KR102326480B1 - 시추코어 자료와 물리검층 자료를 이용하여 암상을 분류하는 암상 분류 시스템 및 이를 위한 데이터베이스 구축 장치 및 방법 - Google Patents
시추코어 자료와 물리검층 자료를 이용하여 암상을 분류하는 암상 분류 시스템 및 이를 위한 데이터베이스 구축 장치 및 방법 Download PDFInfo
- Publication number
- KR102326480B1 KR102326480B1 KR1020190161292A KR20190161292A KR102326480B1 KR 102326480 B1 KR102326480 B1 KR 102326480B1 KR 1020190161292 A KR1020190161292 A KR 1020190161292A KR 20190161292 A KR20190161292 A KR 20190161292A KR 102326480 B1 KR102326480 B1 KR 102326480B1
- Authority
- KR
- South Korea
- Prior art keywords
- information
- dark phase
- physical analysis
- drilling core
- dark
- Prior art date
Links
- 238000005553 drilling Methods 0.000 title claims abstract description 131
- 238000000034 method Methods 0.000 title claims description 19
- 238000010276 construction Methods 0.000 title claims description 7
- 239000011435 rock Substances 0.000 title description 4
- 238000009826 distribution Methods 0.000 claims abstract description 34
- 230000003595 spectral effect Effects 0.000 claims abstract description 22
- 238000005259 measurement Methods 0.000 claims description 41
- 239000002245 particle Substances 0.000 claims description 33
- 238000001228 spectrum Methods 0.000 claims description 27
- 239000000203 mixture Substances 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 4
- 206010028980 Neoplasm Diseases 0.000 claims description 2
- 201000011510 cancer Diseases 0.000 claims description 2
- 239000011162 core material Substances 0.000 description 100
- 230000006870 function Effects 0.000 description 34
- 238000010586 diagram Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 11
- 239000000284 extract Substances 0.000 description 7
- 239000003086 colorant Substances 0.000 description 3
- 238000011835 investigation Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V11/00—Prospecting or detecting by methods combining techniques covered by two or more of main groups G01V1/00 - G01V9/00
- G01V11/002—Details, e.g. power supply systems for logging instruments, transmitting or recording data, specially adapted for well logging, also if the prospecting method is irrelevant
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B49/00—Testing the nature of borehole walls; Formation testing; Methods or apparatus for obtaining samples of soil or well fluids, specially adapted to earth drilling or wells
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Optimization (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- Algebra (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Databases & Information Systems (AREA)
- Operations Research (AREA)
- General Engineering & Computer Science (AREA)
- Geophysics (AREA)
- Mining & Mineral Resources (AREA)
- Geology (AREA)
- Fluid Mechanics (AREA)
- Environmental & Geological Engineering (AREA)
- Geochemistry & Mineralogy (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
시추코어 자료로부터 추출되는 스펙트럼 정보의 분포에 따른 암상 정보와, 동일한 심도에서 측정되는 물리검층 자료가 저장되는 데이터베이스; 물리검층 자료를 측정하는 물리검층 측정 장치; 및 상기 물리검층 자료를 전달받고, 상기 데이터베이스에 저장된 물리검층 자료에 따라 상기 물리검층 자료에 대한 암상 정보를 생성하는 암상 분류 장치를 포함하는, 암상 분류 시스템을 제공한다.
Description
본 발명은 물리검층 자료를 이용하여 암상을 분류하는 암상 분류 시스템 및 이를 위한 데이터베이스 구축 장치 및 방법에 관한 것으로, 보다 상세하게는, 시추코어의 이미지 자료와 동일한 암상에서 측정되는 물리검층 자료를 이용하여 데이터베이스를 구축하고, 임의의 암상에서 측정되는 물리검층 자료로부터 암상을 분류하는 암상 분류 시스템 및 이를 위한 데이터베이스 구축 장치 및 방법에 관한 것이다.
일반적으로 지반 조사를 위해, 암반에 대한 시추작업을 수행하여 시추코어를 획득하게 되며, 대게 시추코어는 원기둥 형태의 암석으로 나타난다.
한편, 이러한 시추코어로부터 측정되는 시추코어 자료는 지하의 불균질성을 직접적으로 조사하기 위한 자료이나, 시추작업에 요구되는 비용 등의 문제로 많은 수의 시추코어를 획득하기 어려우며, 완전한 상태의 시추코어를 회득하기도 어려움이 따른다.
이에 따라, 시추작업이 수행되어 생성된 시추공 내부로 검층기를 삽입하여 자연적으로 발생하는 물리적인 현상이나, 인공적으로 발생되는 물리적 현상을 분석하여 획득할 수 있는 물리검층 자료는 비용이나 양적인 측면에서 시추코어 자료의 대안으로 이용될 수 있다.
그러나, 물리검층 자료에 따라 암상을 분류하는 방법은 통계적인 방법이 사용되며, 이러한 방법은 물리검층 자료를 해석하는데 오랜 시간이 소요되며, 특정한 물리검층 자료에 대해 다양한 물리검층 자료를 고려하는데 제약이 따르는 것이 현실이다. 이에 따라, 물리검층 자료를 해석하는 자에 따라 해석 결과가 달라질 수 있는 단점이 존재한다.
이에 따라, 용이하게 지반 조사를 수행하면서도, 정확하게 암상을 분류하는 방안이 요구되는 실정이다.
본 발명이 해결하고자 하는 기술적 과제는 시추코어의 이미지 자료와 동일한 암상에서 측정되는 물리검층 자료를 이용하여 데이터베이스를 구축하고, 임의의 암상에서 측정되는 물리검층 자료로부터 암상을 분류하는 암상 분류 시스템 및 이를 위한 데이터베이스 구축 장치 및 방법을 제공하는 것이다.
본 발명의 일측면은, 시추코어 자료로부터 추출되는 스펙트럼 정보의 분포를 군집화하여 생성되는 암상 정보와, 상기 암상 정보에 대해 동일한 심도에서 측정되는 물리검층 자료가 저장되는 데이터베이스; 임의의 위치에 존재하는 암상의 물리검층 자료를 측정하는 물리검층 측정 장치; 및 상기 물리검층 측정 장치에서 측정되는 물리검층 자료를 전달받고, 상기 데이터베이스에 저장된 물리검층 자료에 따라 상기 물리검층 측정 장치에서 측정된 물리검층 자료에 대한 암상 정보를 생성하는 암상 분류 장치를 포함할 수 있다.
또한, 상기 암상 분류 장치는, 상기 데이터베이스에 저장된 복수개의 물리검층 자료 중에서, 동일한 암상을 나타내는 적어도 하나 이상의 물리검층 자료를 외부로부터 입력 받고, 상기 동일한 암상을 나타내는 적어도 하나 이상의 물리검층 자료를 수학적으로 나타내는 함수 정보를 생성할 수 있다.
또한, 상기 암상 분류 장치는, 상기 함수 정보가 나타내는 물리검층 자료에 대한 암상 정보를 외부로부터 입력 받을 수 있다.
또한, 상기 암상 분류 장치는, 서로 다른 암상을 나타내는 복수개의 함수 정보 중에서, 상기 물리검층 측정 장치에서 측정된 물리검층 자료가 만족하는 함수 정보를 판단하고, 상기 함수 정보에 대해 설정된 암상 정보를 추출할 수 있다.
본 발명의 다른 일측면은, 시추코어 자료를 획득하는 시추코어 자료 획득부; 시추코어 자료로부터 심도에 따른 스펙트럼 정보를 추출하는 스펙트럼 정보 추출부; 암상에 따라 스펙트럼 정보의 분포를 군집화하여 암상 정보를 생성하는 암상 분석부; 상기 암상 정보와 동일한 심도에서 측정되는 물리검층 자료를 획득하는 물리검층 자료 획득부; 및 동일한 심도에서의 암상 정보에 대한 물리검층 자료를 저장하는 데이터베이스부를 포함할 수 있다.
또한, 상기 스펙트럼 정보는, 상기 시추코어 자료에서 나타나는 암상의 색상으로부터 각각의 색상의 강도로 나타나는 적색 정보, 녹색 정보 및 청색 정보를 구비하는 색상 정보; 및 상기 시추코어 자료에서 나타나는 암상 입자의 크기를 나타내는 입자 정보를 포함할 수 있다.
또한, 상기 입자 정보는, 상기 시추코어 자료를 사전에 설정되는 명도 단계에 따른 흑백 이미지로 변환하고, 사전에 설정되는 측정 크기 내에서 관측되는 점 분포에 따라 계산될 수 있다.
또한, 상기 암상 분석부는, 상기 적색 정보, 상기 녹색 정보, 상기 청색 정보 및 상기 입자 정보에 따라 나타나는 가우시안 분포를 생성하고, 복수개의 가우시안 분포로부터 계산되는 혼합 모델에 따라 암상 정보를 생성할 수 있다.
또한, 상기 시추코어 자료는, 시추 작업을 수행하여 추출되는 시추코어의 길이 방향 축을 따라 나열되도록 사전에 설정되는 거리 간격으로 암상을 촬영하여 이미지 정보를 획득할 수 있다.
또한, 상기 이미지 정보는, 사전에 설정되는 복수개의 픽셀에 따라 적어도 하나 이상의 색상의 배열로 나타날 수 있다.
본 발명의 또 다른 일측면은, 시추코어 자료를 획득하는 단계; 시추코어 자료로부터 심도에 따른 스펙트럼 정보를 추출하는 단계; 암상에 따라 스펙트럼 정보의 분포를 군집화하여 암상 정보를 생성하는 단계; 상기 암상 정보와 동일한 심도에서 측정되는 물리검층 자료를 획득하는 단계; 및 동일한 심도에서의 암상 정보에 대한 물리검층 자료를 저장하는 단계를 포함할 수 있다.
또한, 상기 스펙트럼 정보는, 상기 시추코어 자료에서 나타나는 암상의 색상으로부터 각각의 색상의 강도로 나타나는 적색 정보, 녹색 정보 및 청색 정보를 구비하는 색상 정보; 및 상기 시추코어 자료에서 나타나는 암상 입자의 크기를 나타내는 입자 정보를 포함할 수 있다.
또한, 상기 암상 정보를 생성하는 단계는, 상기 시추코어 자료를 사전에 설정되는 명도 단계에 따른 흑백 이미지로 변환하고, 사전에 설정되는 측정 크기 내에서 관측되는 점 분포에 따라 상기 입자 정보를 계산하는 단계를 더 포함할 수 있다.
또한, 상기 암상 정보를 생성하는 단계는, 상기 적색 정보, 상기 녹색 정보, 상기 청색 정보 및 상기 입자 정보에 따라 나타나는 가우시안 분포를 생성하는 단계; 및 복수개의 가우시안 분포로부터 계산되는 혼합 모델에 따라 암상 정보를 생성하는 단계를 더 포함할 수 있다.
또한, 상기 시추코어 자료를 획득하는 단계는, 시추 작업을 수행하여 추출되는 시추코어의 길이 방향 축을 따라 나열되도록 사전에 설정되는 거리 간격으로 암상을 촬영하여 이미지 정보를 획득할 수 있다.
또한, 상기 이미지 정보는, 사전에 설정되는 복수개의 픽셀에 따라 적어도 하나 이상의 색상의 배열로 나타날 수 있다.
상술한 본 발명의 일측면에 따르면, 물리검층 자료를 이용하여 암상을 분류하는 암상 분류 시스템 및 이를 위한 데이터베이스 구축 장치 및 방법을 제공함으로써, 시추코어의 이미지 자료와 동일한 암상에서 측정되는 물리검층 자료를 이용하여 데이터베이스를 구축하고, 임의의 암상에서 측정되는 물리검층 자료로부터 암상을 분류할 수 있다.
도1은 본 발명의 일 실시예에 따른 암상 분류 시스템의 개략도이다.
도2는 본 발명의 일 실시예에 따른 암상 분류 장치의 제어블록도이다.
도3은 본 발명의 일 실시예에 따른 데이터베이스 구축 장치의 제어블록도이다.
도4는 도1의 암상 분류 시스템에서 함수 정보를 생성하는 과정을 나타내는 블록도이다.
도5는 도1의 암상 분류 시스템에서 물리검층 자료에 따라 암상을 분류하는 과정을 나타내는 블록도이다.
도6은 도2의 데이터베이스 구축 장치에서 데이터베이스를 구축하는 과정을 나타내는 블록도이다.
도7a 및 도7b는 도3의 스펙트럼 정보 추출부에서 추출되는 스펙트럼 정보를 나타내는 도면이다.
도8은 본 발명의 일 실시예에 따른 데이터베이스 구축 방법의 순서도이다.
도2는 본 발명의 일 실시예에 따른 암상 분류 장치의 제어블록도이다.
도3은 본 발명의 일 실시예에 따른 데이터베이스 구축 장치의 제어블록도이다.
도4는 도1의 암상 분류 시스템에서 함수 정보를 생성하는 과정을 나타내는 블록도이다.
도5는 도1의 암상 분류 시스템에서 물리검층 자료에 따라 암상을 분류하는 과정을 나타내는 블록도이다.
도6은 도2의 데이터베이스 구축 장치에서 데이터베이스를 구축하는 과정을 나타내는 블록도이다.
도7a 및 도7b는 도3의 스펙트럼 정보 추출부에서 추출되는 스펙트럼 정보를 나타내는 도면이다.
도8은 본 발명의 일 실시예에 따른 데이터베이스 구축 방법의 순서도이다.
후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이들 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 여기에 기재되어 있는 특정 형상, 구조 및 특성은 일 실시예와 관련하여 본 발명의 정신 및 범위를 벗어나지 않으면서 다른 실시예로 구현될 수 있다. 또한, 각각의 개시된 실시예 내의 개별 구성요소의 위치 또는 배치는 본 발명의 정신 및 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 취하려는 것이 아니며, 본 발명의 범위는, 적절하게 설명된다면, 그 청구항들이 주장하는 것과 균등한 모든 범위와 더불어 첨부된 청구항에 의해서만 한정된다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 기능을 지칭한다.
이하, 도면들을 참조하여 본 발명의 바람직한 실시예들을 보다 상세하게 설명하기로 한다.
도1은 본 발명의 일 실시예에 따른 암상 분류 시스템의 개략도이다.
암상 분류 시스템(1)은 데이터베이스(100), 물리검층 측정 장치(200) 및 암상 분류 장치(300)를 포함할 수 있다.
데이터베이스(100)는 시추코어 자료로부터 추출되는 스펙트럼 정보의 분포를 군집화하여 생성되는 암상 정보와, 암상 정보에 대해 동일한 심도에서 측정되는 물리검층 자료가 저장될 수 있다.
여기에서, 시추코어 자료는 시추 작업을 수행하여 추출되는 시추코어의 암상을 촬영한 이미지 정보로 이해할 수 있다. 이때, 시추코어 자료는 시추코어의 길이 방향 축을 따라 나열되도록 촬영될 수 있으며, 시추코어 자료는 사전에 설정되는 길이 간격으로 촬영될 수 있다.
예를 들어, 시추코어 자료는 시추코어의 길이 방향 축을 따라 20Cm 간격으로 촬영될 수 있으며, 이때, 시추코어 자료는 시추코어의 길이 방향 축으로 20Cm가 촬영된 이미지 자료일 수 있다.
한편, 시추코어 자료는 시추코어 옆면의 일부 또는 전체가 촬영된 자료일 수 있으며, 또한, 시추코어 자료는 시추코어의 길이 방향 축에 따라 전체 암상을 촬영한 이미지 자료일 수도 있음은 물론이다.
또한, 시추코어의 길이 방향 축은 시추코어가 추출되는 시추공의 심도로 이해할 수 있다.
이와 같은, 시추코어 자료는 시추코어를 촬영할 수 있도록 구비되는 카메라 등의 장치에 의해 생성될 수 있다.
물리검층 자료는 시추 작업이 수행되어 생성되는 시추공에 검측기를 삽입하고, 검측기를 통해 시추공 내부에서 발생하는 감마선, X-선, 방사선, 음파, 초음파 등의 물리적인 현상을 기록하는 자료로 이해할 수 있다.
이때, 물리검층 자료는 시추공의 심도에 따라 연속적으로 기록될 수 있고, 물리검층 자료는 서로 다른 물리현상을 개별적으로 기록하여 복수개의 물리검층 자료로 생성될 수 있다.
이와 같은, 물리검층 자료는 시추공 내부에 삽입하여 시추공 내부에서 발생하는 물리적인 현상을 측정하는 물리검층 측정 장치(200) 등으로부터 생성될 수 있으며, 물리검층 자료는 지구물리검층 자료 등으로 불리기도 하는 것으로 이해할 수 있다.
이에 따라, 데이터베이스(100)는 임의의 심도에서 촬영된 시추코어로부터 생성되는 암상 정보에 대해, 동일한 심도에서 측정되는 물리검층 자료를 저장하는 것으로 이해할 수 있다.
한편, 데이터베이스(100)는 시추코어 자료로부터 생성되는 암상 정보에 대한 물리검층 자료가 저장되는 서버 장치 또는 저장소 등으로 이해할 수 있다.
이와 관련하여, 데이터베이스(100)를 구축하는 방법은 이하에서 상세히 설명하도록 한다.
물리검층 측정 장치(200)는 임의의 위치에 존재하는 암상의 물리검층 자료를 측정할 수 있다.
이때, 물리검층 측정 장치(200)는 측정된 물리검층 자료를 암상 분류 장치(300)에 전달할 수 있다.
이와 관련하여, 물리검층 측정 장치(200)는 무선 또는 유선 통신 매체를 이용하여 물리검층 자료를 암상 분류 장치(300)에 전달할 수 있다.
암상 분류 장치(300)는 물리검층 측정 장치(200)에서 측정되는 물리검층 자료를 전달받을 수 있으며, 이에 따라, 암상 분류 장치(300)는 데이터베이스(100)에 저장된 물리검층 자료에 따라 물리검층 측정 장치(200)에서 측정된 물리검층 자료에 대한 암상 정보를 생성할 수 있다.
이를 위해, 암상 분류 장치(300)는 데이터베이스(100)에 저장된 복수개의 물리검층 자료 중에서, 동일한 암상을 나타내는 적어도 하나 이상의 물리검층 자료를 외부로부터 입력 받을 수 있다.
이때, 암상 분류 장치(300)가 동일한 암상을 나타내는 물리검층 자료를 외부로부터 입력 받는 것은 서로 다른 위치에서 측정되거나, 또는 물리검층 자료를 측정하는 동안 발생하는 오차에 의해 동일한 암상에서 측정되었으나, 일부 차이가 존재하는 물리검층 자료를 입력 받는 것으로 이해할 수도 있다.
또한, 암상 분류 장치(300)가 동일한 암상을 나타내는 물리검층 자료를 입력 받는 것은 사용자에 의해 데이터베이스(100)에 저장된 복수개의 물리검층 자료 중에서, 동일한 암상에서 측정된 물리검층 자료가 해당 암상에 대한 물리검층 자료로 설정되는 것으로 이해할 수 있다.
이에 따라, 암상 분류 장치(300)는 동일한 암상을 나타내는 적어도 하나 이상의 물리검층 자료를 수학적으로 나타내는 함수 정보를 생성할 수 있다.
여기에서, 함수 정보는 동일한 암상을 나타내는 물리검층 자료에서 나타나는 특성을 추출하고, 해당 특성이 나타나는 다른 물리검층 자료를 동일한 암상으로 구분하도록 생성되는 것으로 이해할 수 있다.
예를 들어, 함수 정보는 물리검층 자료에서 나타나는 신호 크기의 범위에 따라 다른 암상을 구분하도록 생성될 수 있으며, 함수 정보는 물리검층 자료에서 나타나는 신호 크기의 변화량에 따라 다른 암상을 구분하도록 생성될 수도 있다.
이와 같이, 함수 정보는 K-NN(K-Nearest Neighbor), 결정 트리(Decision Tree), SVM(Support Vector Machine) 등의 지도학습 알고리즘에 따라 서로 다른 물리검층 자료를 분류하도록 생성될 수 있다.
암상 분류 장치(300)는 함수 정보가 나타내는 물리검층 자료에 대한 암상 정보를 외부로부터 입력 받을 수 있다.
다시 말해, 암상 분류 장치(300)는 생성된 함수 정보에 대한 암상 정보를 입력 받을 수 있으며, 이때, 암상 정보는 함수 정보에 따라 동일한 암상을 나타내는 것으로 판단되는 물리검층 자료에 대해 데이터베이스(100)에 저장된 암상 정보 중 하나의 암상 정보를 입력 받을 수 있고, 또는, 사용자로부터 직접 암상 정보를 입력 받을 수도 있다.
암상 분류 장치(300)는 서로 다른 암상을 나타내는 복수개의 함수 정보 중에서, 물리검층 측정 장치(200)에서 측정된 물리검층 자료가 만족하는 함수 정보를 판단할 수 있다.
이에 따라, 암상 분류 장치(300)는 물리검층 측정 장치(200)에서 측정된 물리검층 자료가 만족하는 함수 정보에 대해 설정된 암상 정보를 추출할 수 있다.
한편, 암상 분류 장치(300)는 추출된 암상 정보를 다른 장치에 전달하거나, 디스플레이 등의 출력 모듈을 구비하여 출력할 수도 있다.
도2는 본 발명의 일 실시예에 따른 암상 분류 장치의 제어블록도이다.
암상 분류 장치(300)는 통신부(310), 입력부(320), 제어부(330) 및 출력부(340)를 포함할 수 있다.
통신부(310)는 물리검층 측정 장치(200)에서 측정되는 물리검층 자료를 전달받을 수 있다.
이때, 통신부(310)는 무선 또는 유선 통신 매체를 이용하여 물리검층 자료를 물리검층 측정 장치(200)로부터 전달받을 수 있다.
또한, 통신부(310)는 데이터베이스(100)로부터 물리검층 자료 및 암상 정보를 전달받을 수 있다.
입력부(320)는 데이터베이스(100)로부터 전달받은 복수개의 물리검층 자료 중에서, 동일한 암상을 나타내는 적어도 하나 이상의 물리검층 자료를 사용자로부터 입력받을 수 있다.
이에 따라, 제어부(330)는 동일한 암상을 나타내는 적어도 하나 이상의 물리검층 자료를 수학적으로 나타내는 함수 정보를 생성할 수 있다.
이때, 입력부(320)는 함수 정보가 나타내는 물리검층 자료에 대한 암상 정보를 사용자로부터 입력 받을 수 있다.
여기에서, 함수 정보가 나타내는 물리검층 자료에 대한 암상 정보는 함수 정보에 따라 동일한 암상을 나타내는 것으로 판단되는 물리검층 자료에 대해 데이터베이스(100)에 저장된 암상 정보 중 하나의 정보이거나, 또는 사용자로부터 직접 입력 받는 암상의 명칭, 특징 등의 정보일 수도 있다.
한편, 제어부(330)는 물리검층 측정 장치(200)로부터 전달받는 물리검층 자료를 서로 다른 암상을 나타내도록 생성되는 복수개의 함수 정보를 이용하여, 하나의 암상으로 분류할 수 있다.
이를 위해, 제어부(330)는 서로 다른 물리검층 자료로부터 생성되는 복수개의 함수 정보 중에서, 물리검층 측정 장치(200)로부터 전달받은 물리검층 자료가 만족하는 함수 정보를 판단할 수 있다.
이에 따라, 제어부(330)는 물리검층 측정 장치(200)로부터 전달받은 물리검층 자료가 만족하는 함수 정보에 대해 설정된 암상 정보를 추출할 수 있다.
출력부(340)는 디스플레이 등의 출력 모듈을 구비하여 제어부(330)로부터 추출된 암상 정보를 출력할 수 있으며, 이때, 통신부(310)는 제어부(330)로부터 추출된 암상 정보를 다른 외부 장치로 전달할 수도 있다.
상술한 암상 분류 장치(300)는 도 2에 도시된 구성요소보다 많은 구성요소에 의해 구현될 수 있고, 그보다 적은 구성요소에 의해 구현될 수 있다. 또는, 암상 분류 장치(300)는 서로 다른 복수개의 구성요소가 하나의 구성요소로 통합되어 하나의 구성요소가 복합적인 기능을 수행할 수도 있다.
도3은 본 발명의 일 실시예에 따른 데이터베이스 구축 장치의 제어블록도이다.
데이터베이스 구축 장치(400)는 시추코어 자료 획득부(410), 스펙트럼 정보 추출부(420), 암상 분석부(430), 물리검층 자료 획득부(440) 및 데이터베이스부(450)를 포함할 수 있다.
시추코어 자료 획득부(410)는 시추 작업을 수행하여 추출되는 시추코어의 암상을 촬영한 이미지 자료인 시추코어 자료를 획득할 수 있다.
이때, 시추코어 자료는 시추코어의 길이 방향 축을 따라 나열되도록 촬영될 수 있으며, 시추코어 자료는 사전에 설정되는 길이 간격으로 촬영될 수 있다.
한편, 시추코어 자료는 시추코어의 길이 방향 축에 따라 시추코어의 전체 암상을 촬영한 이미지 자료일 수도 있음은 물론이다.
여기에서, 이미지 자료는 사전에 설정되는 복수개의 픽셀에 따라 적어도 하나 이상의 색상의 배열로 나타나는 자료를 의미하며, 예를 들어, 이미지 자료는 디지털 카메라 등으로 촬영한 사진을 의미할 수 있다.
스펙트럼 정보 추출부(420)는 시추코어 자료로부터 심도에 따른 스펙트럼 정보를 추출할 수 있다.
여기에서, 스펙트럼 정보는 시추코어 자료에서 나타나는 암상의 색상으로부터 각각의 색상의 강도로 나타나는 적색 정보, 녹색 정보 및 청색 정보를 구비하는 색상 정보 및 시추코어 자료에서 나타나는 암상 입자의 크기를 나타내는 입자 정보를 포함할 수 있다.
이에 따라, 스펙트럼 정보 추출부(420)는 심도에 따라 시추코어 자료로부터 나타나는 적색의 강도 변화를 계산하여 적색 정보를 생성할 수 있고, 스펙트럼 정보 추출부(420)는 심도에 따라 시추코어 자료로부터 나타나는 녹색의 강도 변화를 계산하여 녹색 정보를 생성할 수 있으며, 스펙트럼 정보 추출부(420)는 심도에 따라 시추코어 자료로부터 나타나는 청색의 강도 변화를 계산하여 청색 정보를 생성할 수 있다.
또한, 스펙트럼 정보 추출부(420)는 시추코어 자료를 사전에 설정되는 명도 단계에 따른 흑백 이미지로 변환하고, 사전에 설정되는 측정 크기 내에서 관측되는 점 분포에 따라 입자 정보를 계산할 수 있다.
여기에서, 명도 단계는 흑백 이미지에서 출력되는 색상의 개수를 의미할 수 있다. 예를 들어, 명도 단계가 240 단계인 경우에, 스펙트럼 정보 추출부(420)에서 변환되는 흑백 이미지에 출력되는 색상은 흑색과 백색을 포함하여 241개의 색상으로 나타날 수 있다.
또한, 사전에 설정되는 측정 크기는 가로 및 세로에 대한 픽셀의 개수를 의미할 수 있으며, 점 분포는 측정 크기 내에서 관측되는 흑색의 개수를 의미할 수 있다.
예를 들어, 측정 크기는 가로 9 픽셀, 세로 9 픽셀로 설정될 수 있으며, 이러한 경우에, 스펙트럼 정보 추출부(420)는 81 픽셀 중 흑색으로 나타나는 픽셀의 개수에 따라 입자 정보를 계산할 수 있다.
암상 분석부(430)는 암상에 따라 스펙트럼 정보의 분포를 군집화하여 암상 정보를 생성할 수 있다.
이와 관련하여, 암상 분석부(430)는 적색 정보, 녹색 정보, 청색 정보 및 입자 정보에 따라 나타나는 가우시안 분포(Gaussian Disrtibution)를 각각 생성할 수 있으며, 암상 분석부(430)는 생성된 복수개의 가우시안 분포로부터 계산되는 혼합 모델에 따라 암상 정보를 생성할 수 있다.
여기에서, 가우시안 분포는 각각의 정보로부터 나타나는 평균값을 중심으로 좌측 및 우측이 대칭을 이루도록 생성되는 그래프를 의미할 수 있으며, 혼합 모델은 서로 다른 가우시안 분포로부터 최소한의 오차를 가지는 그래프를 나타내는 것으로 이해할 수 있으며, 이러한 혼합 모델은 EM(Expectation maximization), GMM(Gaussian Mixture Model) 등을 이용하여 계산할 수 있다.
이에 따라, 암상 분석부(430)에서 생성되는 암상 정보는 계산된 혼합 모델을 나타내는 것으로 이해할 수 있으며, 암상 정보는 계산된 혼합 모델에 대해 사용자로부터 입력 받는 암상의 명칭, 특징 등의 정보를 의미할 수도 있다.
이를 위해, 데이터베이스 구축 장치(400)는 사용자로부터 혼합 모델을 나타내는 암상 정보를 입력 받을 수 있도록 입력 모듈을 더 포함할 수도 있다.
물리검층 자료 획득부(440)는 암상 정보와 동일한 심도에서 측정되는 물리검층 자료를 물리검층 측정 장치(200)로부터 획득할 수 있다.
이와 관련하여, 물리검층 자료 획득부(440)는 무선 또는 유선 통신 매체를 이용하여 물리검층 자료를 물리검층 측정 장치(200)로부터 전달받을 수 있다.
데이터베이스부(450)는 동일한 심도에서의 암상 정보에 대한 물리검층 자료를 저장할 수 있다.
이에 따라, 데이터베이스부(450)는 서로 다른 암상으로부터 생성되는 복수개의 암상 정보에 대해, 각각의 암상에서 측정되는 물리검층 자료가 매칭되어 저장하는 것으로 이해할 수 있다.
상술한 데이터베이스 구축 장치(400)는 도 3에 도시된 구성요소보다 많은 구성요소에 의해 구현될 수 있고, 그보다 적은 구성요소에 의해 구현될 수 있다. 또는, 데이터베이스 구축 장치(400)는 서로 다른 복수개의 구성요소가 하나의 구성요소로 통합되어 하나의 구성요소가 복합적인 기능을 수행할 수도 있다.
도4는 도1의 암상 분류 시스템에서 함수 정보를 생성하는 과정을 나타내는 블록도이다.
도4를 참조하면, 암상 분류 장치(300)의 통신부(310)는 데이터베이스(100)로부터 물리검층 자료 및 암상 정보를 전달받을 수 있다.
이에 따라, 암상 분류 장치(300)의 입력부(320)는 데이터베이스(100)로부터 전달받은 복수개의 물리검층 자료 중에서, 동일한 암상을 나타내는 적어도 하나 이상의 물리검층 자료를 사용자로부터 입력 받을 수 있으며, 제어부(330)는 동일한 암상을 나타내는 적어도 하나 이상의 물리검층 자료를 수학적으로 나타내는 함수 정보를 생성할 수 있다.
또한, 입력부(320)는 함수 정보가 나타내는 물리검층 자료에 대한 암상 정보를 사용자로부터 입력 받을 수 있다.
이에 따라, 제어부(330)는 임의의 함수 정보에 대해 사용자로부터 입력 받는 암상 정보를 지정하는 것으로 이해할 수 있다.
도5는 도1의 암상 분류 시스템에서 물리검층 자료에 따라 암상을 분류하는 과정을 나타내는 블록도이다.
도5를 참조하면, 암상 분류 장치(300)의 통신부(310)는 물리검층 측정 장치(200)로부터 물리검층 자료를 전달받는 것으로 이해할 수 있다.
이에 따라, 제어부(330)는 서로 다른 암상을 나타내는 복수개의 함수 정보 중에서, 물리검층 측정 장치(200)에서 측정된 물리검층 자료가 만족하는 함수 정보를 판단할 수 있다.
또한, 제어부(330)는 물리검층 측정 장치(200)로부터 전달받은 물리검층 자료가 만족하는 함수 정보에 대해 설정된 암상 정보를 추출할 수 있다.
이에 따라, 출력부(340)는 암상 정보를 사용자가 확인할 수 있도록 디스플레이 등의 출력 모듈에 출력하거나, 통신부(310)를 통해 외부 장치로 암상 정보를 출력할 수 있다.
도6은 도2의 데이터베이스 구축 장치에서 데이터베이스를 구축하는 과정을 나타내는 블록도이다.
데이터베이스 구축 장치(400)의 시추코어 자료 획득부(410)는 시추코어 자료를 획득할 수 있다.
여기에서, 시추코어 자료(500)는 시추코어를 촬영한 이미지 자료일 수 있으며, 시추코어 자료(500)는 시추코어의 길이 방향 축을 따라 나열되도록 촬영될 수 있으며, 시추코어 자료(500)는 사전에 설정되는 길이 간격으로 촬영될 수 있다.
또한, 시추코어 자료(500)는 시추코어의 길이 방향 축에 따라 시추코어의 전체 암상을 촬영한 이미지 자료일 수도 있음은 물론이다.
도6을 참조하면, 복수개의 서로 다른 시추코어 자료(500)가 나열된 것을 확인할 수 있다.
이에 따라, 스펙트럼 정보 추출부(420)는 시추코어 자료(500)로부터 심도에 따른 스펙트럼 정보를 추출할 수 있다.
여기에서, 스펙트럼 정보는 시추코어 자료(500)에서 나타나는 암상의 색상으로부터 각각의 색상의 강도로 나타나는 적색 정보, 녹색 정보 및 청색 정보를 구비하는 색상 정보 및 시추코어 자료에서 나타나는 암상 입자의 크기를 나타내는 입자 정보를 포함할 수 있다.
이에 따라, 암상 분석부(430)는 각각의 스펙트럼 정보로부터 가우시안 분포를 생성할 수 있으며, 암상 분석부(430)는 가우시안 분포로부터 혼합 모델을 생성할 수 있다.
이에 따라, 암상 분석부(430)는 혼합 모델을 스펙트럼 정보가 추출된 시추코어 자료(500)의 암상 정보로 설정할 수 있으며, 암상 분석부(430)는 입력 모듈을 구비하여 혼합 모델이 나타내는 암상 정보를 입력 받을 수도 있다.
한편, 데이터베이스 구축 장치(400)의 물리검층 자료 획득부(440)는 물리검층 측정 장치(200)로부터 물리검층 자료를 전달받을 수 있다.
이에 따라, 데이터베이스부(450)는 암상 정보에 대해, 동일한 심도에서 측정되는 물리검층 자료를 저장할 수 있다.
도7a 및 도7b는 도3의 스펙트럼 정보 추출부에서 추출되는 스펙트럼 정보를 나타내는 도면이다.
도7a는 시추코어 자료로부터 추출되는 색상 정보를 나타내는 그래프이다.
시추코어 자료(500)는 이미지 자료로 획득될 수 있으며, 이에 따라, 시추코어 자료(500)는 적색, 녹색 및 청색의 조합으로 나타낼 수 있다.
이에 따라, 스펙트럼 정보 추출부(420)는 시추코어 자료(500)로부터 적색의 강도를 나타내는 적색 정보, 녹색의 강도를 나타내는 녹색 정보 및 청색의 강도를 나타내는 청색 정보를 추출할 수 있다.
도7b는 시추코어 자료로부터 추출되는 입자 정보를 나타내는 개략도이다.
입자 정보는 시추코어 자료(500) 내에서 사전에 설정되는 측정 크기를 추출하고, 측정 크기로 나타나는 이미지 자료를 흑백 이미지로 변환하여, 측정 크기 내에서 관측되는 점 분포를 의미할 수 있다.
여기에서, 측정 크기 내에서 관측되는 점은 측정 크기 내에서 흑색으로 관측되는 픽셀을 의미할 수 있으며, 이때, 점으로 설정되는 색상은 임의의 명도 범위에 따라 나타나는 색상으로 설정될 수도 있다.
도8은 본 발명의 일 실시예에 따른 데이터베이스 구축 방법의 순서도이다.
데이터베이스 구축 방법은 시추코어 자료를 획득하는 단계(600), 스펙트럼 정보를 추출하는 단계(610), 암상 정보를 생성하는 단계(620), 암상 정보를 생성하는 단계(620), 물리검층 자료를 획득하는 단계(630) 및 물리검층 자료를 저장하는 단계(640)를 포함할 수 있다.
시추코어 자료를 획득하는 단계(600)는 시추 작업을 수행하여 추출되는 시추코어의 암상을 촬영한 이미지 자료인 시추코어 자료(500)를 획득할 수 있다.
이때, 시추코어 자료(500)는 시추코어의 길이 방향 축을 따라 나열되도록 촬영될 수 있으며, 시추코어 자료(500)는 사전에 설정되는 길이 간격으로 촬영될 수 있다.
한편, 시추코어 자료(500)는 시추코어의 길이 방향 축에 따라 시추코어의 전체 암상을 촬영한 이미지 자료일 수도 있음은 물론이다.
스펙트럼 정보를 추출하는 단계(610)는 시추코어 자료(500)로부터 심도에 따른 스펙트럼 정보를 추출할 수 있다.
여기에서, 스펙트럼 정보는 시추코어 자료(500)에서 나타나는 암상의 색상으로부터 각각의 색상의 강도로 나타나는 적색 정보, 녹색 정보 및 청색 정보를 구비하는 색상 정보 및 시추코어 자료(500)에서 나타나는 암상 입자의 크기를 나타내는 입자 정보를 포함할 수 있다.
이에 따라, 스펙트럼 정보를 추출하는 단계(610)는 심도에 따라 시추코어 자료(500)로부터 나타나는 적색의 강도 변화를 계산하여 적색 정보를 생성할 수 있고, 스펙트럼 정보를 추출하는 단계(610)는 심도에 따라 시추코어 자료(500)로부터 나타나는 녹색의 강도 변화를 계산하여 녹색 정보를 생성할 수 있으며, 스펙트럼 정보를 추출하는 단계(610)는 심도에 따라 시추코어 자료(500)로부터 나타나는 청색의 강도 변화를 계산하여 청색 정보를 생성할 수 있다.
스펙트럼 정보를 추출하는 단계(610)는 시추코어 자료(500)를 사전에 설정되는 명도 단계에 따른 흑백 이미지로 변환하고, 사전에 설정되는 측정 크기 내에서 관측되는 점 분포에 따라 입자 정보를 계산할 수 있다.
암상 정보를 생성하는 단계(620)는 암상에 따라 스펙트럼 정보의 분포를 군집화하여 암상 정보를 생성할 수 있다.
이와 관련하여, 암상 정보를 생성하는 단계(620)는 적색 정보, 녹색 정보, 청색 정보 및 입자 정보에 따라 나타나는 가우시안 분포(Gaussian Disrtibution)를 각각 생성할 수 있으며, 암상 정보를 생성하는 단계(620)는 생성된 복수개의 가우시안 분포로부터 계산되는 혼합 모델에 따라 암상 정보를 생성할 수 있다.
이때, 암상 정보를 생성하는 단계(620)에서 생성되는 암상 정보는 계산된 혼합 모델을 나타내는 것으로 이해할 수 있으며, 암상 정보는 계산된 혼합 모델에 대해 사용자로부터 입력 받는 암상의 명칭, 특징 등의 정보를 의미할 수도 있다.
물리검층 자료를 획득하는 단계(630)는 암상 정보와 동일한 심도에서 측정되는 물리검층 자료를 물리검층 측정 장치(200)로부터 획득할 수 있다.
물리검층 자료를 저장하는 단계(640)는 동일한 심도에서의 암상 정보에 대한 물리검층 자료를 저장할 수 있다.
이에 따라, 물리검층 자료를 저장하는 단계(640)는 서로 다른 암상으로부터 생성되는 복수개의 암상 정보에 대해, 각각의 암상에서 측정되는 물리검층 자료가 매칭되어 저장하는 것으로 이해할 수 있다.
이상에서는 실시예들을 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
1: 암상 분류 시스템
100: 데이터베이스
200: 물리검층 측정 장치
300: 암상 분류 장치
100: 데이터베이스
200: 물리검층 측정 장치
300: 암상 분류 장치
Claims (16)
- 시추코어 자료로부터 추출되는 스펙트럼 정보의 분포를 군집화하여 생성되는 암상 정보와, 상기 암상 정보에 대해 동일한 심도에서 측정되는 물리검층 자료가 저장되는 데이터베이스;
임의의 위치에 존재하는 암상의 물리검층 자료를 측정하는 물리검층 측정 장치; 및
상기 물리검층 측정 장치에서 측정되는 물리검층 자료를 전달받고, 상기 데이터베이스에 저장된 물리검층 자료에 따라 상기 물리검층 측정 장치에서 측정된 물리검층 자료에 대한 암상 정보를 생성하는 암상 분류 장치를 포함하고,
상기 스펙트럼 정보는, 상기 시추코어 자료에서 나타나는 암상 입자의 크기를 나타내는 입자 정보; 및
상기 시추코어 자료에서 나타나는 암상의 색상으로부터 각각의 색상의 강도로 나타나는 적색 정보, 녹색 정보 및 청색 정보를 구비하는 색상 정보;를 포함하며,
상기 입자 정보는,
상기 시추코어 자료를 사전에 설정되는 명도 단계에 따른 흑백 이미지로 변환하고, 사전에 설정되는 측정 크기 내의 하나 이상의 픽셀 중 흑색으로 나타나는 픽셀 개수에 따라 계산되고,
상기 데이터베이스에 저장되는 암상 정보는,
상기 적색 정보, 상기 녹색 정보, 상기 청색 정보 및 상기 입자 정보에 따라 나타나는 가우시안 분포가 각각 생성되고, GMM(Gaussian Mixture Model)을 통해 서로 다른 복수개의 가우시안 분포로부터 최소한의 오차를 나타내도록 혼합 모델이 산출되며, 사용자로부터 상기 혼합 모델에 대한 암상의 명칭과 특징을 나타내는 정보가 입력되어, 상기 입력받은 암상의 명칭과 특징을 나타내는 정보와 상기 혼합 모델이 결합되어 생성된 것인, 암상 분류 시스템.
- 제1항에 있어서, 상기 암상 분류 장치는,
상기 데이터베이스에 저장된 복수개의 물리검층 자료 중에서, 동일한 암상을 나타내는 적어도 하나 이상의 물리검층 자료를 외부로부터 입력 받고, 상기 동일한 암상을 나타내는 적어도 하나 이상의 물리검층 자료를 수학적으로 나타내는 함수 정보를 생성하는, 암상 분류 시스템.
- 제2항에 있어서, 상기 암상 분류 장치는,
상기 함수 정보가 나타내는 물리검층 자료에 대한 암상 정보를 외부로부터 입력 받는, 암상 분류 시스템.
- 제3항에 있어서, 상기 암상 분류 장치는,
서로 다른 암상을 나타내는 복수개의 함수 정보 중에서, 상기 물리검층 측정 장치에서 측정된 물리검층 자료가 만족하는 함수 정보를 판단하고, 상기 함수 정보에 대해 설정된 암상 정보를 추출하는, 암상 분류 시스템.
- 시추코어 자료를 획득하는 시추코어 자료 획득부;
시추코어 자료로부터 심도에 따른 스펙트럼 정보를 추출하는 스펙트럼 정보 추출부;
암상에 따라 스펙트럼 정보의 분포를 군집화하여 암상 정보를 생성하는 암상 분석부;
상기 암상 정보와 동일한 심도에서 측정되는 물리검층 자료를 획득하는 물리검층 자료 획득부; 및
동일한 심도에서의 암상 정보에 대한 물리검층 자료를 저장하는 데이터베이스부를 포함하고,
상기 스펙트럼 정보는, 상기 시추코어 자료에서 나타나는 암상 입자의 크기를 나타내는 입자 정보; 및
상기 시추코어 자료에서 나타나는 암상의 색상으로부터 각각의 색상의 강도로 나타나는 적색 정보, 녹색 정보 및 청색 정보를 구비하는 색상 정보;를 포함하며,
상기 입자 정보는,
상기 시추코어 자료를 사전에 설정되는 명도 단계에 따른 흑백 이미지로 변환하고, 사전에 설정되는 측정 크기 내의 하나 이상의 픽셀 중 흑색으로 나타나는 픽셀 개수에 따라 계산되고,
상기 암상 분석부는,
상기 적색 정보, 상기 녹색 정보, 상기 청색 정보 및 상기 입자 정보에 따라 나타나는 가우시안 분포를 각각 생성하고,
GMM(Gaussian Mixture Model)을 통해 서로 다른 복수개의 가우시안 분포로부터 최소한의 오차를 나타내도록 혼합 모델을 산출하며, 사용자로부터 상기 혼합 모델에 대한 암상의 명칭과 특징을 나타내는 정보를 입력받고, 상기 입력받은 암상의 명칭과 특징을 나타내는 정보와 상기 혼합 모델을 결합하여 상기 암상 정보를 생성하는, 데이터베이스 구축 장치.
- 삭제
- 삭제
- 삭제
- 제5항에 있어서, 상기 시추코어 자료는,
시추 작업을 수행하여 추출되는 시추코어의 길이 방향 축을 따라 나열되도록 사전에 설정되는 거리 간격으로 암상을 촬영하여 이미지 정보를 획득하는, 데이터베이스 구축 장치.
- 제9항에 있어서, 상기 이미지 정보는,
사전에 설정되는 복수개의 픽셀에 따라 적어도 하나 이상의 색상의 배열로 나타나는, 데이터베이스 구축 장치.
- 시추코어 자료를 획득하는 단계;
시추코어 자료로부터 심도에 따른 스펙트럼 정보를 추출하는 단계;
암상에 따라 스펙트럼 정보의 분포를 군집화하여 암상 정보를 생성하는 단계;
상기 암상 정보와 동일한 심도에서 측정되는 물리검층 자료를 획득하는 단계; 및
동일한 심도에서의 암상 정보에 대한 물리검층 자료를 저장하는 단계를 포함하고,
상기 스펙트럼 정보는, 상기 시추코어 자료에서 나타나는 암상 입자의 크기를 나타내는 입자 정보; 및
상기 시추코어 자료에서 나타나는 암상의 색상으로부터 각각의 색상의 강도로 나타나는 적색 정보, 녹색 정보 및 청색 정보를 구비하는 색상 정보;를 포함하며,
상기 입자 정보는,
상기 시추코어 자료를 사전에 설정되는 명도 단계에 따른 흑백 이미지로 변환하고, 사전에 설정되는 측정 크기 내의 하나 이상의 픽셀 중 흑색으로 나타나는 픽셀 개수에 따라 계산되고,
상기 암상 정보를 생성하는 단계는,
상기 적색 정보, 상기 녹색 정보, 상기 청색 정보 및 상기 입자 정보에 따라 나타나는 가우시안 분포를 각각 생성하고,
GMM(Gaussian Mixture Model)을 통해 서로 다른 복수개의 가우시안 분포로부터 최소한의 오차를 나타내도록 혼합 모델을 산출하며, 사용자로부터 상기 혼합 모델에 대한 암상의 명칭과 특징을 나타내는 정보를 입력받고, 상기 입력받은 암상의 명칭과 특징을 나타내는 정보와 상기 혼합 모델을 결합하여 상기 암상 정보를 생성하는, 데이터베이스 구축 방법.
- 삭제
- 삭제
- 삭제
- 제11항에 있어서, 상기 시추코어 자료를 획득하는 단계는,
시추 작업을 수행하여 추출되는 시추코어의 길이 방향 축을 따라 나열되도록 사전에 설정되는 거리 간격으로 암상을 촬영하여 이미지 정보를 획득하는, 데이터베이스 구축 방법.
- 제15항에 있어서, 상기 이미지 정보는,
사전에 설정되는 복수개의 픽셀에 따라 적어도 하나 이상의 색상의 배열로 나타나는, 데이터베이스 구축 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190161292A KR102326480B1 (ko) | 2019-12-06 | 2019-12-06 | 시추코어 자료와 물리검층 자료를 이용하여 암상을 분류하는 암상 분류 시스템 및 이를 위한 데이터베이스 구축 장치 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190161292A KR102326480B1 (ko) | 2019-12-06 | 2019-12-06 | 시추코어 자료와 물리검층 자료를 이용하여 암상을 분류하는 암상 분류 시스템 및 이를 위한 데이터베이스 구축 장치 및 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20210071280A KR20210071280A (ko) | 2021-06-16 |
| KR102326480B1 true KR102326480B1 (ko) | 2021-11-12 |
Family
ID=76602703
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190161292A KR102326480B1 (ko) | 2019-12-06 | 2019-12-06 | 시추코어 자료와 물리검층 자료를 이용하여 암상을 분류하는 암상 분류 시스템 및 이를 위한 데이터베이스 구축 장치 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102326480B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20240023743A (ko) | 2022-08-16 | 2024-02-23 | 경북대학교 산학협력단 | 딥러닝 기반 특징 추출 기술을 이용한 시추코어 암상 자동 로깅장치 및 그 방법 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117173391B (zh) * | 2023-11-02 | 2024-03-19 | 广东省建筑设计研究院有限公司 | 一种基于深度学习和多视几何的倾斜图像矫正方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101148835B1 (ko) * | 2010-11-29 | 2012-05-29 | 한국지질자원연구원 | 물리검층 자료의 통계분석을 이용한 오일샌드 저류층 암상 예측방법 및 이를 구현하는 시스템 |
| KR101653115B1 (ko) * | 2015-11-20 | 2016-09-01 | 제주대학교 산학협력단 | 쇄설성 퇴적암의 암상 분류방법 및 이를 이용한 셰일가스 저류층의 탐색방법 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0643920B2 (ja) * | 1988-06-14 | 1994-06-08 | 三井金属鉱業株式会社 | 自然石素材の色調判定方法およびその装置 |
| KR101596313B1 (ko) * | 2014-06-02 | 2016-02-23 | 한국원자력연구원 | 경사 시추공 삽입을 위한 추진체를 가지는 지구물리검층기 |
-
2019
- 2019-12-06 KR KR1020190161292A patent/KR102326480B1/ko active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101148835B1 (ko) * | 2010-11-29 | 2012-05-29 | 한국지질자원연구원 | 물리검층 자료의 통계분석을 이용한 오일샌드 저류층 암상 예측방법 및 이를 구현하는 시스템 |
| KR101653115B1 (ko) * | 2015-11-20 | 2016-09-01 | 제주대학교 산학협력단 | 쇄설성 퇴적암의 암상 분류방법 및 이를 이용한 셰일가스 저류층의 탐색방법 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20240023743A (ko) | 2022-08-16 | 2024-02-23 | 경북대학교 산학협력단 | 딥러닝 기반 특징 추출 기술을 이용한 시추코어 암상 자동 로깅장치 및 그 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20210071280A (ko) | 2021-06-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10991078B2 (en) | Inferring petrophysical properties of hydrocarbon reservoirs using a neural network | |
| KR102326480B1 (ko) | 시추코어 자료와 물리검층 자료를 이용하여 암상을 분류하는 암상 분류 시스템 및 이를 위한 데이터베이스 구축 장치 및 방법 | |
| Kurz et al. | Close range hyperspectral imaging integrated with terrestrial lidar scanning applied to rock characterisation at centimetre scale | |
| Haddad et al. | Applications of airborne and terrestrial laser scanning to paleoseismology | |
| JP6200826B2 (ja) | 林相解析装置、林相解析方法及びプログラム | |
| CA3035734C (en) | A system and method for estimating permeability using previously stored data, data analytics and imaging | |
| JPS6222035A (ja) | 色調検層装置及びそれを用いる検層方法 | |
| US20150310294A1 (en) | Method for processing an image | |
| Minisini et al. | Geological data extraction from lidar 3-D photorealistic models: A case study in an organic-rich mudstone, Eagle Ford Formation, Texas | |
| CN115656053B (zh) | 岩石矿物含量测试方法及系统 | |
| CN110874846A (zh) | 一种彩色曲线位图矢量化方法、计算机设备及存储介质 | |
| JP7374847B2 (ja) | 切羽評価システム、切羽評価学習システム、切羽評価方法、切羽評価学習方法、コンピュータプログラム | |
| Becker et al. | Digital photogrammetry software comparison for rock mass characterization | |
| Hashim et al. | Development of tomato inspection and grading system using image processing | |
| US5179598A (en) | Method for identifying and displaying particular features of an object | |
| US11532109B2 (en) | Property based image modulation for formation visualization | |
| CN117011759A (zh) | 钻爆法隧道掌子面围岩多元地质信息解析方法及系统 | |
| JP2006244119A (ja) | テクスチャ画像の検索装置、検索方法、検索プログラム及びそのプログラムを記録した記録媒体 | |
| Contreras et al. | A machine learning technique for drill core hyperspectral data analysis | |
| WO2023133512A1 (en) | Systems and methods for measuring physical lithological features based on calibrated photographs of rock particles | |
| Buono et al. | Quantitative digital petrography: full thin section quantification of pore space and grains | |
| Hurley et al. | Quantification of vuggy porosity in a dolomite reservoir from borehole images and core, Dagger Draw Field, New Mexico | |
| RU2654372C1 (ru) | Способ оценки нефтенасыщенности керна горных пород по фотографиям образцов в дневном свете | |
| Qiu et al. | Subsetting hyperspectral core imaging data using a graphic-identification-based IDL program | |
| Di Santo et al. | The digital revolution in mudlogging: An innovative workflow for advanced analysis and classification of drill cuttings using computer vision and machine-learning |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |