RU2654372C1 - Способ оценки нефтенасыщенности керна горных пород по фотографиям образцов в дневном свете - Google Patents
Способ оценки нефтенасыщенности керна горных пород по фотографиям образцов в дневном свете Download PDFInfo
- Publication number
- RU2654372C1 RU2654372C1 RU2016147453A RU2016147453A RU2654372C1 RU 2654372 C1 RU2654372 C1 RU 2654372C1 RU 2016147453 A RU2016147453 A RU 2016147453A RU 2016147453 A RU2016147453 A RU 2016147453A RU 2654372 C1 RU2654372 C1 RU 2654372C1
- Authority
- RU
- Russia
- Prior art keywords
- core
- rgb
- color
- daylight
- oil
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V8/00—Prospecting or detecting by optical means
Abstract
Изобретение относится к области геологоразведочных работ. Способ оценки нефтенсыщенной мощности полноразмерного керна горных пород по фотографиям в дневном свете основан на спектральном анализе цифровых фотографий керна, сохраненных в формате цветов RGB (красный, зеленый и синий), и включает в себя попиксельное усреднение в строках фотографии параметров цветов RGB, построение диаграмм вариации усредненных параметров цветов и таблиц данных значений усредненных параметров цветов по глубине скважины, а также принятие решений по предложенным формализованным нечетким критериям, использующим эффект расхождение цветового спектра фотографий керна в дневном свете в области нефтенасыщенных участков, которые вычисляются по следующим формулам: K1 – критерий, харатеризующий максимальный диапазон расхождения всех цветов RGB, K1= ∆ / ∆max где ∆ = max (R, G, B) – min (R, G, B); ∆max – максимальная величина расхождения цветов по всему интересующему интервалу скважины; K2 – критерий, характеризующий зоны, где максимально удалены друг от друга цветовые параметры RGB, K2 = 1 – 2 ⋅ abs (λ – 0,5), где ; , где KK – комплексный критерий, формируемый как мультипликативная конъюнкция критериев K1 и K2 в теории нечетких множеств. Технический результат заключается в повышении точности характеристики мощности нефтенасыщенных участков керна, а также в уменьшении времени обработки фотографий по сравнению с прототипом. 4 ил.
Description
Изобретение относится к горному делу, а именно к исследованиям горных пород, в частности к способам исследования керна, извлеченного из скважины.
Известен способ определения нефтенасыщенности породы [RU 2360233 С1, МПК6 G01N 23/083, опубл. 27.06.2009], заключающийся в том, что осуществляют приготовление исследуемого образца из керна нефтеводовмещающих пород, моделирование в нем пластовых условий, определение интенсивности рентгеновского излучения при сканировании сухого исследуемого образца породы, насыщение его моделью пластовой воды и определение интенсивности рентгеновского излучения при сканировании исследуемого образца породы при 100%-ной водонасыщенности, определение остаточной водонасыщенности, фильтрацию нефти и агента, сканирование рентгеновским излучением исследуемого образца породы, при этом, производя фильтрацию нефти, в качестве агента используют газ, дополнительно определяют интенсивность рентгеновского излучения при сканировании образца породы, насыщенного тремя фазами, а именно остаточной водонасыщенностью, промежуточной нефте- и газонасыщенностью, после чего нефтенасыщенность определяют по соответствующей математической формуле.
Недостатком указанного способа для экспресс оценок являются существенные затраты средств и времени, связанные с проведением лабораторных исследований и обработкой их результатов.
Известен способ исследования керна горных пород [Методы изучения осадочных пород. Госгеолтехиздат, 1957 г., том 1, глава IV, тема 1. Цвет осадочных пород, с. 285], основанный на определении цвета керна горных пород. Способ предусматривает установку керна на предметный столик, освещение его поверхности направленным потоком видимого диапазона света, прием части отраженного света и обработку полученной информации. Он не обладает большой точностью. В способе применяют наборы трех или восьми светофильтров, что не позволяет разделить весь видимый спектр длин волн на большее число частей. Кроме того, отчет по шкале в фотометре фиксируется человеком, что увеличивает вероятность ошибок, т.е. имеет место субъективный фактор.
Наиболее близким аналогом является способ исследования керна горных пород [RU 2501046 C1, МПК 6 G01V 8/08, опубл. 10.12.2013], где отраженную часть света от поверхности керна направляют на детектор для преобразования длины его волны и интенсивности света в цифровой формат с последующей передачей этой информации в электронно-вычислительную машину (компьютер) для осуществления дальнейшей работы с цветностью кернового материала по заранее заданному набору программ, обеспечивающих сохранение в формате цветов RGB (красный, зеленый и синий), усреднение их с требуемой детальностью, конвертацию формата RGB в формат HSL (оттенков, насыщенности и яркости), построение диаграмм вариации параметров цветов RGB и HSL и гистограмм распределения упомянутых цветов, таблиц данных значений параметров цветов по глубине скважины, с заданным шагом осреднения, колонки средних цветов по скважине, колонки интерпретации цветности и вычисленных коэффициентов расчлененности и неоднородности по всему представленному интервалу скважины.
Указанный способ по технической сущности более близок к предлагаемому и может быть принят в качестве прототипа. Однако он имеет ряд ограничений. Так интервал осреднения цветовых параметров составляет 1 см по образцу керна, что влияет на детальность исследования и не позволяет охарактеризовать текстурные особенности тонкослоистых коллекторов.
При осуществлении способа основное внимание уделяется вычислению коэффициентов расчлененности и неоднородности по всему представленному интервалу скважины, а оценка нефтенасыщенной мощности участков может осуществляться лишь опосредованно, что снижает точность и значимость такой оценки. Для построения колонки интерпретации предварительно в программу нужно внести условия интерпретации, в том числе и по нефтенасыщенности, которые представляют собой интервалы значений параметров Red, Green, Blue, Hue, Saturation, Lightness и выбрать цвета для каждого условия интерпретации. Последние задаются обычно экспертно, что также добавляет субъективный фактор.
Техническая проблема при использовании заявляемого изобретения обеспечивается разработкой экспрессного способа оценки нефтенасыщенной мощности полноразмерного керна горных пород по цифровым фотографиям образцов в дневном свете, использующего информативный эффект расхождения цветового спектра RGB фотографий керна в области нефтенасыщенных участков.
Технический результат способа заключается в получении показателя по комплексному критерию, характеризующего мощность нефтенасыщенных участков керна, увеличении детальности исследования до (0,2-0,3) мм в зависимости от качества фотографии керна, увеличении скорости обработки фотографий керна по одной скважине заявляемым способом в среднем до 10 мин.
Указанный технический результат достигается тем, что способ включает цифровое фотографирование полноразмерного керна в дневном свете, преобразование длины волны и интенсивности света растрового изображения в цифровой формат с последующей передачей этой информации в электронно-вычислительную машину для осуществления дальнейшей работы с цветностью фотографий керна, обеспечивающей сохранение в формате цветов RGB (красный, зеленый и синий), построение диаграмм вариации усредненных параметров цветов RGB и таблиц данных значений усредненных параметров цветов по глубине скважины.
Особенностями в данном способе является то, что:
производят усреднение параметров цветов RGB попиксельно по строкам изображения, что позволяет значительно увеличить детальность исследования;
вычисляют значения предложенных нечетких критериев оценки степени нефтенасыщенности по следующим формулам по всему представленному интервалу скважины, что позволяет использовать информативный эффект расхождения цветового спектра RGB фотографий керна в дневном свете в области нефтенасыщенных участков и существенно повышает оперативность вычислений:
K1=Δ/Δmax,
где Δ=max(R,G,B) - min(R,G,B);
Δmax - максимальная величина расхождения цветов по всему интересующему интервалу скважины;
K1 - критерий, характеризующий максимальный диапазон расхождения всех цветов RGB,
K2=1-2⋅abs(λ-0,5),
K2 - критерий, характеризующий зоны, где максимально удалены друг от друга цветовые параметры RGB,
где KK - комплексный критерий, формируемый как мультипликативная конъюнкция критериев K1 и K2 в теории нечетких множеств.
Прилагаемые к заявке графические материалы поясняют суть изобретения, где на фиг. 1 изображены графики спектра для фотографии керна в дневном свете.
На фиг. 2 - график критерия K1, характеризующего максимальный диапазон расхождения цветовых параметров RGB.
На фиг. 3 - график критерия K2, определяющего зоны, где максимально удалены друг от друга цветовые параметры RGB.
На фиг. 4 - график комплексного критерия КК для оценки нефтенасыщенности по фотографиям образцов керна в дневном свете.
Способ осуществляют в следующей последовательности.
Производят цифровое фотографирование полноразмерного керна, которое обычно выполняется для первичного документирования с целью дальнейшего его литологического описания. Выполняют запись растрового изображения фотографии керна в дневном свете в электронно-вычислительную машину (компьютер) в виде массива пикселей, каждый из которых имеет свой код цветовой модели, и являются матрицей 3-х цветов RGB (RGB - сокращенное название, составленное из начальных букв слов: Red, Green и Blue, что в переводе на русский язык означает: красный, зеленый и синий соответственно). Эта информация является входными данными для комплекса программ ЭВМ (набор программ в заявляемом способе является ноу-хау).
Изображения могут быть записаны в любых растровых форматах и должны представлять собой матрицу данных интенсивности трех цветов RGB по каждому пикселю, с глубиной цвета не менее 8 бит на каждый канал. Специальная функция позволяет преобразовать (конвертировать) растровое изображение в массивы Red, Green, Blue и Greyscale кодов цветовой модели RGB, где Greyscale - Яркость (Y). Для получения значений яркости (или градации серого) обычно используется модель цветного зрения:
Y=0,299⋅R+0,587⋅G+0,114⋅В
где составляющая Y - яркость изображения, а коэффициенты сигнала яркости отражают физиологические особенности человеческого зрения. Величина яркости принимает целые значения от 0 до 255.
Один из модулей программы предназначен для составления таблиц данных значений параметров цветов RGB по глубине скважины. Для этого в программу сначала загружают цифровые изображения кернового материала по всему представленному интервалу скважины. Далее программа производит усреднение значений каждого из пикселей строки изображения, таким образом получая средний цвет для каждой строки пикселей. Затем создается таблица значений, в которую записываются отметка глубины и соответствующие ей три осредненных параметра Red, Green и Blue (фиг. 1).
Назначение другого модуля - это и вычисление комплекса численных критериев по всему представленному интервалу скважины. Для формализации эффекта расхождения цветового спектра и процесса обработки фотографий керна в дневном свете используют комплекс критериев на основе теории нечетких множеств.
Данными для второго модуля является таблица усредненных значений цветовых параметров Red, Green, Blue по глубине скважины, полученная на выходе из первого модуля. Первый критерий K1, характеризующий максимальный диапазон расхождения всех цветов RGB, вычисляют по формуле: K1=Δ/Δmax,
где Δ=max(R, G, В) - min(R, G, В);
Δmax - максимальная величина расхождения цветов по всему интересующему интервалу скважины.
Таким образом, K1 характеризует максимальный диапазон расхождения всех цветов (фиг. 2). Обработке подвергается совокупность усредненных значений цветовых параметров Red, Green, Blue каждой строки изображения керна.
Второй критерий K2, характеризующий зоны, где максимально удалены друг от друга цветовые параметры RGB (фиг. 3). Для этого вычисляют по каждой строке абсолютные величины разностей (R-G) и (R-B). Затем вычисляют отношение минимальной разницы к максимальной. Сам же критерий K2 вычисляют по формуле:
K2=l=1-2⋅abs(λ-0,5),
Этот критерий используют совместно с первым критерием, т.е. формируют комплексный критерий КК, который вычисляют по формуле: как мультипликативную конъюнкцию в теории нечетких множеств. Практика показывает, что такого комплексного критерия вполне достаточно для экспресс оценки мощности нефтенасыщенных участков по фотографиям керна в дневном свете.
Показатель КК изменяется от 0 до 1. Участки с максимальными значениями комплексного критерия КК или превышающие некоторое пороговое значение являються претендентами для дальнейшего изучения нефтенасыщенности (фиг. 4). Кроме того, дополнительным подтверждением могут служить довольно высокие значения яркости на исследуемых участках.
Технико-экономическое преимущество данного решения заключается в следующем. Способ обладает высокой оперативностью, надежностью и детальностью исследования, позволяет непосредственно оценивать мощность нефтенасыщенных участков по фотографиям керна в дневном свете, используя информативный эффект расхождения цветового спектра RGB в области нефтенасыщенных участков. При этом вероятность ошибок сведена до минимума, поскольку все графические и вычислительные работы выполняется техническим средством и программным обеспечением. Сведены до минимума также затраты времени на исследование. Так, при исследовании фотографий керна по одной скважине заявляемым способом, время работы в среднем составляет 10 мин при детальности исследования (0,2-0,3) мм в зависимости от качества фотографии керна.
Таким образом, использование изобретения позволяет обеспечить повышение оперативности и детальности исследования.
Claims (10)
- Способ оценки мощности нефтенасыщенных участков керна горных пород по фотографиям образцов в дневном свете, включающий цифровое фотографирование полноразмерного керна в дневном свете, преобразование длины волны и интенсивности света растрового изображения в цифровой формат с последующей передачей этой информации в электронно-вычислительную машину, обеспечивающей сохранение в формате цветов RGB (красный, зеленый и синий), построение диаграмм вариации усредненных параметров цветов RGB и таблиц данных значений усредненных параметров цветов по глубине скважины, отличающийся тем, что производят усреднение параметров цветов RGB попиксельно по строкам изображения, используют эффект расхождение цветового спектра фотографий керна в дневном свете в области нефтенасыщенных участков при вычислении по всему представленному интервалу скважины значений нечетких критериев оценки степени нефтенасыщенности по математическим зависимостям:
- К1 - критерий, характеризующий максимальный диапазон расхождения всех цветов RGB,
- K1=Δ/Δmax,
- где Δ=max(R,G,B)-min(R,G,B);
- Δmax - максимальная величина расхождения цветов по всему интересующему интервалу скважины;
- К2 - критерий, характеризующий зоны, где максимально удалены друг от друга цветовые параметры RGB,
- K2=1-2abs(λ-0,5)
- КК - комплексный критерий, формируемый как мультипликативная конъюнкция критериев К1 и К2 в теории нечетких множеств,
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2016147453A RU2654372C1 (ru) | 2016-12-02 | 2016-12-02 | Способ оценки нефтенасыщенности керна горных пород по фотографиям образцов в дневном свете |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2016147453A RU2654372C1 (ru) | 2016-12-02 | 2016-12-02 | Способ оценки нефтенасыщенности керна горных пород по фотографиям образцов в дневном свете |
Publications (1)
Publication Number | Publication Date |
---|---|
RU2654372C1 true RU2654372C1 (ru) | 2018-05-17 |
Family
ID=62152880
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2016147453A RU2654372C1 (ru) | 2016-12-02 | 2016-12-02 | Способ оценки нефтенасыщенности керна горных пород по фотографиям образцов в дневном свете |
Country Status (1)
Country | Link |
---|---|
RU (1) | RU2654372C1 (ru) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109670514A (zh) * | 2018-08-16 | 2019-04-23 | 清能艾科(深圳)能源技术有限公司 | 数字岩心的孔隙与骨架识别方法和装置、设备、存储介质 |
EE01604U1 (et) * | 2022-07-19 | 2023-07-17 | Tallinna Tehnikaülikool | Meetod põlevkivi kütteväärtuse määramiseks digipildi elementide statistilise jaotusgraafiku abil |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8548204B2 (en) * | 2010-12-14 | 2013-10-01 | Nec Access Technica, Ltd. | Image processing device, method for processing image, and program for processing image |
RU2501046C1 (ru) * | 2012-05-10 | 2013-12-10 | Ильнар Ильясович Хасанов | Способ исследования керна горных пород |
US20140016869A1 (en) * | 2012-07-10 | 2014-01-16 | Sony Corporation | Signal processing apparatus and signal processing method |
EP3001866B1 (en) * | 2013-07-12 | 2016-11-23 | Foster Findlay Associates Limited | Enhanced visualisation of geologic features in 3d seismic survey data using high definition frequency decomposition (hdfd) |
-
2016
- 2016-12-02 RU RU2016147453A patent/RU2654372C1/ru not_active IP Right Cessation
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8548204B2 (en) * | 2010-12-14 | 2013-10-01 | Nec Access Technica, Ltd. | Image processing device, method for processing image, and program for processing image |
RU2501046C1 (ru) * | 2012-05-10 | 2013-12-10 | Ильнар Ильясович Хасанов | Способ исследования керна горных пород |
US20140016869A1 (en) * | 2012-07-10 | 2014-01-16 | Sony Corporation | Signal processing apparatus and signal processing method |
EP3001866B1 (en) * | 2013-07-12 | 2016-11-23 | Foster Findlay Associates Limited | Enhanced visualisation of geologic features in 3d seismic survey data using high definition frequency decomposition (hdfd) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109670514A (zh) * | 2018-08-16 | 2019-04-23 | 清能艾科(深圳)能源技术有限公司 | 数字岩心的孔隙与骨架识别方法和装置、设备、存储介质 |
CN109670514B (zh) * | 2018-08-16 | 2022-12-09 | 清能艾科(深圳)能源技术有限公司 | 数字岩心的孔隙与骨架识别方法和装置、设备、存储介质 |
EE01604U1 (et) * | 2022-07-19 | 2023-07-17 | Tallinna Tehnikaülikool | Meetod põlevkivi kütteväärtuse määramiseks digipildi elementide statistilise jaotusgraafiku abil |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11893731B2 (en) | Group sparsity model for image unmixing | |
Nobis et al. | Automatic thresholding for hemispherical canopy-photographs based on edge detection | |
Zhang et al. | Digital mapping of a soil profile | |
Hedley et al. | A remote sensing method for resolving depth and subpixel composition of aquatic benthos | |
Treibitz et al. | Wide field-of-view fluorescence imaging of coral reefs | |
EP3393353B1 (en) | Image based bilirubin determination | |
US8823937B2 (en) | Products and methods for identifying rock samples | |
JPS6222035A (ja) | 色調検層装置及びそれを用いる検層方法 | |
Chow et al. | Quantifying the degree of coral bleaching using digital photographic technique | |
RU2654372C1 (ru) | Способ оценки нефтенасыщенности керна горных пород по фотографиям образцов в дневном свете | |
Thomas et al. | Automated lithology extraction from core photographs | |
Chen et al. | Spectral unmixing using a sparse multiple-endmember spectral mixture model | |
Legleiter | The optical river bathymetry toolkit | |
Dilbone et al. | Spectrally based bathymetric mapping of a dynamic, sand‐bedded channel: Niobrara River, Nebraska, USA | |
US11532109B2 (en) | Property based image modulation for formation visualization | |
Nederbragt et al. | Digital sediment colour analysis as a method to obtain high resolution climate proxy records | |
KR102326480B1 (ko) | 시추코어 자료와 물리검층 자료를 이용하여 암상을 분류하는 암상 분류 시스템 및 이를 위한 데이터베이스 구축 장치 및 방법 | |
Buono et al. | Quantitative digital petrography: full thin section quantification of pore space and grains | |
Vlachos et al. | Modelling colour absorption of underwater images using SFM-MVS generated depth maps | |
Dondi et al. | An interactive tool for speed up the analysis of UV images of Stradivari violins | |
Razzell Hollis et al. | Quantitative photography for rapid, reliable measurement of marine macro‐plastic pollution | |
RU2501046C1 (ru) | Способ исследования керна горных пород | |
Bosse et al. | Multispectral imaging with raspberry Pi for assessment of plant health status | |
CN106323885A (zh) | 一种岩样有机质成熟度测量方法 | |
Lauziere et al. | Autonomous physics-based color learning under daylight |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | The patent is invalid due to non-payment of fees |
Effective date: 20191203 |