岩石铸体薄片图像的颗粒分割研究

岩石粒度分析是岩石薄片图像分析中的重要工作。为解决传统阈值方法对岩石薄片图像中细碎岩石颗粒区域分割效果不佳的问题,提出一种基于深度学习的岩石薄片图像分割方案。首先,使用U-Net对图像中铸体部分进行提取。然后,使用RCF网络获得岩石颗粒边缘。最后,利用颗粒边缘和铸体区域信息完成对颗粒的分割。实验结果表明,相比于阈值分割方法,该方法在细碎岩石颗粒区域分割表现更好,同时在岩石颗粒边缘处分割精度更高。

基于GA-SVM的岩心铸体薄片图像分类研究

为了提高岩心铸体薄片图像分类的准确率,引入了支持向量机构建其分类模型。基于训练数据集,采用遗传算法优化支持向量机的核参数σ和惩罚因子c,建立可实现对岩心铸体薄片图像分类的支持向量机模型。接着利用相同的训练数据集对未经参数寻优的支持向量机、网格搜索法优化的支持向量机和粒子群算法优化的支持向量机分别进行训练,再对它们测试,发现遗传算法优化的支持向量机模型对大孔粗喉、中孔中喉和小孔细喉3种岩心铸体薄片图像的分类准确率分别达到了100%、94%和94%,综合表现最好,而且与粒子群算法优化的支持向量机相比,它的寻优更加快速。可见,遗传算法辅助寻优的支持向量机具有更好的图像分类效果,可做进一步的推广与应用。

基于注意力机制的岩石铸体薄片轻量化分割

储集层岩石铸体薄片的微观结构特征对研究储层的储渗能力、流体分布、采收率的大小、水驱油效率等均具重要作用。岩石铸体薄片的分割是研究岩石微观结构特征的前提,目前传统方法是通过染色剂对孔隙区域染色,然后用阈值或连通域等方法进行分割,这种方法准确率低且成本昂贵。基于深度学习的语义分割网络在不同的分割场景下都取得了很大进展。该文采用DeepLabV3+网络作为模型框架,首先,针对语义分割网络参数量多且在恢复空间细节方面表现欠佳等问题,引入了轻量化特征提取网络,优化原模型Xception特征提取网络的参数量;其次,优化残差结构,减少参数计算量,降低模型训练耗时;最后,为了弥补参数优化带来的精度损失,在模型的高层特征图提取部分引入注意力机制CBAM模块,以提高模型准确率。在岩石铸体薄片数据集上,此方法与原模型相比准确率提高了3.7百分点,识别帧率提高了106百分点。

基于改进U-Net的岩心铸体薄片图像分割研究

为更好地实现岩心铸体薄片图像分割,提出了一种改进的U-Net模型。基于已有DenseNet模型网络结构的密集连接思想,设计了Dense连接模块,将经典U-Net模型和Dense连接模块相结合,形成了改进的U-Net模型。把改进U-Net模型应用到研究区大孔粗喉和小孔细喉两种不同岩心铸体薄片图像的分割中,取得了较好的效果。相比传统的OSTU方法,改进U-Net模型对岩心铸体薄片图像的分割更加精细;相比经典U-Net模型,改进U-Net模型对岩心铸体薄片图像分割得到的mIoU和PA分别提高了1.7%和1.5%。研究表明:与OSTU方法和经典U-Net模型相比,改进U-Net模型能够更加有效地实现岩心铸体薄片图像的分割,可为油田地质研究人员提供重要的技术支持。

融合多种深度学习模型的岩石铸体薄片孔隙自动分割方法

铸体薄片图像孔隙形态复杂多样,常规分割方法存在主观因素影响、效率低等问题,而深度学习方法效果取决于数据量、标注、训练周期等因素。针对这些问题,采用真实的增强型超分辨生成对抗网络(real enhanced super-resolution generation adversarial network, Real-ESRGAN)方法提高铸体薄片图像分辨率,应用图像旋转、比例变换等数据增强算法增加样本的多样性,利用阈值法结合颜色空间转换自动标注铸体薄片中大部分孔隙;在Unet网络编码器部分加入残差网络加深编码器网络深度(R-T-Unet),增强孔隙特征分割能力;引入ImageNet数据集上的ResNet50和ResNet101模型,将其结构作为编码器主干特征分割网络,其模型权重作为预训练权重,提高训练速度。实验结果表明,改进的R-T-Unet模型优于Unet模型,该方法更适合用于岩石铸体薄片孔隙分割。

铸体薄片图像孔隙自动分割方法优选

铸体薄片中孔隙度的计算是评价储层流体流动性的一个重要参数,对孔隙的分割是关键一步。但目前传统孔隙的分割方法依赖专业人员,精度较低需要进行大量的人工交互才能提高精度。快速发展的深度学习为孔隙分割提供了一个新方法,但深度学习在孔隙分割领域存在使用模型单一和孔隙标注困难。为解决模型单一问题,对12个深度学习语义分割模型进行孔隙分割测试。为解决孔隙标注困难问题,利用迁移学习完成对模型的训练。为了综合评价模型的性能,以准确度、精确度、召回率、F1-score、模型训练时间和模型文件大小作为指标评价模型分割效果。最后实验结果表明,在12个模型中最优模型是Mobilenet_Unet,该模型的F1-score、精确度、召回率和准确度分别是0.9620、0.9687、0.9572和0.975,模型文件大小为72.1M,模型训练仅需要1.6h。

基于多聚类中心的加权聚类铸体薄片图像分割方法

针对人工利用显微镜对岩石铸体薄片进行鉴定的低效和普通聚类分割算法对图像边缘分割效果差的问题,本文从岩石特征出发,提出了一种基于聚类分割算法的多聚类中心加权分割新方法,并使用该方法训练了一个适用于岩石铸体薄片的分割模型。使用该模型可以快速地完成对大量薄片的鉴定任务。该方法通过构建新的聚类距离提升了对薄片各组分边缘和内部的分割效果,将多聚类中心的方法和加权的聚类方法相结合,进一步增强了对薄片边缘部分的分割。利用来自疏松岩心的铸体薄片图像进行分割实验,并将本文提出的聚类分割新方法与普通的聚类分割算法的结果进行比较,发现本文方法的分割误差比普通分割方法的误差最高降幅达37.2%。与现有深度学习分割算法对数据量和数据类型的高要求相比,多聚类中心的加权聚类分割算法更适合地质领域中的分割任务,具有较高的应用价值。

基于铸体薄片和CT扫描分析灰岩的微观结构

煤系地层灰岩是煤炭资源中常见的一种岩石类型,具有重要的地质和工程意义。本文采用CT扫描和铸体薄片相结合的方法,对灰岩的微观结构进行了分析。铸体薄片提供了岩石的显微镜下的细节特征,而通过CT扫描图像获取了岩石的三维内部结构信息,并计算了所测岩心的孔隙度,连通度,孔隙直径等一系列参数。通过综合分析这两种数据,对灰岩的孔隙结构、矿物组成和微观结构进行了深入研究。研究发现该地区灰岩主要是细粉晶白云石为主,次为方解石,泥质以粘土矿物为主。岩石构造缝发育,交织成网状,在孔隙分布不均匀,连通性差,同一个方向非均质性较低。通过CT扫描测量的孔隙范围4.37%~9.66%,连通度较高,通过将这两种数据进行对比和关联分析,揭示了灰岩的微观结构特征,进而对其工程性质进行深入理解。

基于铸体薄片资料的砂岩储层孔隙度演化定量计算方法——以鄂尔多斯盆地环江地区长8储层为例

利用铸体薄片资料进行储层孔隙度演化定量计算是一项重要的成岩演化和储层模拟技术,但由于参数确定和计算方法存在的问题,导致结果准确性较差。基于此,在分析前人计算方法及其误差的基础上,确定了计算参数的选用,改进和完善了计算方法与结果检验方法的应用。在初始孔隙度的确定上,相对赋一固定值作为所有样品初始孔隙度或Scherer拟合公式,根据Beard和Weyl湿砂填集实验恢复初始孔隙度具有较高的精度;在考虑压实过程中岩石表观体积缩小的情况下,推导了压实、胶结损失孔隙度与溶蚀增加孔隙度计算公式,并给出了忽略岩石表观体积变化时孔隙度演化分析的误差来源和可能的误差大小范围;结果检验方面,摒弃了以往忽略溶蚀增加孔隙度而简单进行粒间孔隙度与和氦孔隙度对比的较为粗略的方法,建立了考虑各种成岩作用结果和成岩过程中岩石表观体积变化情况下的结果检验方法。应用该方法对鄂尔多斯盆地环江地区长8储层孔隙度演化进行计算,结果与岩芯氦孔隙度相比,绝对误差-1.1%,相对误差15.3%,取得了良好的应用效果。

岩石铸体薄片鉴定与显微图像分析技术的应用

岩石铸体薄片鉴定与显微图像分析是一项极具特色的技术,为促进这项特色技术在辽河油田的成熟应用和不断的发展、完善,辽河录井地质检测中心开展了岩石铸体薄片鉴定分析技术的应用研究;通过对一些典型岩石铸体薄片显微图像资料的介绍,与地层岩心常规分析资料、开发试验资料相结合,进行了综合应用,提高了对岩石薄片显微图像资料的认识和对该技术的应用水平,促进了岩石铸体薄片鉴定与显微图像分析技术的推广应用和向前发展。

基于岩石铸体薄片图像的数字岩心三维重构

由于岩心三维重构的CT扫描方法成本高昂,提出一个基于光学显微镜下铸体薄片图像的数字岩心三维重构方法。研究对采集的铸体薄片图像进行图像处理获得重构的训练图像模板,再应用多点地质统计学进行图像模板特征提取与数字岩心三维重构。实验采用鄂尔多斯盆地苏里格地区的若干岩心样本进行效果测试,结果表现为三维重构后的数字岩心孔径尺寸分布与真实值趋势相同,孔隙度的相对误差均在8%以内。上述研究内容表明基于岩石铸体薄片图像进行数字岩心的三维重构是有效的。

铸体薄片孔隙参数提取及其对饱和度指数的影响

为了充分挖掘铸体薄片中的孔隙结构信息,采用数字图像技术对铸体薄片进行形态学滤波处理,结合两点相关函数理论得到样品的面孔隙度、比表面、平均孔隙半径、平均颗粒半径等参数,分析了饱和度指数与面孔隙度、比表面、平均颗粒-孔隙半径比之间的关系。通过铸体薄片数字图像处理技术计算的面孔隙度和平均孔隙半径分别与氦气法孔隙度和压汞法平均孔喉半径呈良好的线性关系;饱和度指数与面孔隙度、比表面、平均颗粒-孔隙半径比均呈良好的幂指数关系。通过多因素拟合法建立的饱和度指数模型与实测饱和度指数吻合性好,精度高。

基于铸体薄片的致密砂岩储层孔隙微观参数定量提取技术

针对致密砂岩储层的孔隙度、渗透率极低,物性及孔隙结构定量表征困难等问题,将图像处理技术引入铸体薄片分析中,通过改进Sigma滤波有效去除图像噪声,得到高分辨率和信噪比的铸体薄片图像.应用多维阈值分割和形态学滤波方法实现孔隙提取和二值化.在孔隙提取的基础上,应用计点统计技术和拓扑学方法实现了孔隙微观参数如平均孔隙半径、圆度、孔隙纵横比的定量计算,突破了过去对铸体薄片以定性和半定量为主的局限性,有效地挖掘了铸体薄片的孔隙结构内涵信息.将结果与压汞毛管压力参数对比可知,基于铸体薄片的孔隙微观参数与压汞孔隙微观参数在表征孔隙结构上具有一致性.与压汞毛管压力、岩心核磁共振等实验相比,铸体薄片对样品要求简单,测试速度快,且由于高温高压注入技术能将染色树脂极大程度地注入孔隙空间,在致密砂岩储层孔隙结构定量表征中具有无可比拟的优越性.

铸体薄片资料刻度测井解释孔隙度精度——以川科1井马鞍塘组储层为例

川西孝泉—新场构造川科1井马鞍塘组储层未取得岩心分析资料,难以应用岩心分析孔隙度刻度测井解释孔隙度精度,这给判别测井解释孔隙度是否精确带来了难题。因此,探索性地选取川科1井马鞍塘组地层的岩屑进行铸体薄片分析,然后对比铸体薄片分析得出的矿物百分含量与测井解释得出的相应矿物含量进行误差分析,定性判别测井解释孔隙度是否被准确求取。铸体薄片分析的矿物含量和测井解释的平均误差为1.93%,相对误差为2.35%,说明测井解释误差较低。实践证明,用铸体薄片分析资料刻度测井解释孔隙度精度是可行的。

基于铸体薄片的致密岩心孔隙结构多重分形特征研究

基于压汞和核磁共振实验进行了致密岩心孔隙结构分类,提取了不同孔隙结构的铸体薄片并应用PSO多阈值分割算法得到孔隙-骨架二值图。结合孔隙结构的多重分形理论计算了不同孔隙结构的多重分形维数及多重分形谱,分析了多重分形维数与饱和中值压力、平均孔喉半径和核磁T2几何平均值的关系。研究表明:基于多重分维表征方法与压汞、核磁共振等实验具有一致性,不同孔隙结构岩石的多重分形特征各异,物性越差、孔隙结构越复杂,多重分形维数越大;多重分形维数与饱和中值压力成正比,与平均孔喉半径和核磁T2几何平均值成反比;D_(min)与孔隙结构类型及其他孔隙结构表征参数的相关性最强,在缺乏压汞、核磁等实验数据时,基于铸体薄片的多重分形维数为致密岩石孔隙结构的定量表征提供了有利依据。

铸体薄片图像分析法求取储层孔隙度

在石油勘探工程中,储层孔隙度是进行油气预测、油气储量计算的重要参数。根据测井铸体薄片图像资料,在传统BP网络模型的基础上提出了一种基于灰色关联约束的BP神经网络改进模型。对铸体薄片图像进行孔隙识别、统计,进而自动判读储层孔隙度。研究和实验表明,该方法对储层孔隙度的分析、判读更具合理性和实用性。

碳酸盐岩铸体薄片面孔自动提取研究

岩石孔隙是储层储集油气的重要场所,通过铸体薄片进行岩石孔隙结构分析对储层质量评价具有重要意义。碳酸盐岩孔隙结构较为复杂,铸体薄片图像中存在大量噪声和干扰因素,致使常规方法面孔提取效果不佳,因此本文引入一种多阈值铸体薄片面孔自动提取方法(ctsPore方法)进行孔隙区域提取和面孔率估计,方法综合利用HSV色彩空间中不同参数提取孔隙区域。本文针对碳酸盐岩储层的特点确定了一套ctsPore阈值参数,以解决溶蚀孔与噪声易混淆的问题。实验以伊拉克A油田中新统Asmari组A段碳酸盐岩储层为例对所使用算法进行了效果检验。算法精度和效率分析实验表明,基于ctsPore方法的碳酸盐岩铸体薄片面孔提取误差小于0.24%。全井段铸体薄片分析结果表明,A段储层面孔率范围主要分布在6%~8%,储层较为致密,从上到下A1~A3小层的储层平均面孔率分别为6.9%、11.7%、5.4%,与储层物性、沉积微相和岩性等纵向分布规律较为吻合。

铸体薄片微观参数提取及其与岩石电学参数的关系

微观孔隙结构及电阻率指数确定是复杂砂岩储层测井评价的重点难点问题。应用三维阈值分割及形态学滤波技术对铸体薄片进行处理,得到高信噪比的孔隙-骨架二值图像,结合几何学算法,得到形状因子、孔隙纵横比、等效直径和圆度等微观参数的特征及平均值;通过实验分析了地层因数、胶结指数和迂曲度与这些孔隙微观参数之间的关系。研究表明,地层因数、胶结指数和迂曲度与平均形状因子成幂函数关系,且幂为负数;与平均等效直径成幂函数关系,且幂为正数;岩石孔隙形状越规则,平均等效直径越小,则岩石电阻率越低,地层因数、胶结指数和迂曲度越小。认识孔隙微观参数对电学性质的影响,可以提高测井解释准确率及流体饱和度计算精度。

铸体薄片的制片方法

薄片技术是岩相学分析三大常规技术之一,也是最基础的一项分析。只有高质量的薄片制作,才能完成各类储层实验测试的分析。本文通过介绍岩石孔隙铸体仪(JS-3)的铸体薄片的制片过程,找出油田化验中心铸体薄片制片最有效的工作流程。

岩石铸体薄片图像孔隙自动提取方法

针对传统岩石铸体薄片图像孔隙提取耗时、效率低的问题,提出了一种自动快速提取方法。首先,由于采用染色树脂或液态胶加工生成的铸体薄片其特征区域均有一定的颜色,例如:深蓝、浅蓝、深红、浅红等,通过对铸体薄片特征区域颜色的分析发现不同颜色的铸体薄片其彩色空间H(色调)分量分布具有一定的集中性;其次,采用样本训练,即计算出样本特征区域的H分量的阈值;最后,利用该阈值对同批铸体薄片图像进行直接提取即可。这样就实现了岩石铸体薄片图像的孔隙自动提取。