一种基于深度学习的岩屑含油量实时分析方法

本发明涉及石油勘探，尤其涉及一种基于深度学习的岩屑含油量实时分析方法。

背景技术：

1、石油是一种黏稠的、深褐色液体，被称为“工业的血液”，地壳上层部分地区有石油储存，主要成分是各种烷烃、环烷烃、芳香烃的混合物，石油的获取离不开石油勘探，石油勘探是为了寻找和查明油气资源，而利用各种勘探手段了解地下的地质状况，认识生油、储油、油气运移、聚集、保存等条件，综合评价含油气远景，确定油气聚集的有利地区，找到储油气的圈闭，并探明油气田面积，搞清油气层情况和产出能力的过程。

2、在石油勘探过程中，为了获取不同地层的含油情况，需要通过采集岩屑样本来分析该地层的含油情况，其中荧光录井技术就是一种获取地层岩屑的重要手段，荧光录井技术是钻井中，使用工业相机采集在荧光灯照射下的岩屑图像，并通过观察岩屑图像中荧光颜色和亮度来估算该地层的含油情况，以了解钻经地层何处有含油层迹象的一种录井方法。

3、目前应用较为广泛的是以人工来鉴定，但智能化偏低，还需要专业人员来判断，而现场的录井技术人员经验不同，对结果的认知也会不同，人为影响因素较大，具有一定的局限性，这种情况下通过人工主观得出的鉴定结果会有一定的偏差，从而影响最终的鉴定结果，另外人工识别存在效率低和对个人水平依赖较高等问题，在面临较大的工作量时必然需要消耗大量时间，因此，本发明提出一种基于深度学习的岩屑含油量实时分析方法用以解决现有技术中存在的问题。

技术实现思路

1、针对上述问题，本发明的目的在于提出一种基于深度学习的岩屑含油量实时分析方法，解决现有的岩屑含油量分析方法的人为影响因素较大，具有一定的局限性，以及通过人工主观得出的鉴定结果会有一定的偏差，从而影响最终鉴定结果准确性的问题。

2、为了实现本发明的目的，本发明通过以下技术方案实现：一种基于深度学习的岩屑含油量实时分析方法，包括以下步骤：

3、步骤一：先在录井现场利用荧光灯对钻井反出的岩屑样品进行照射，并利用工业相机拍摄荧光灯照射下的岩屑图像，获得待分析地层的荧光岩屑图像数据，再利用获得的荧光岩屑图像数据建立岩屑图像数据集；

4、步骤二：先对步骤一中建立的岩屑图像数据集进行数据增强预处理，再对数据增强处理后的岩屑图像数据集进行标注，然后对岩屑图像进行保存并转换为掩膜图像；

5、步骤三：依据标注完成的岩屑图像数据集，建立基于深度学习的岩屑含油区域分割模型，所述岩屑含油区域分割模型为适用于便携式边缘计算设备的轻量级网络模型；

6、步骤四：先将步骤二中标注完成的岩屑图像数据集划分为训练集、验证集和测试集，并训练步骤三中建立的基于深度学习的岩屑含油区域分割模型，再根据训练结果选定精度最高的岩屑含油区域分割模型；

7、步骤五：利用训练完毕并选定出的精度最高的岩屑含油区域分割模型对岩屑图像进行识别，再根据识别结果计算含油区域占比，并显示含油量实时分析结果。

8、进一步改进在于：所述步骤一中，所述钻井反出的岩屑采集于不同地层，岩屑采集后放置于暗箱内再利用荧光灯进行照射并拍摄图像，获得荧光岩屑图像数据后根据石油在紫外线照射下具有的发光特提取岩屑包括颜色、纹理和粒度在内的特征。

9、进一步改进在于：所述步骤一中，利用获得的荧光岩屑图像数据提取包括颜色、纹理和粒度在内的特征，并根据石油在紫外线照射下发光的特征判断含油部分，其中绿色和黄色部分为含油部分。

10、进一步改进在于：所述步骤二中，所述数据增强预处理包括对岩屑图像数据集进行随机旋转、图像缩放、沿垂直或水平方向做镜像变换，对岩屑数据集进行标注时对每一幅图像的含油区域使用多边形框进行标注。

11、进一步改进在于：所述步骤二中，所述岩屑图像标注信息保存为json格式，并将json格式文件转换为掩模图像。

12、进一步改进在于：所述步骤三中，所述岩屑含油区域分割模型采用主干网络和任务网络相结合的m3-unet神经网络，并用mobilenetv3网络结构作为骨干网络提取岩屑图像含油区域的特征。

13、进一步改进在于：所述步骤四中，所述岩屑含油区域分割模型的训练过程为：先将步骤二中标注完成的岩屑图像数据集按照8:1:1的比例划分为训练集、验证集和测试集，再使用训练集和验证集训练岩屑含油区域分割模型，并使用测试集得到岩屑含油区域分割模型的精度。

14、进一步改进在于：所述步骤五中，对岩屑图像进行识别的具体步骤为：先在录井现场采集荧光灯下的岩屑图像，再将采集的岩屑图像输入到训练完毕的岩屑含油区域分割模型中，并对岩屑图像含油区域进行分割识别，得到含油区域，最后根据识别出的含油区域计算含油区域在整幅岩屑图像中的占比，并显示最终岩屑含油量实时分析结果。

15、本发明的有益效果为：本发明通过在录井现场采集荧光岩屑图像数据并对其进行数据增强处理，使数据增强后训练数据大量增加，图像的语义信息更丰富，从而使建立的岩屑含油区域分割模型在训练时学习到的有效特征数量增加，同时降低了网络训练中产生的震荡情况，有效提升岩屑含油区域分割模型的数据识别效果，且网络模型的改进使得网络更为轻量化，分割的速度更快，满足实时分割的要求，有效地提高了整体的分割性能，使石油勘探工作开展更快更顺利，在实际石油勘探现场中，能在识别到含油区域更多的同时产生的误检和漏检现象更少。

技术特征：

1.一种基于深度学习的岩屑含油量实时分析方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于深度学习的岩屑含油量实时分析方法，其特征在于：所述步骤一中，所述钻井反出的岩屑采集于不同地层，岩屑采集后放置于暗箱内再利用荧光灯进行照射并拍摄图像，获得荧光岩屑图像数据后根据石油在紫外线照射下具有的发光特提取岩屑包括颜色、纹理和粒度在内的特征。

3.根据权利要求1所述的一种基于深度学习的岩屑含油量实时分析方法，其特征在于：所述步骤一中，利用获得的荧光岩屑图像数据提取包括颜色、纹理和粒度在内的特征，并根据石油在紫外线照射下发光的特征判断含油部分，其中绿色和黄色部分为含油部分。

4.根据权利要求1所述的一种基于深度学习的岩屑含油量实时分析方法，其特征在于：所述步骤二中，所述数据增强预处理包括对岩屑图像数据集进行随机旋转、图像缩放、沿垂直或水平方向做镜像变换，对岩屑数据集进行标注时对每一幅图像的含油区域使用多边形框进行标注。

5.根据权利要求1所述的一种基于深度学习的岩屑含油量实时分析方法，其特征在于：所述步骤二中，所述岩屑图像标注信息保存为json格式，并将json格式文件转换为掩模图像。

6.根据权利要求1所述的一种基于深度学习的岩屑含油量实时分析方法，其特征在于：所述步骤三中，所述岩屑含油区域分割模型采用主干网络和任务网络相结合的m3-unet神经网络，并用mobilenetv3网络结构作为骨干网络提取岩屑图像含油区域的特征。

7.根据权利要求1所述的一种基于深度学习的岩屑含油量实时分析方法，其特征在于：所述步骤四中，所述岩屑含油区域分割模型的训练过程为：先将步骤二中标注完成的岩屑图像数据集按照8:1:1的比例划分为训练集、验证集和测试集，再使用训练集和验证集训练岩屑含油区域分割模型，并使用测试集得到岩屑含油区域分割模型的精度。

8.根据权利要求1所述的一种基于深度学习的岩屑含油量实时分析方法，其特征在于：所述步骤五中，对岩屑图像进行识别的具体步骤为：先在录井现场采集荧光灯下的岩屑图像，再将采集的岩屑图像输入到训练完毕的岩屑含油区域分割模型中，并对岩屑图像含油区域进行分割识别，得到含油区域，最后根据识别出的含油区域计算含油区域在整幅岩屑图像中的占比，并显示最终岩屑含油量实时分析结果。

技术总结本发明公开一种基于深度学习的岩屑含油量实时分析方法，包括以下步骤：获得荧光岩屑图像数据并建立数据集，对数据集进行预处理并标注，建立基于深度学习的网络模型，对建立的网络模型进行训练，利用训练好的网络模型对岩屑图像进行含油区域分割；本发明通过在录井现场采集荧光岩屑图像数据并对其进行数据增强处理，使数据增强后训练数据大量增加，图像的语义信息更丰富，从而使模型在训练时学习到的有效特征数量增加，同时降低了网络训练中产生的震荡情况，有效提升模型的效果，且网络模型的改进使得网络更为轻量化，分割的速度更快，满足实时分割的要求，有效地提高了整体的分割性能，能在识别到含油区域更多的同时产生的误检和漏检现象更少。技术研发人员：袁宝玺,张永壮,王育虔,郭建新受保护的技术使用者：西京学院技术研发日：技术公布日：2024/7/29