布数据集Φ和所述矿物-孔隙标签数据体M对应位置处孔隙度和标签值的组合关系，判断孔隙空间连通性。
作为优选，步骤S1具体包括以下子步骤：
S11：选取多个不同的标准单质固体，所述标准单质固体的密度和原子序数已知，且所述标准单质固体孔隙度小于0.01；
S12：分别对各个标准单质固体采用射线源进行双能CT扫描，获得各个标准单质固体在高、低能射线下的投影数据；
S13：对所述投影数据进行重构滤波，获得高、低两种能量下的衰减系数三维分布数据体，选取无孔隙部分求平均得到各个标准物质的实测线性衰减系数；
S14：查找NIST标准数据库中各个标准单质固体在高、低两种能量下对应的真实线性衰减系数，计算各个标准单质固体所述实测线性衰减系数与所述真实线性衰减系数之间的偏差；
S15：根据各标准单质固体的偏差和实测线性衰减系数，采用拟合关系式对偏差值和实测线性衰减系数值进行关系拟合，获得所述拟合关系式中的校正系数，从而获得所述偏差值的校正方程；
S16：根据各标准单质固体的实际密度和有效原子序数，结合质量衰减系数与有效原子序数的关系式，以所述有效原子序数为X轴，所述质量衰减系数为Y轴，回归得到所述质量衰减系数与有效原子序数的关系式的系数，从而获得高、低两种射线能量的衰减系数方程。
作为优选，步骤S11中，所述标准单质固体为非金属单质、类金属单质、金属单质中的任意一种。
作为优选，步骤S15中，所述拟合关系式采用三元一次拟合方程，所述三元一次拟合方程为：
式中：Rl、Rh分别为低能、高能X射线条件下真实线性衰减系数与实测线性衰减系数之比；
分别为低能、高能X射线条件下的实测平均线性衰减系数；a、b、c、e、f、g均为拟合系数。
作为优选，步骤S16中，高、低两种射线能量的衰减系数方程为：
则步骤S2中，所述标准矿物的密度和有效原子序数通过下式进行计算：
式中：ρ为密度；αl、αh、βl、βh均为回归系数；Zeff为有效原子序数。
作为优选，步骤S6中，所述考虑矿物孔隙度的衰减系数方程为：
式中：ul、uh分别为在低能、高能两种能量下各像素点的实测衰减系数值；φ为像素点的孔隙度；ρmineral为像素点处矿物密度；Zmineral为像素点处矿物有效原子系数；ρ1为纯气样一密度；Z1为纯气样一有效原子系数；
则步骤S6中，各像素点的密度和有效原子序数通过下式进行计算：
式中：A、B为中间参数。
作为优选，步骤S4中，对所述目标岩样饱和气样二时，通过驱替的方式饱和气样二，且驱替时岩心夹持器内的压力与饱和气样一时的压力保持一致。
作为优选，步骤S6中，所述目标岩样的孔隙度三维分布通过下式进行计算：
式中：ul-1、ul-2分别为低能条件下饱和气样一、气样二的三维分布数据体中某像素点的衰减系数；u1、u2分别为纯气样一、纯气样二的衰减系数。
作为优选，步骤S8中，判断孔隙空间连通性的具体标准为：
若某像素点处标签显示为孔隙，且所述孔隙度三维分布数据集Φ中该像素点的孔隙度为0，则该像素点为死孔隙；
若某像素点处标签显示为孔隙，且所述孔隙度三维分布数据集Φ中该像素点的孔隙度不为0，则该像素点为连通孔隙；
若某像素点处标签显示为矿物，且所述孔隙度三维分布数据集Φ中该像素点的孔隙度不为0，则该像素点为内含有连通孔隙的矿物；
若某像素点处标签显示为矿物，且所述孔隙度三维分布数据集Φ中该像素点的孔隙度为0，则该像素点为纯矿物颗粒。
作为优选，若某像素点处标签显示为孔隙，且所述孔隙度三维分布数据集Φ中该像素点的孔隙度大于0且小于1，则该像素点为填充孔隙。
本发明的有益效果是：
(1)本发明能够在无损条件下同时实现岩心内各像素点处矿物类型识别、孔隙度计算；(2)通过拟合实际值与实测值偏差的校正方程，提高了衰减系数方程的拟合度；(3)通过饱和不同气体，考虑了矿物内存在孔隙的情况，降低了矿物密度和有效原子序数计算的误差；(4)本发明仅需采用单源CT，通过不同电压多次扫描来完成，不需要对CT设备进行改造升级，也不涉及双能CT重构的复杂算法，是一种简洁经济的计算方法；(5)本发明联合矿物识别和孔隙度分布计算结果，可以摆脱仪器分辨率的限制，在不完全识别各尺寸级别孔隙的情况下，直观判断各位置处孔隙是否连通、矿物内是否有孔隙。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为一个具体实施例40kV和140kV下碳棒和铝棒衰减系数重构结果示意图；
图2为一个具体实施例40kV和140kV衰减系数方程拟合结果示意图；
图3为一个具体实施例6种标准矿物的衰减系数重构结果示意图；
图4为一个具体实施例密度计算值与实际值对比结果示意图；
图5为一个具体实施例有效原子序数计算值与实际值对比结果示意图；
图6为一个具体实施例孔隙度分布计算结果示意图；
图7为一个具体实施例密度计算结果示意图；
图8为一个具体实施例有效原子序数计算结果示意图；
图9为一个具体实施例孔隙及矿物类型识别结果示意图。
具体实施方式
下面结合附图和实施例对本发明进一步说明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的技术特征可以相互结合。需要指出的是，除非另有指明，本申请使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。本发明公开使用的“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。
本发明提供一种基于双能CT的岩心矿物识别及孔隙度分布联合表征方法，包括以下步骤：
S1：选取标准单质固体，采用高、低两种能量的X射线对所述标准单质固体进行CT扫描，然后通过多元拟合得到衰减系数偏差校正关系式，并根据所述标准单质固体的实际密度和原子序数，回归得到高、低两种射线能量的衰减系数方程。
在一个具体的实施例中，所述高、低两种能量的X射线中的高能选用140kV电压，低能选用40kV电压。需要说明的是，电压选择不仅限于这一种组合，可根据实际的CT扫描设备进行选择，其它高、低电压数值的组合均可适用于本发明。只要方法中各步骤的高低能射线保持一致即可。
在一个具体的实施例中，高、低两种射线能量的衰减系数方程具体通过以下子步骤获得：
S11：选取多个不同的标准单质固体，所述标准单质固体的密度和原子序数已知，且所述标准单质固体孔隙度小于0.01；
可选地，所述标准单质固体为非金属单质、类金属单质、金属单质中的任意一种。在一个具体的实施例中，所述非金属单质为单质碳，所述类金属单质为单质硅，所述金属单质为单质铝、镁、钛、铜、铁中的任意一种。需要说明的是，本实施例的标准单质固体仅为优选的部分标准单质固体，其他能够满足密度和原子序数已知、无孔隙条件的物质均可适用于本发明。
S12：分别对各个标准单质固体采用射线源进行双能CT扫描，获得各个标准单质固体在高、低能射线下的投影数据；
需要说明的是，进行双能CT扫描时，需保证两次扫描的镜头倍数、曝光时间、样品-射线源-探测器之间的距离等参数相同。另外，为增强高电压射线的穿透能力和过滤低电压射线中的高能射线，可选用相应的滤片组合(如LE1和HE6等)分别对高、低能X射线进行过滤，从而增强相同物质在高、低能射线下的对比度。
S13：对所述投影数据进行重构滤波，获得高、低两种能量下的衰减系数三维分布数据体，选取无孔隙部分求平均得到各个标准物质的实测线性衰减系数；
S14：查找NIST标准数据库中各个标准单质固体在高、低两种能量下对应的真实线性衰减系数，计算各个标准单质固体所述实测线性衰减系数与所述真实线性衰减系数之间的偏差；所述偏差通过下式进行计算：
式中：下标l、h分别代表低能和高能X射线条件；R为真实衰减系数与实测衰减系数之比，即偏差；
为实测衰减系数；ureal为NIST数据库中的真实衰减系数。
S15：根据各标准单质固体的偏差和实测线性衰减系数，采用拟合关系式对偏差值和实测线性衰减系数值进行关系拟合，获得所述拟合关系式中的校正系数，从而获得所述偏差值的校正方程；
在一个具体的实施例中，所述拟合关系式采用三元一次拟合方程，所述三元一次拟合方程为：
式中：Rl、Rh分别为低能、高能X射线条件下真实线性衰减系数与实测线性衰减系数之比；
分别为低能、高能X射线条件下的实测平均线性衰减系数；a、b、c、e、f、g均为拟合系数。
需要说明的是，本发明所述拟合关系式并不局限于上述三元一次拟合，其它提高拟合度的关系式均可适用于本发明。
S16：根据各标准单质固体的实际密度和有效原子序数，结合质量衰减系数与有效原子序数的关系式，以所述有效原子序数为X轴，所述质量衰减系数为Y轴，回归得到所述质量衰减系数与有效原子序数的关系式的系数，从而获得高、低两种射线能量的衰减系数方程。
在一个具体的实施例中，高、低两种射线能量的衰减系数方程为：
式中：ρ为密度；αl、αh、βl、βh均为回归系数；Zeff为有效原子序数。
需要说明的是，射线源校准后得到的衰减系数方程，仅代表当前阶段放射源穿透物质所满足的关系。随着放射源使用时间的增长，放射源能谱信息将发生改变，因此在一段时间后需重新校准衰减系数方程。
S2：选取标准矿物，并对所述标准矿物进行双能CT扫描，根据扫描得到的衰减系数，结合所述衰减系数方程，获得所述标准矿物的密度和有效原子序数。
在一个具体的实施例中，所述标准矿物为岩样中常见的矿物，例如白云石、方解石、石英等，根据具体的矿物识别要求选择相应的标准矿物。
同样的，进行双能CT扫描时需保证两次扫描的镜头倍数、曝光时间、样品-射线源-探测器之间的距离等参数相同。
在一个具体的实施例中，所述标准矿物的密度和有效原子序数通过下式进行计算：
S3：获取目标岩样，并对所述目标岩样饱和气样一后进行双能CT扫描，获得所述目标岩样在饱和气样一条件下的低能衰减系数三维分布数据UL-1和高能衰减系数三维分布数据UH-1。
在一个具体的实施例中，步骤S3具体包括以下子步骤：
S31：根据所需的分辨率大小，将岩样制备为满足夹持器尺寸要求的圆柱形，然后将其放入夹持器中并通入气样一维持恒定压力P1。
S32：将夹持器放入CT扫描设备中，对样品分别开展高、低能CT扫描，扫描时需保证两次扫描的镜头倍数、曝光时间、样品-射线源-探测器之间的距离等参数相同。
S33：经重构后得到样品在两种能量下的衰减系数三维分布数据(分别记作UL-1和UH-2)。
S4：对所述目标岩样进行抽真空，然后对其饱和气样二后进行低能CT扫描，获得所述目标岩样在饱和气样二条件下的低能衰减系数三维分布数据UL-2。
在一个具体的实施例中，步骤S4具体包括以下子步骤：
S41：对夹持器抽真空处理，然后通过驱替的方式饱和气样二，并维持夹持器内压力稳定为P2。可选地，为保证矿物颗粒不受流体压力影响而发生形变，应使P2＝P1。
S42：将夹持器放入CT扫描设备中，在低能条件下开展CT扫描，保证扫描参数与步骤S3一致，经重构后获得饱和Kr的衰减系数三维分布数据体(记作UL-Kr)。
需要说明的是，步骤S3和步骤S4中的所述气样一和所述气样二均为与所述目标岩样不发生反应的气体，且所述气样一和所述气样二的有效原子序数之差大于10。
在一个具体的实施例中，所述气样一为氮气，所述气样二为氪气。需要说明的是，在本实施例中，采用的是先氮气后氪气，且氮气条件下双能CT扫描，氪气条件下低能CT扫描；在实际应用时，顺序可以更换，即先氪气条件下低能CT扫描，然后在氮气条件下双能CT扫描，还可以是先在氮气条件下低能CT扫描，然后再氪气条件下双能CT扫描，以及先在氪气条件下双能CT扫描，然后在氮气条件下低能CT扫描。另外，氪气和氮气仅为本实施例优选的两种其他，满足上述气样一和气样二条件的其他气体也可适用于本发明。
S5：对所述低能衰减系数三维分布数据UL-1、高能衰减系数三维分布数据UH-1以及低能衰减系数三维分布数据UL-2进行位置配准和去噪处理，获得处理后的数据体U'L-1、U'H-1以及U'L-2。
在一个具体的实施例中，采用非均匀中值滤波法进行去噪。需要说明的是，图像位置配准和去噪处理均为现有技术，具体方法在此不再赘述。
S6：利用所述U'L-1和所述U'L-2计算所述目标岩样的孔隙度三维分布，获得孔隙度三维分布数据集Φ；根据步骤S1获得的衰减系数方程，建立考虑孔隙度影响的衰减系数方程，结合所述孔隙度三维分布数据集Φ和所述U'L-1、U'H-1，计算各像素点的密度和有效原子序数。
在一个具体的实施例中，步骤S6具体包括以下子步骤：
S61：查找标准数据库中纯气样一和纯气样二(压力P1条件下)的衰减系数u1和u2。或者以相同扫描参数对纯样一和纯气样二进行CT扫描，得到该压力条件下的衰减系数。
S62：利用步骤S5中得到的配准后的低能条件下饱和气样一的U'L-1和饱和气样二的U'L-2数据结果(各像素点处的衰减系数记为ul-1和ul-2)，通过下式计算得到样品各像素点的孔隙度三维分布情况(记为Φ)：
式中：φ为像素点的孔隙度；ul-1、ul-2分别为低能条件下饱和气样一、气样二的三维分布数据体中某像素点的衰减系数；u1、u2分别为纯气样一、纯气样二的衰减系数。
S63：由于真实岩样的组成矿物中大都存在孔隙，各像素点处的密度和有效原子序数应是矿物和孔隙中气体的加权求和，由此建立考虑矿物孔隙度的衰减系数方程：
式中：ul、uh分别为在低能、高能两种能量下各像素点的实测衰减系数值；ρmineral为像素点处矿物密度；Zmineral为像素点处矿物有效原子系数；ρ1为纯气样一密度；Z1为纯气样一有效原子系数；
S64：基于孔隙度分布计算结果和高、低能条件下饱和气样一的衰减系数分布数据(U'L-1和U'H-2)，根据下式计算各像素点处的密度和有效原子序数：
式中：A、B为中间参数。
S7：通过阈值分割，将各像素点划分为孔隙相与岩石固相；针对所述岩石固相的像素点，将其密度与有效原子序数与步骤S2获得的标准矿物的密度和有效原子序数进行对比，采用图像聚类算法判断各像素点的矿物类型，得到矿物-孔隙标签数据体M。
在一个具体的实施例中，所述图像聚类算采用K-means算法或深度学习人工神经网络算法。需要说明的是，上述聚类算法仅为优选的一个本实施例算法，现有技术中其他图像聚类算法也可适用于本发明。
在一个具体的实施例中，采用欧氏距离法计算像素点与标准矿物的距离，以最小值判断该像素点所述矿物类型。欧式距离的计算公式如下：
式中，下标i代表不同矿物。
S8：根据所述孔隙度三维分布数据集Φ和所述矿物-孔隙标签数据体M对应位置处孔隙度和标签值的组合关系，判断孔隙空间连通性；判断孔隙空间连通性的具体标准为：
若某像素点处标签显示为孔隙，且所述孔隙度三维分布数据集Φ中该像素点的孔隙度为0，则该像素点为死孔隙；
若某像素点处标签显示为孔隙，且所述孔隙度三维分布数据集Φ中该像素点的孔隙度不为0，则该像素点为连通孔隙；
若某像素点处标签显示为矿物，且所述孔隙度三维分布数据集Φ中该像素点的孔隙度不为0，则该像素点为内含有连通孔隙的矿物；
若某像素点处标签显示为矿物，且所述孔隙度三维分布数据集Φ中该像素点的孔隙度为0，则该像素点为纯矿物颗粒。
在一个具体的实施例中，若某像素点处标签显示为孔隙，且所述孔隙度三维分布数据集Φ中该像素点的孔隙度大于0且小于1，则该像素点为填充孔隙。
以某地区致密砂岩为例，采用本发明所述基于双能CT的岩心矿物识别及孔隙度分布联合表征方法开展矿物识别以及孔隙度分布联合表征，且在本实施例中，所述气样一采用氮气，所述气样二采用氪气，具体包括以下步骤：
1)射线源校准
(1)选用最常见且性质稳定的8种标准单质固体：C、Mg、Al、Si、Ti、Fe、Cu、Zn进行系数校准。采用140kV、10W和40kV、4W两种能量的X射线，分别对上述无孔隙的均匀标准单质固体进行CT扫描，得到高、低能射线下各标准单质固体的投影数据。扫描时保证两次扫描参数一致，扫描参数设置如下：镜头4X、曝光时间3s、样品-源之间距离30mm、样品-镜头之间距离10mm、扫描张数2800张。为增强高电压射线的穿透能力和过滤低电压射线中的高能射线，分别选用滤片HE6和LE1对于高、低能X射线进行过滤，从而增强相同标准单质固体在高、低能射线下的对比度。
(2)分别对高、低能射线下各标准单质固体的投影数据进行重构滤波，获得高、低两种能量下的衰减系数三维分布数据体，其中C和Al的重构结果如图1所示。从图1可以看出，各标准单质固体在不同能量下的衰减系数有明显差异。选取无孔隙部分，求平均得到各标准单质固体的实测线性衰减系数(记作
和
)。
(3)查找NIST标准数据库中，各标准单质固体在高、低能量下对应的真实线性衰减系数(记作ul-real和uh-real)，根据公式(10)计算各标准单质固体实际值与测量值的偏差Rl和Rh。
(4)基于各标准单质固体已知的Rl、Rh以及
根据拟合关系式(1)进行多元拟合，得到高、低能下的校正系数a、b、c、e、f、g，从而获得偏差值Rl和Rh的校正方程如下：
(5)根据各标准单质固体已知的密度ρ和有效原子序数Zeff，结合质量衰减系数与有效原子序数的关系式(2)，以有效原子序数为X轴、质量衰减系数
为Y轴，分别回归得到高、低两种射线能量下方程的系数αl＝0.208，αh＝0.150，βl＝1.08×10-6，βh＝2.61×10-7，如图2所示，从而得到当前射线源条件下的衰减系数方程：
2)标准矿物标定
(1)本实施例选取岩石中常见的标准矿物：白云石、方解石、石英、钾长石、钠长石、黄铁矿，分别对各种矿物进行高、低能量CT扫描，扫描时需保证两次扫描的扫描参数相同，具体参数同步骤1)。
(2)经重构滤波后，得到不同标准矿物的衰减系数分布结果，如图3所示。选取无孔隙的部分计算高、低能条件下各自的平均线性衰减系数
和
(3)代入标定好的衰减系数方程(3)中计算得到标准矿物所对应的密度ρ和有效原子序数Zeff，结果如表1所示：
表1各标准矿物的密度与有效原子序数计算结果
| 矿物 | 有效原子序数 | 密度，g/cm<sup>3</sup> | 矿物 | 有效原子序数 | 密度，g/cm<sup>3</sup> |
| 石英 | 11.8 | 2.60 | 钾长石 | 13.2 | 2.56 |
| 白云石 | 13.74 | 2.86 | 钠长石 | 11.32 | 2.61 |
| 方解石 | 15.8 | 2.71 | 黄铁矿 | 22.06 | 5.1 |
为了说明本申请在密度和有效原子序数计算准确性上的提升效果，特对比了考虑偏差值Rl、Rh和不考虑偏差值时计算得到的密度及有效原子序数与真实矿物的差异，结果如图4和图5所示。从图4可以看出，步骤1)中对偏差值的回归校正能够很明显的提高密度与有效原子序数的计算精度。
3)实际岩石样品制备及饱和N2双能CT扫描
(1)根据所需的分辨率大小，将岩样制备为满足夹持器尺寸要求的圆柱形，然后将其放入夹持器中并通入氮气维持恒定压力
(2)将夹持器放入CT扫描设备中，对样品分别开展高、低能CT扫描，扫描时需保证两次扫描的扫描参数相同，具体参数同步骤1)。
(3)经重构后得到样品在两种能量下的衰减系数三维分布数据(分别记作
和
)。
4)饱和Kr的单能CT扫描
(1)对夹持器抽真空处理，然后通过驱替的方式饱和Kr气，并维持夹持器内压力稳定为Pkr。为保证矿物颗粒不受流体压力影响而发生形变，应使
(2)将夹持器放入CT扫描设备中，在低能条件下开展CT扫描，保证扫描参数与步骤3)一致，经重构后获得饱和Kr的衰减系数三维分布数据体(记作UL-Kr)。
5)图像处理
在饱和、抽真空等过程中，难免会移动夹持器，因此无法保证饱和N2的高、低能扫描结果(
和
)与饱和Kr的扫描结果(UL-Kr)各自在每个像素点都一一对齐。因此对三个扫描结果进行位置配准和非均匀中值滤波，使相同位置的像素点一一对齐并去噪，便于进行对应像素点位置的密度和有效原子序数计算。
6)像素点密度、有效原子序数、孔隙度分布联合计算
(1)查找标准数据库中纯氮气和纯氪气(压力
条件下)的衰减系数。或者以相同扫描参数对纯氮气和纯氪气进行CT扫描，得到对应压力条件下的衰减系数。
(2)利用步骤5)中得到的配准后的低能条件下饱和N2 
及饱和Kr(U'L-Kr)数据结果(各像素点处的衰减系数记为ul-N2和ul-Kr)，由式(9)可计算得到样品各像素点的孔隙度三维分布情况(记为Φ)，结果如图6所示。从图6可以看出，即使是矿物颗粒，其内部的孔隙也存在大于0的情况，因此各像素点处的密度和有效原子序数应是矿物和孔隙中气体的加权求和，在计算矿物密度和有效原子序数计算时，需考虑孔隙度的影响进行修正。
(3)查表得Kr在5MPa、25℃下的密度为188.24kg/m3，有效原子序数34；N2密度为56.73kg/m3，有效原子序数为14。αl、αh、βl、βh为上述步骤1)得到的拟合值，Rl、Rh根据各像素点处的高、低衰减系数ul，uh结合校正系数a、b、c、e、f、g计算得到。φ为计算得到的各像素点处的孔隙度。因此除该像素点处矿物密度ρmineral和矿物有效原子序数Zmineral未知外，其余参数均已知，可联立求解公式(4)得到其值。
(4)基于图6所示的孔隙度分布计算结果和高、低能条件下饱和N2的衰减系数分布数据(
和
)，根据公式(5)-(8)计算各像素点处考虑矿物孔隙度的密度ρmineral和有效原子序数Zmineral，结果如图7和图8所示。
7)矿物类型聚类划分
(1)首先通过阈值分割，划分孔隙相和岩石固相；
(2)针对岩石固相部分，将第6)步计算得到的各像素点的密度和有效原子序数与第2)步得到的标准矿物密度ρ和有效原子序数Zeff进行对比，采用欧氏距离法(公式11)，通过最小距离判断各像素点的矿物类型。
(3)结合孔隙分割结果，得到表征各矿物类型和孔隙的标签数据体(记为M)，结果如图9所示。
8)连通孔隙空间分析
根据孔隙度三维分布数据Φ和矿物-孔隙标签数据体M对应位置处孔隙度和标签值的组合关系判断孔隙空间连通性：若某像素点处标签显示为孔隙，数据集Φ中孔隙度为0，则为死孔隙；若某像素点处标签显示为孔隙，且数据集Φ中孔隙度不为0，则为连通孔隙，孔隙度<1则为填充孔隙；若某像素点处标签显示为矿物，但数据集Φ中孔隙度不为0，则矿物内含有连通孔隙；若某像素点处标签显示为矿物，数据集Φ中孔隙度为0，则该位置是纯矿物颗粒。
综上所述，本发明能够在不升级CT仪器、不破坏岩心的条件下实现矿物识别及孔隙度分布联合表征；通过校正衰减系数的偏差值并考虑矿物内孔隙的存在，提高了密度和有效原子序数的计算精度以及矿物识别的准确性，与现有技术相比，具有显著的进步。
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明，任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内，当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。
Claims (10)
1.一种基于双能CT的岩心矿物识别及孔隙度分布联合表征方法，其特征在于，包括以下步骤：
S1：选取标准单质固体，采用高、低两种能量的X射线对所述标准单质固体进行CT扫描，然后通过多元拟合得到衰减系数偏差校正关系式，并根据所述标准单质固体的实际密度和原子序数，回归得到高、低两种射线能量的衰减系数方程；
S2：选取标准矿物，并对所述标准矿物进行双能CT扫描，根据扫描得到的衰减系数，结合所述衰减系数方程，获得所述标准矿物的密度和有效原子序数；
S3：获取目标岩样，并对所述目标岩样饱和气样一后进行双能CT扫描，获得所述目标岩样在饱和气样一条件下的低能衰减系数三维分布数据UL-1和高能衰减系数三维分布数据UH-1；
S4：对所述目标岩样进行抽真空，然后对其饱和气样二后进行低能CT扫描，获得所述目标岩样在饱和气样二条件下的低能衰减系数三维分布数据UL-2；
所述气样一和所述气样二均为与所述目标岩样不发生反应的气体，且所述气样一和所述气样二的有效原子序数之差大于10；
S5：对所述低能衰减系数三维分布数据UL-1、高能衰减系数三维分布数据UH-1以及低能衰减系数三维分布数据UL-2进行位置配准和去噪处理，获得处理后的数据体U'L-1、U'H-1以及U'L-2；
S6：利用所述U'L-1和所述U'L-2计算所述目标岩样的孔隙度三维分布，获得孔隙度三维分布数据集Φ；根据步骤S1获得的衰减系数方程，建立考虑孔隙度影响的衰减系数方程，结合所述孔隙度三维分布数据集Φ和所述U'L-1、U'H-1，计算各像素点的密度和有效原子序数；
S7：通过阈值分割，将各像素点划分为孔隙相与岩石固相；针对所述岩石固相的像素点，将其密度与有效原子序数与步骤S2获得的标准矿物的密度和有效原子序数进行对比，采用图像聚类算法判断各像素点的矿物类型，得到矿物-孔隙标签数据体M；
S8：根据所述孔隙度三维分布数据集Φ和所述矿物-孔隙标签数据体M对应位置处孔隙度和标签值的组合关系，判断孔隙空间连通性。
2.根据权利要求1所述的基于双能CT的岩心矿物识别及孔隙度分布联合表征方法，其特征在于，步骤S1具体包括以下子步骤：
S11：选取多个不同的标准单质固体，所述标准单质固体的密度和原子序数已知，且所述标准单质固体孔隙度小于0.01；
S12：分别对各个标准单质固体采用射线源进行双能CT扫描，获得各个标准单质固体在高、低能射线下的投影数据；
S13：对所述投影数据进行重构滤波，获得高、低两种能量下的衰减系数三维分布数据体，选取无孔隙部分求平均得到各个标准物质的实测线性衰减系数；
S14：查找NIST标准数据库中各个标准单质固体在高、低两种能量下对应的真实线性衰减系数，计算各个标准单质固体所述实测线性衰减系数与所述真实线性衰减系数之间的偏差；
S15：根据各标准单质固体的偏差和实测线性衰减系数，采用拟合关系式对偏差值和实测线性衰减系数值进行关系拟合，获得所述拟合关系式中的校正系数，从而获得所述偏差值的校正方程；
S16：根据各标准单质固体的实际密度和有效原子序数，结合质量衰减系数与有效原子序数的关系式，以所述有效原子序数为X轴，所述质量衰减系数为Y轴，回归得到所述质量衰减系数与有效原子序数的关系式的系数，从而获得高、低两种射线能量的衰减系数方程。
3.根据权利要求2所述的基于双能CT的岩心矿物识别及孔隙度分布联合表征方法，其特征在于，步骤S11中，所述标准单质固体为非金属单质、类金属单质、金属单质中的任意一种。
4.根据权利要求2所述的基于双能CT的岩心矿物识别及孔隙度分布联合表征方法，其特征在于，步骤S15中，所述拟合关系式采用三元一次拟合方程，所述三元一次拟合方程为：
式中：Rl、Rh分别为低能、高能X射线条件下真实线性衰减系数与实测线性衰减系数之比；
分别为低能、高能X射线条件下的实测平均线性衰减系数；a、b、c、e、f、g均为拟合系数。
5.根据权利要求2所述的基于双能CT的岩心矿物识别及孔隙度分布联合表征方法，其特征在于，步骤S16中，高、低两种射线能量的衰减系数方程为：
则步骤S2中，所述标准矿物的密度和有效原子序数通过下式进行计算：
式中：
分别为低能、高能X射线条件下的实测线性衰减系数；Rl、Rh分别为低能、高能X射线条件下真实线性衰减系数与实测线性衰减系数之比；ρ为密度；αl、αh、βl、βh均为回归系数；Zeff为有效原子序数。
6.根据权利要求5所述的基于双能CT的岩心矿物识别及孔隙度分布联合表征方法，其特征在于，步骤S6中，所述考虑矿物孔隙度的衰减系数方程为：
式中：ul、uh分别为在低能、高能两种能量下各像素点的实测衰减系数值；φ为像素点的孔隙度；ρmineral为像素点处矿物密度；Zmineral为像素点处矿物有效原子系数；ρ1为纯气样一密度；Z1为纯气样一有效原子系数；
则步骤S6中，各像素点的密度和有效原子序数通过下式进行计算：
式中：A、B为中间参数。
7.根据权利要求1所述的基于双能CT的岩心矿物识别及孔隙度分布联合表征方法，其特征在于，步骤S4中，对所述目标岩样饱和气样二时，通过驱替的方式饱和气样二，且驱替时岩心夹持器内的压力与饱和气样一时的压力保持一致。
8.根据权利要求1所述的基于双能CT的岩心矿物识别及孔隙度分布联合表征方法，其特征在于，步骤S6中，所述目标岩样的孔隙度三维分布通过下式进行计算：
式中：φ为像素点的孔隙度；ul-1、ul-2分别为低能条件下饱和气样一、气样二的三维分布数据体中某像素点的衰减系数；u1、u2分别为纯气样一、纯气样二的衰减系数。
9.根据权利要求1-8中任意一项所述的基于双能CT的岩心矿物识别及孔隙度分布联合表征方法，其特征在于，步骤S8中，判断孔隙空间连通性的具体标准为：
若某像素点处标签显示为孔隙，且所述孔隙度三维分布数据集Φ中该像素点的孔隙度为0，则该像素点为死孔隙；
若某像素点处标签显示为孔隙，且所述孔隙度三维分布数据集Φ中该像素点的孔隙度不为0，则该像素点为连通孔隙；
若某像素点处标签显示为矿物，且所述孔隙度三维分布数据集Φ中该像素点的孔隙度不为0，则该像素点为内含有连通孔隙的矿物；
若某像素点处标签显示为矿物，且所述孔隙度三维分布数据集Φ中该像素点的孔隙度为0，则该像素点为纯矿物颗粒。
10.根据权利要求9所述的基于双能CT的岩心矿物识别及孔隙度分布联合表征方法，其特征在于，若某像素点处标签显示为孔隙，且所述孔隙度三维分布数据集Φ中该像素点的孔隙度大于0且小于1，则该像素点为填充孔隙。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210671292.6A CN115078214B (zh) | 2022-06-14 | 2022-06-14 | 基于双能ct的岩心矿物识别及孔隙度分布联合表征方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210671292.6A CN115078214B (zh) | 2022-06-14 | 2022-06-14 | 基于双能ct的岩心矿物识别及孔隙度分布联合表征方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115078214A true CN115078214A (zh) | 2022-09-20 |
| CN115078214B CN115078214B (zh) | 2024-01-26 |
Family
ID=83251222
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210671292.6A Active CN115078214B (zh) | 2022-06-14 | 2022-06-14 | 基于双能ct的岩心矿物识别及孔隙度分布联合表征方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115078214B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1970731A2 (en) * | 2007-03-14 | 2008-09-17 | Tsinghua University | Method for calibrating dual-energy CT system and method of image reconstruction |
| US20180120241A1 (en) * | 2016-10-31 | 2018-05-03 | Lawrence Livermore National Security, Llc | System-independent characterization of materials using dual-energy computed tomography |
| CN109975336A (zh) * | 2019-04-23 | 2019-07-05 | 西南石油大学 | 一种基于ct扫描的裂缝性岩心窜流系数测量方法 |
| CN110389138A (zh) * | 2018-04-19 | 2019-10-29 | Fei 公司 | 使用Alvarez-Macovski衰减模型在断层摄影重建中进行X射线束硬化校正 |
| CN112098293A (zh) * | 2020-08-03 | 2020-12-18 | 西南石油大学 | 基于孔隙裂缝双重介质气藏非稳态气水两相渗流模拟方法 |
| CN114004261A (zh) * | 2021-11-19 | 2022-02-01 | 数岩科技股份有限公司 | 岩石类型识别方法、装置和存储介质 |
| 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 |
| WO2022076787A1 (en) * | 2020-10-09 | 2022-04-14 | The University Of North Carolina At Chapel Hill | Systems, devices, and methods for multisource volumetric spectral computed tomography |
-
2022
- 2022-06-14 CN CN202210671292.6A patent/CN115078214B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1970731A2 (en) * | 2007-03-14 | 2008-09-17 | Tsinghua University | Method for calibrating dual-energy CT system and method of image reconstruction |
| US20180120241A1 (en) * | 2016-10-31 | 2018-05-03 | Lawrence Livermore National Security, Llc | System-independent characterization of materials using dual-energy computed tomography |
| CN110389138A (zh) * | 2018-04-19 | 2019-10-29 | Fei 公司 | 使用Alvarez-Macovski衰减模型在断层摄影重建中进行X射线束硬化校正 |
| CN109975336A (zh) * | 2019-04-23 | 2019-07-05 | 西南石油大学 | 一种基于ct扫描的裂缝性岩心窜流系数测量方法 |
| CN112098293A (zh) * | 2020-08-03 | 2020-12-18 | 西南石油大学 | 基于孔隙裂缝双重介质气藏非稳态气水两相渗流模拟方法 |
| WO2022076787A1 (en) * | 2020-10-09 | 2022-04-14 | The University Of North Carolina At Chapel Hill | Systems, devices, and methods for multisource volumetric spectral computed tomography |
| CN114004261A (zh) * | 2021-11-19 | 2022-02-01 | 数岩科技股份有限公司 | 岩石类型识别方法、装置和存储介质 |
| 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 |
Non-Patent Citations (4)
| Title |
|---|
| MARGHERITA MARTINI: "Identification of common minerals using stoichiometric calibration method for dual-energy CT", GEOCHEMISTRY, GEOPHYSICS, GEOSYSTEMS, pages 206 - 217 * |
| XIA GUANG-HUA: "Preparation or large size porosity type high strength artificial cores", JOURNAL OF SYNTHETIC CRYSTALS, pages 248 - 251 * |
| 彭瑀等: "页岩储层压裂工作液研究进展及启示", 钻井液与完井液, pages 100 - 108 * |
| 李伯平等: "三维X-CT成像技术在岩石矿物中的应用", 世界核地质科学, pages 121 - 130 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115078214B (zh) | 2024-01-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hitchcock et al. | Inner shell excitation of CH 3F, CH 3Cl, CH 3Br and CH 3I by 2.5 keV electron impact | |
| Hanna et al. | X-ray computed tomography of planetary materials: A primer and review of recent studies | |
| Stevens et al. | The potential for Bayesian compressive sensing to significantly reduce electron dose in high-resolution STEM images | |
| Yedra et al. | EEL spectroscopic tomography: Towards a new dimension in nanomaterials analysis | |
| Herbig | Spatially correlated electron microscopy and atom probe tomography: Current possibilities and future perspectives | |
| Yankovich et al. | Non-rigid registration and non-local principle component analysis to improve electron microscopy spectrum images | |
| Burdet et al. | A novel 3D absorption correction method for quantitative EDX-STEM tomography | |
| JP2011221022A (ja) | 物体の組成を決定するシステム及び方法 | |
| Pérez-Huerta et al. | Atom probe tomography (APT) of carbonate minerals | |
| Zanaga et al. | A new method for quantitative XEDS tomography of complex heteronanostructures | |
| Brydson et al. | Analytical transmission electron microscopy | |
| US20190340792A1 (en) | Guided filter for multiple level energy computed tomography (ct) | |
| US20210033548A1 (en) | Method of examining a sample using a charged particle microscope | |
| Yang et al. | Microstructure of a paint primer-a data-constrained modeling analysis | |
| Goris et al. | Exploring different inelastic projection mechanisms for electron tomography | |
| CN115078214A (zh) | 基于双能ct的岩心矿物识别及孔隙度分布联合表征方法 | |
| Wacey et al. | Geochemistry and nano-structure of a putative∼ 3240 million-year-old black smoker biota, Sulphur Springs Group, Western Australia | |
| Zhong et al. | Multi-modal plasma focused ion beam serial section tomography of an organic paint coating | |
| Stroud et al. | Electron microscopy observations of the diversity of Ryugu organic matter and its relationship to minerals at the micro‐to nano‐scale | |
| Katnagallu et al. | Three-dimensional atomically resolved analytical imaging with a field ion microscope | |
| Zhao et al. | Surface characterization of Nb samples electropolished with real superconducting rf accelerator cavities | |
| Ercius et al. | Chemical and bonding analysis of liquids using liquid cell electron microscopy | |
| Mevenkamp et al. | Multi-modal and multi-scale non-local means method to analyze spectroscopic datasets | |
| Weyland et al. | 3D-EFTEM: Tomographic reconstruction from tilt series of energy loss images | |
| Jacob et al. | Statistical Machine Learning and Compressed Sensing Approaches for Analytical Electron Tomography-Application to Phase Change Materials |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |