基于Faster-RCNN网络的接箍自动识别方法

在可视化测井中,深度对于判断油管缺陷位置、射孔位置至关重要,而现有的测深系统具有一定的深度误差。在观测井下视频人工查找接箍,存在耗时、检测速度慢等问题。先对VideoLog油气井可视化测井技术采集到的井下视频进行图像增强,引入Faster-RCNN模型,采用ResNet50网络作为特征提取网络提取接箍特征,最终通过兴趣区域池化网络和全连接层完成接箍的识别定位。该模型有着0.99的平均精度,在实验中,视频中的接箍均可被准确识别,具有识别速度快和准确率高等优点。

基于VideoLog可视化测井的井筒深度重采样方法研究

当前,VideoLog可视化测井视频的播放的基准线是时间。油气井的深度都在几千米不等,完整地播放一口油气井的测井视频需要十几小时。在测井资料解释阶段,处理测井视频不仅复杂,还浪费了大量的时间。为了节约时间,简化测井资料解释的步骤,现提出一种测井视频以深度值为基准线进行播放索引的研究方法。该研究方法基于接箍识别和测井视频的处理,接箍识别提供接箍数据,视频处理提供视频帧数据,二者相结合获取视频每一帧的深度值,输出数据,在测井资料解释软件中实现可视化。通过Matlab搭建的实验平台进行实验,结果计算出了每一帧图像的深度数据并实现了与深度值索引,获得了预期的实验结果。