CN117309923A - 一种现场岩屑扫描代表性分析方法及装置 - Google Patents
一种现场岩屑扫描代表性分析方法及装置 Download PDFInfo
- Publication number
- CN117309923A CN117309923A CN202311198163.0A CN202311198163A CN117309923A CN 117309923 A CN117309923 A CN 117309923A CN 202311198163 A CN202311198163 A CN 202311198163A CN 117309923 A CN117309923 A CN 117309923A
- Authority
- CN
- China
- Prior art keywords
- rock debris
- cuttings
- rock
- representative
- particles
- 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 262
- 238000004458 analytical method Methods 0.000 title claims abstract description 62
- 239000002245 particle Substances 0.000 claims abstract description 192
- 238000000034 method Methods 0.000 claims abstract description 16
- 238000005498 polishing Methods 0.000 claims abstract description 11
- 238000005520 cutting process Methods 0.000 claims description 119
- 238000002347 injection Methods 0.000 claims description 61
- 239000007924 injection Substances 0.000 claims description 61
- 239000003292 glue Substances 0.000 claims description 37
- 238000011065 in-situ storage Methods 0.000 claims description 30
- 239000003795 chemical substances by application Substances 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 13
- 239000011148 porous material Substances 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 6
- 230000007704 transition Effects 0.000 claims description 6
- 238000007747 plating Methods 0.000 claims description 3
- 238000007711 solidification Methods 0.000 claims description 2
- 230000008023 solidification Effects 0.000 claims description 2
- 239000011800 void material Substances 0.000 claims 5
- 238000003860 storage Methods 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000010894 electron beam technology Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000000691 measurement method Methods 0.000 description 3
- 230000000704 physical effect Effects 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical group [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 238000005553 drilling Methods 0.000 description 2
- 239000010419 fine particle Substances 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000003822 epoxy resin Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000010191 image analysis Methods 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
- 230000003287 optical effect Effects 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 229920000647 polyepoxide Polymers 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- G01N23/22—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 measuring secondary emission from the material
- G01N23/225—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 measuring secondary emission from the material using electron or ion
- G01N23/2251—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 measuring secondary emission from the material using electron or ion using incident electron beams, e.g. scanning electron microscopy [SEM]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
- G01N1/286—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q involving mechanical work, e.g. chopping, disintegrating, compacting, homogenising
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
- G01N1/286—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q involving mechanical work, e.g. chopping, disintegrating, compacting, homogenising
- G01N2001/2866—Grinding or homogeneising
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明提供了一种现场岩屑扫描代表性分析方法及装置,其方法包括:确定待测定岩屑颗粒,并对所述待测定岩屑颗粒进行打磨,获取目标岩屑颗粒,所述目标岩屑颗粒为包括岩屑内部新鲜面的岩屑颗粒;获取所述岩屑内部新鲜面的岩屑颗粒图像;基于所述岩屑颗粒图像确定所述待测定岩屑颗粒的岩屑代表性参数。本发明的岩屑内部新鲜面可代表待测定岩屑内的真实情况,因此,获得的岩屑颗粒图像为代表岩屑内真实情况的图像,从而可提高基于岩屑颗粒图像确定出的岩屑代表性参数的准确性。
Description
技术领域
本发明及储层岩屑测量技术领域,具体涉及一种现场岩屑扫描代表性分析方法及装置。
背景技术
随着目前油气勘探向深层发展,深层复杂储层已经越来越受重视,深部储层物性非常复杂,同时钻井难度很高,成本极高,取芯成本更高,大部分深层井位难以取到岩芯。例如在钻井过程中,岩芯容易发生破碎,或者在岩屑录井时,岩屑绝大多数是以细小的微粒形式返排到地面,最后获得岩石资料可能主要为岩屑。因此在深部储层研究中,如何有效测定岩屑物性,以最大限度发挥岩石资料作用,并最大限度明确深部储层物性,对于勘探准确性和经济性都至关重要。
目前测量例如孔隙度这一岩屑代表性参数的方法包括直接测量法和间接测量法,直接测量法对测试样品的大小要求高,只能用于测量岩芯的代表性参数,无法测量岩屑的岩屑代表性参数。间接测量法是通过中子测井、密度测井、声波测井等曲线建立其与岩屑代表性参数的数理关系以获得岩屑代表性参数,但由于测井响应值不仅仅受到岩屑代表性参数的影响,还受其他因素的干扰,并且其与岩屑代表性参数建立的数理关系准确性难以保证,因此并不十分准确。
因此,亟需提供一种现场岩屑扫描代表性分析方法及装置,用以解决现有技术中存在的无法准确获取待测定岩屑颗粒的岩屑代表性参数的技术问题。
发明内容
有鉴于此,有必要提供一种现场岩屑扫描代表性分析方法及装置,用以解决现有技术中存在的无法准确获取待测定岩屑颗粒的岩屑代表性参数的技术问题。
一方面,本发明提供了一种现场岩屑扫描代表性分析方法,包括:
确定待测定岩屑颗粒,并对所述待测定岩屑颗粒进行打磨,获取目标岩屑颗粒,所述目标岩屑颗粒为包括岩屑内部新鲜面的岩屑颗粒;
获取所述岩屑内部新鲜面的岩屑颗粒图像;
基于所述岩屑颗粒图像确定所述待测定岩屑颗粒的岩屑代表性参数。
在一些可能的实现方式中,所述确定待测定岩屑颗粒,包括:
获取多个初始岩屑颗粒;
获取所述多个初始岩屑颗粒所在地质的地质特征;
基于所述地质特征从所述多个初始岩屑颗粒中确定所述待测定岩屑颗粒。
在一些可能的实现方式中,在所述对所述待测定岩屑颗粒进行打磨,获取目标岩屑颗粒之前,还包括:
将所述待测定岩屑颗粒放入样品盒,向所述样品盒中注入可凝固的注入剂,并等待所述注入剂凝固。
在一些可能的实现方式中,所述岩屑颗粒图像为电镜扫描图像,则所述获取所述岩屑内部新鲜面的岩屑颗粒图像,包括:
在所述目标岩屑颗粒的岩屑内部新鲜面的表面镀导电层,并基于扫描电镜获取所述岩屑颗粒图像。
在一些可能的实现方式中,所述岩屑颗粒包括注胶区和岩屑区,所述岩屑区包括岩屑本体区和岩屑孔隙区;所述基于所述岩屑颗粒图像确定所述待测定岩屑颗粒的岩屑代表性参数,包括:
基于所述岩屑颗粒图像确定所述注胶区的注胶区代表性参数和所述岩屑孔隙区的岩屑孔隙区代表性参数;
基于所述注胶区代表性参数和所述岩屑孔隙区代表性参数确定所述岩屑代表性参数。
在一些可能的实现方式中,所述岩屑代表性参数为:
式中,β为岩屑代表性参数;α1为注胶区代表性参数;α2为岩屑孔隙区代表性参数。
在一些可能的实现方式中,在所述基于所述岩屑颗粒图像确定所述注胶区的注胶区代表性参数和所述岩屑孔隙区的岩屑孔隙区代表性参数之前,还包括:
对所述岩屑颗粒图像进行二值化处理,获得第一二值化图像;
将所述岩屑颗粒图像和所述第一二值化图像相乘,获得平滑图像。
在一些可能的实现方式中,所述基于所述岩屑颗粒图像确定所述注胶区的注胶区代表性参数和所述岩屑孔隙区的岩屑孔隙区代表性参数,包括:
将所述平滑图像和所述第一二值化图像相加,获得过渡图像;
对所述过渡图像进行二值化处理,获得第二二值化图像,并基于所述第二二值化图像确定所述注胶区的注胶区面积;
基于所述注胶区面积确定所述注胶区代表性参数;
对所述第二二值化图像进行二值化处理,获得第三二值化图像,并基于所述第三二值化图像确定所述岩屑孔隙区代表性参数。
在一些可能的实现方式中,所述注胶区代表性参数为:
式中,α1为所述注胶区代表性参数;ωpart为所述注胶区面积;ωtotal为所述岩屑颗粒图像的图像面积。
另一方面,本发明还提供了一种现场岩屑扫描代表性分析装置,包括:
目标岩屑颗粒获取单元,用于确定待测定岩屑颗粒,并对所述待测定岩屑颗粒进行打磨,获取目标岩屑颗粒,所述目标岩屑颗粒为包括岩屑内部新鲜面的岩屑颗粒;
岩屑颗粒图像获取单元,用于获取所述岩屑内部新鲜面的岩屑颗粒图像;
现场岩屑扫描代表性分析单元,用于基于所述岩屑颗粒图像确定所述待测定岩屑颗粒的岩屑代表性参数。
采用上述实施例的有益效果是:本发明提供的现场岩屑扫描代表性分析方法,通过对待测定岩屑颗粒进行打磨,获得包括岩屑内部新鲜面的目标岩屑颗粒,并获取岩屑内部新鲜面的岩屑颗粒图像,基于岩屑颗粒图像确定待测定岩屑颗粒的岩屑代表性参数,由于岩屑内部新鲜面可代表待测定岩屑内的真实情况,因此,获得的岩屑颗粒图像为代表待测定岩屑内的真实情况的图像,从而可提高基于岩屑颗粒图像确定出的待测定岩屑颗粒的代表性参数的准确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1本发明提供的现场岩屑扫描代表性分析方法的一个实施例流程示意图;
图2为本发明图1中S101中确定待测定岩屑颗粒的一个实施例流程示意图;
图3为本发明图1中S103的一个实施例流程示意图;
图4为本发明提供的对岩屑颗粒图像进行平滑处理的一个实施例流程示意图;
图5为本发明提供的未经平滑的岩屑颗粒图像的一个实施例示意图;
图6为本发明提供的经过平滑的岩屑颗粒图像的一个实施例示意图;
图7为本发明图3中S301的一个实施例流程示意图;
图8为本发明提供的现场岩屑扫描代表性分析装置的一个实施例结构示意图;
图9为本发明提供的现场岩屑扫描代表性分析设备的一个实施例结构示意图。
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,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应当理解,示意性的附图并未按实物比例绘制。本发明中使用的流程图示出了根据本发明的一些实施例实现的操作。应当理解,流程图的操作可以不按顺序实现,没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外,本领域技术人员在本发明内容的指引下,可以向流程图添加一个或多个其他操作,也可以从流程图中移除一个或多个操作。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器系统和/或微控制器系统中实现这些功能实体。
本发明实施例中所涉及到的“第一”、“第二”等描述仅用于描述目的,而不能理解为指示或者暗示其相对重要性或者隐含指明所指示的技术特征的数量。因此,限定有“第一”、“第二”的技术特征可以明示或者隐含的包括至少一个该特征。
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发明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,也不是与其他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他实施例相结合。
本发明提供了一种现场岩屑扫描代表性分析方法及装置,以下分别进行说明。
本发明提供了一种现场岩屑扫描代表性分析方法,如图1所示,现场岩屑扫描代表性分析方法包括:
S101、确定待测定岩屑颗粒,并对待测定岩屑颗粒进行打磨,获取目标岩屑颗粒,目标岩屑颗粒为包括岩屑内部新鲜面的岩屑颗粒;
S102、获取岩屑内部新鲜面的岩屑颗粒图像;
S103、基于岩屑颗粒图像确定待测定岩屑颗粒的岩屑代表性参数。
与现有技术相比,本发明实施例提供的现场岩屑扫描代表性分析方法,通过对待测定岩屑颗粒进行打磨,获得包括岩屑内部新鲜面的目标岩屑颗粒,并获取岩屑内部新鲜面的岩屑颗粒图像,基于岩屑颗粒图像确定待测定岩屑颗粒的岩屑代表性参数,由于岩屑内部新鲜面可代表待测定岩屑内的真实情况,因此,获得的岩屑颗粒图像为代表待测定岩屑内的真实情况的图像,从而可提高基于岩屑颗粒图像确定出的待测定岩屑颗粒的代表性参数的准确性。
需要说明的是:岩屑代表性参数的物理意义是待测定岩屑颗粒中的孔隙空间占比。
还需要说明的是:目标岩屑颗粒的数量应当为至少一个。
在本发明的优选实施例中,目标岩屑颗粒的数量为多个,则步骤S203具体为:确定出各目标岩屑颗粒对应的岩屑代表性参数,并将多个目标岩屑颗粒的岩屑代表性参数的平均值作为最终的岩屑代表性参数。
本发明实施例通过设置将多个目标岩屑颗粒的岩屑代表性参数的平均值作为最终的待测定岩屑颗粒的岩屑代表性参数,可结合多个岩屑颗粒的平均统计信息,使得确定出的岩岩屑代表性参数更具有代表性。
由于岩屑颗粒是在钻井时以细小的微粒形式返排到地面,且岩屑代表性参数是当前地质储层的重要参数,因此,岩屑颗粒需要是能反映当前地质储层的颗粒。由此可知,为了提高待测定岩屑颗粒的地质代表性,在本发明的一些实施例中,如图2所示,步骤S101中的确定待测定岩屑颗粒,包括:
S201、获取多个初始岩屑颗粒;
S202、获取多个初始岩屑颗粒所在地质的地质特征;
S203、基于地质特征从多个初始岩屑颗粒中确定待测定岩屑颗粒。
本发明实施例通过基于地质特征从多个初始岩屑颗粒中确定待测定岩屑颗粒,可提高待测定岩屑颗粒的地质代表性,从而提高确定出的岩屑代表性参数的实用性。
需要说明的是:步骤S203可由富有丰富经验的工作人员执行,也可基于构建的岩屑颗粒选择模型进行选择。
具体地,将各初始岩屑颗粒的图像输入至岩屑颗粒选择模型中,岩屑颗粒选择模型输出评分,将评分高于预设评分的初始岩屑颗粒确定为待测定岩屑颗粒。
其中,岩屑颗粒选择模型包括但不限于:深度神经网络(Deep Neural Network,DNN)模型、循环神经网络(Recurrent Neural Networks,RNN)模型、梯度提升决策树(Gradient Boosting Decision Tree,GBDT)模型、逻辑回归(Logistic Regression,LR)模型中的至少一种。
由于待测定岩屑颗粒的尺寸较小,为了使步骤S101中对待测定岩屑颗粒进行打磨时更加便利,从而提高岩屑代表性参数的确定效率,在本发明的一些实施例中,在步骤S101的对待测定岩屑颗粒进行打磨,获取目标岩屑颗之前,还包括:
将待测定岩屑颗粒放入样品盒,向样品盒中注入可凝固的注入剂,并等待注入剂凝固。
本发明实施例通过将待测定岩屑颗粒放入样品盒,向样品盒中注入可凝固的注入剂,并等待注入剂凝固,可通过注入剂实现对待测定岩屑颗粒的固定,从而提高打磨效率,进而提高岩屑代表性参数的确定效率。
进一步地,当待测定岩屑颗粒的数量为两个或两个以上时,通过注入剂可同时实现对多个待测定岩屑颗粒的固定,从而可进一步提高获得目标岩屑颗粒的速度,进而可进一步提高岩屑代表性参数的确定效率。
在本发明的一些实施例中,注入剂为环氧树脂。
由于岩屑颗粒的尺寸均比较小,采用普通的相机获得岩屑颗粒图像会存在分辨率较低的技术问题,而扫描电镜是一种电子光学显像仪器,采用极细的电子束在样品表面扫描,高能电子射束与物质之交互作用,产生了各种讯号,这些讯号,经由检测器接收后,经放大器放大,然后送到显像管上成像。它具有制样简单、放大倍数可调范围宽、图像的分辨率高、景深大等特点。因此,为了避免岩屑颗粒图像分辨率较低,导致无法有效确定岩屑代表性参数的技术问题,在本发明的一些实施例中,岩屑颗粒图像为电镜扫描图像。
本发明实施例通过设置岩屑颗粒图像为电镜扫描图像,可提高岩屑颗粒图像的分辨率,从而提高确定出的岩屑代表性参数的准确性。
由于扫描电镜需采用极细的电子束在样品表面扫描,高能电子射束与物质发生交互作用,产生各种讯号。因此,步骤S102具体为:
在目标岩屑颗粒的岩屑内部新鲜面的表面镀导电层,并基于扫描电镜获取岩屑颗粒图像。
通过在岩屑内部新鲜面的表面镀导电层,可使扫描电镜有效获取岩屑颗粒图像。
在本发明的具体实施例中,导电层为碳层,即:在目标岩屑颗粒的岩屑内部新鲜面的表面镀碳。
在本发明的一些实施例中,岩屑颗粒包括注胶区和岩屑区,岩屑区包括岩屑本体区和岩屑孔隙区;则如图3所示,步骤S103包括:
S301、基于岩屑颗粒图像确定注胶区的注胶区代表性参数和岩屑孔隙区的岩屑孔隙区代表性参数;
S302、基于注胶区代表性参数和岩屑孔隙区代表性参数确定岩屑代表性参数。
在本发明的具体实施例中,岩屑代表性参数为:
式中,β为岩屑代表性参数;α1为注胶区代表性参数;α2为岩屑孔隙区代表性参数。
由于本发明实施例的岩屑颗粒图像中包括了注入剂,在注入剂注入的过程中,难免会存在一些注胶点,为了避免注胶点对岩屑颗粒图像的分析结果造成不良影响,在本发明的一些实施例中,如图4所示,在步骤S302之前,还包括:
S401、对岩屑颗粒图像进行二值化处理,获得第一二值化图像;
S402、将岩屑颗粒图像和第一二值化图像相乘,获得平滑图像。
本发明实施例通过将岩屑颗粒图像和第一二值化图像相乘,可剔除注胶点,获得平滑图像,从而避免了注胶点对岩屑颗粒图像的分析结果造成影响,提高了确定出的岩屑代表性参数的准确性。
在本发明的具体实施例中,图5为未经平滑的岩屑颗粒图像,图6为平滑后的平滑图像,由图5和图6可知,经过对岩屑颗粒图像和第一二值化图像进行相乘,可使获得的平滑图像中不存在注胶点,从而可提高确定出的岩屑代表性参数的准确性。
需要说明的是:第一二值化图像找那个注胶区的灰度值为0,岩屑区的灰度值为1。
在本发明的一些实施例中,如图7所示,步骤S301包括:
S701、将平滑图像和第一二值化图像相加,获得过渡图像;
S702、对过渡图像进行二值化处理,获得第二二值化图像,并基于第二二值化图像确定注胶区的注胶区面积;
S703、基于注胶区面积确定注胶区代表性参数;
S704、对第二二值化图像进行二值化处理,获得第三二值化图像,并基于第三二值化图像确定岩屑孔隙区代表性参数。
其中,第二二值化图像中注胶区的灰度值为0,岩屑区的灰度值为1;第三二值化图像中岩屑本体区的灰度值为0,岩屑孔隙区的灰度值为1。
在本发明的具体实施例中,注胶区代表性参数为:
式中,α1为注胶区代表性参数;ωpart为注胶区面积;ωtotal为岩屑颗粒图像的图像面积。
在本发明的一个具体实例中,注胶区代表性参数α1为47.26%,则岩屑区代表性参数52.74%,经图像分析获知岩屑孔隙区代表性参数α2为0.91%,则岩屑代表性参数为0.91%/52.74%=1.72%。
为了更好实施本发明实施例中的现场岩屑扫描代表性分析方法,在现场岩屑扫描代表性分析方法基础之上,对应地,如图8所示,本发明实施例还提供了一种现场岩屑扫描代表性分析装置,现场岩屑扫描代表性分析装置800包括:
目标岩屑颗粒获取单元801,用于确定待测定岩屑颗粒,并对待测定岩屑颗粒进行打磨,获取目标岩屑颗粒,目标岩屑颗粒为包括岩屑内部新鲜面的岩屑颗粒;
岩屑颗粒图像获取单元802,用于获取岩屑内部新鲜面的岩屑颗粒图像;
现场岩屑扫描代表性分析单元803,用于基于岩屑颗粒图像确定待测定岩屑颗粒的岩屑代表性参数。
上述实施例提供的现场岩屑扫描代表性分析装置800可实现上述现场岩屑扫描代表性分析方法实施例中描述的技术方案,上述各模块或单元具体实现的原理可参见上述现场岩屑扫描代表性分析方法实施例中的相应内容,此处不再赘述。
如图9所示,本发明还相应提供了一种现场岩屑扫描代表性分析设备900。该现场岩屑扫描代表性分析设备900包括处理器901、存储器902及显示器903。图9仅示出了现场岩屑扫描代表性分析设备900的部分组件,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。
存储器902在一些实施例中可以是现场岩屑扫描代表性分析设备900的内部存储单元,例如现场岩屑扫描代表性分析设备900的硬盘或内存。存储器902在另一些实施例中也可以是现场岩屑扫描代表性分析设备900的外部存储设备,例如现场岩屑扫描代表性分析设备900上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)等。
进一步地,存储器902还可既包括现场岩屑扫描代表性分析设备900的内部储存单元也包括外部存储设备。存储器902用于存储安装现场岩屑扫描代表性分析设备900的应用软件及各类数据。
处理器901在一些实施例中可以是一中央处理器(Central Processing Unit,CPU),微处理器或其他数据处理芯片,用于运行存储器902中存储的程序代码或处理数据,例如本发明中的现场岩屑扫描代表性分析方法。
显示器903在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。显示器903用于显示在现场岩屑扫描代表性分析设备900的信息以及用于显示可视化的用户界面。现场岩屑扫描代表性分析设备900的部件901-903通过系统总线相互通信。
在本发明的一些实施例中,当处理器901执行存储器902中的现场岩屑扫描代表性分析程序时,可实现以下步骤:
确定待测定岩屑颗粒,并对待测定岩屑颗粒进行打磨,获取目标岩屑颗粒,目标岩屑颗粒为包括岩屑内部新鲜面的岩屑颗粒;
获取岩屑内部新鲜面的岩屑颗粒图像;
基于岩屑颗粒图像确定待测定岩屑颗粒的岩屑代表性参数。
应当理解的是:处理器901在执行存储器902中的现场岩屑扫描代表性分析程序时,除了上面的功能之外,还可实现其他功能,具体可参见前面相应方法实施例的描述。
进一步地,本发明实施例对提及的现场岩屑扫描代表性分析设备900的类型不做具体限定,现场岩屑扫描代表性分析设备900可以为手机、平板电脑、个人数字助理(personal digitalassistant,PDA)、可穿戴设备、膝上型计算机(laptop)等便携式现场岩屑扫描代表性分析设备。便携式现场岩屑扫描代表性分析设备的示例性实施例包括但不限于搭载IOS、android、microsoft或者其他操作系统的便携式现场岩屑扫描代表性分析设备。上述便携式现场岩屑扫描代表性分析设备也可以是其他便携式现场岩屑扫描代表性分析设备,诸如具有触敏表面(例如触控面板)的膝上型计算机(laptop)等。还应当理解的是,在本发明其他一些实施例中,现场岩屑扫描代表性分析设备900也可以不是便携式现场岩屑扫描代表性分析设备,而是具有触敏表面(例如触控面板)的台式计算机。
相应地,本申请实施例还提供一种计算机可读存储介质,计算机可读存储介质用于存储计算机可读取的程序或指令,程序或指令被处理器执行时,能够实现上述各方法实施例提供的现场岩屑扫描代表性分析方法步骤或功能。
本领域技术人员可以理解,实现上述实施例方法的全部或部分流程,可以通过计算机程序来指令相关的硬件(如处理器,控制器等)来完成,计算机程序可存储于计算机可读存储介质中。其中,计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。
以上对本发明所提供的现场岩屑扫描代表性分析方法及装置进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种现场岩屑扫描代表性分析方法,其特征在于,包括:
确定待测定岩屑颗粒,并对所述待测定岩屑颗粒进行打磨,获取目标岩屑颗粒,所述目标岩屑颗粒为包括岩屑内部新鲜面的岩屑颗粒;
获取所述岩屑内部新鲜面的岩屑颗粒图像;
基于所述岩屑颗粒图像确定所述待测定岩屑颗粒的岩屑代表性参数。
2.根据权利要求1所述的现场岩屑扫描代表性分析方法,其特征在于,所述确定待测定岩屑颗粒,包括:
获取多个初始岩屑颗粒;
获取所述多个初始岩屑颗粒所在地质的地质特征;
基于所述地质特征从所述多个初始岩屑颗粒中确定所述待测定岩屑颗粒。
3.根据权利要求1所述的现场岩屑扫描代表性分析方法,其特征在于,在所述对所述待测定岩屑颗粒进行打磨,获取目标岩屑颗粒之前,还包括:
将所述待测定岩屑颗粒放入样品盒,向所述样品盒中注入可凝固的注入剂,并等待所述注入剂凝固。
4.根据权利要求1所述的现场岩屑扫描代表性分析方法,其特征在于,所述岩屑颗粒图像为电镜扫描图像,则所述获取所述岩屑内部新鲜面的岩屑颗粒图像,包括:
在所述目标岩屑颗粒的岩屑内部新鲜面的表面镀导电层,并基于扫描电镜获取所述岩屑颗粒图像。
5.根据权利要求1所述的现场岩屑扫描代表性分析方法,其特征在于,所述岩屑颗粒包括注胶区和岩屑区,所述岩屑区包括岩屑本体区和岩屑孔隙区;所述基于所述岩屑颗粒图像确定所述待测定岩屑颗粒的岩屑代表性参数,包括:
基于所述岩屑颗粒图像确定所述注胶区的注胶区代表性参数和所述岩屑孔隙区的岩屑孔隙区代表性参数;
基于所述注胶区代表性参数和所述岩屑孔隙区代表性参数确定所述岩屑代表性参数。
6.根据权利要求5所述的现场岩屑扫描代表性分析方法,其特征在于,所述岩屑代表性参数为:
式中,β为岩屑代表性参数;α1为注胶区代表性参数;α2为岩屑孔隙区代表性参数。
7.根据权利要求5所述的现场岩屑扫描代表性分析方法,其特征在于,在所述基于所述岩屑颗粒图像确定所述注胶区的注胶区代表性参数和所述岩屑孔隙区的岩屑孔隙区代表性参数之前,还包括:
对所述岩屑颗粒图像进行二值化处理,获得第一二值化图像;
将所述岩屑颗粒图像和所述第一二值化图像相乘,获得平滑图像。
8.根据权利要求7所述的现场岩屑扫描代表性分析方法,其特征在于,所述基于所述岩屑颗粒图像确定所述注胶区的注胶区代表性参数和所述岩屑孔隙区的岩屑孔隙区代表性参数,包括:
将所述平滑图像和所述第一二值化图像相加,获得过渡图像;
对所述过渡图像进行二值化处理,获得第二二值化图像,并基于所述第二二值化图像确定所述注胶区的注胶区面积;
基于所述注胶区面积确定所述注胶区代表性参数;
对所述第二二值化图像进行二值化处理,获得第三二值化图像,并基于所述第三二值化图像确定所述岩屑孔隙区代表性参数。
9.根据权利要求8所述的现场岩屑扫描代表性分析方法,其特征在于,所述注胶区代表性参数为:
式中,α1为所述注胶区代表性参数;ωpart为所述注胶区面积;ωtotal为所述岩屑颗粒图像的图像面积。
10.一种现场岩屑扫描代表性分析装置,其特征在于,包括:
目标岩屑颗粒获取单元,用于确定待测定岩屑颗粒,并对所述待测定岩屑颗粒进行打磨,获取目标岩屑颗粒,所述目标岩屑颗粒为包括岩屑内部新鲜面的岩屑颗粒;
岩屑颗粒图像获取单元,用于获取所述岩屑内部新鲜面的岩屑颗粒图像;
现场岩屑扫描代表性分析单元,用于基于所述岩屑颗粒图像确定所述待测定岩屑颗粒的岩屑代表性参数。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311028409 | 2023-08-15 | ||
CN202311028409X | 2023-08-15 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117309923A true CN117309923A (zh) | 2023-12-29 |
Family
ID=89296344
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311198163.0A Pending CN117309923A (zh) | 2023-08-15 | 2023-09-15 | 一种现场岩屑扫描代表性分析方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117309923A (zh) |
-
2023
- 2023-09-15 CN CN202311198163.0A patent/CN117309923A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10891462B2 (en) | Identifying geometrical properties of rock structure through digital imaging | |
Jiang et al. | Efficient extraction of networks from three‐dimensional porous media | |
US10043274B2 (en) | Image data processing | |
EP2965126B1 (en) | Determining continuous capillary pressure curves for subsurface earth formations using saturation and nmr log data | |
CN106323836B (zh) | 一种井壁渗透率计算方法及装置 | |
US10115188B2 (en) | Porous material analysis system and method for hydrology, petroleum and environment engineering | |
US10223782B2 (en) | Digital rock physics-based trend determination and usage for upscaling | |
CN109891460B (zh) | 具有两个或更多个不混溶相的岩石的岩石物理性质的直接数值模拟 | |
CN107449707A (zh) | 页岩储层中不同尺度孔隙定量的三维表征确定方法和装置 | |
CA3069442C (en) | High-angle fracture prediction method, computer device and computer-readable storage medium | |
Ramakrishnan et al. | A model-based interpretation methodology for evaluating carbonate reservoirs | |
US11467080B2 (en) | Estimating permeability of reservoir rocks using mercury injection capillary pressure | |
CN106918607A (zh) | 一种孔隙结构获取方法及装置 | |
CN116168172B (zh) | 页岩油气甜点预测方法、装置、设备及存储介质 | |
Jiang et al. | Pore‐scale multiresolution rock‐typing of layered sandstones via Minkowski maps | |
CN117309923A (zh) | 一种现场岩屑扫描代表性分析方法及装置 | |
CN115929292A (zh) | 基于成像测井和常规测井融合的测井方法、装置及设备 | |
CN113818867B (zh) | 一种构建伪毛管压力曲线方法、系统、介质、设备及应用 | |
CN115113281A (zh) | 标志井及其标志层的确定方法、装置、设备及存储介质 | |
Hu et al. | Correlating recovery efficiency to pore throat characteristics using digital rock analysis | |
CN112231881A (zh) | 基质渗透率计算方法及系统 | |
CN117951476A (zh) | 页岩油储层的岩性识别模型的构建方法及岩性识别方法 | |
CN115876668B (zh) | 一种基于岩芯的石油储层孔隙度测算方法 | |
CN109254330B (zh) | 火成岩储层的裂缝段的识别方法及装置 | |
Krassakopoulos | Petrophysical Characterization of Gas Reservoir Rock Samples using High Resolution Micro-CT Images |
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 |