排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
页岩孔隙是页岩气储集的主要空间,孔隙的形状、大小、连通性与发育程度很大程度上决定了页岩储集层的储集性能,因此,页岩气开采首先需要对其孔隙有充分的认识。基于阈值分割法获取页岩孔隙结构参数是目前页岩微观结构表征的一种重要手段,但是受扫描电镜图像灰度分布差异的影响,该方法需要逐一修改图像的最佳分割阈值以达到最好的孔隙分割效果,且阈值分割方法无法直接划分孔隙类别,这给后续的页岩微观结构定量表征带来了麻烦。为了实现页岩孔隙的智能识别和分类,笔者设计基于像素级语义分割的深度全卷积神经网络FLU-net,对页岩孔隙识别并分类为有机孔、无机孔(粒内孔、粒间孔)及裂缝,并结合孔隙尺度分类统计方法,分析不同类型孔隙发育数量、孔径大小、孔隙度等参数,实现页岩储层微观孔隙结构的自动化定量表征。以重庆渝西区块足201井区和四川盆地威远地区威204井区的页岩扫描电镜图像为研究对象,在对1 600幅页岩扫描电镜图像原始数据进行人工标注并划分数据集后,使用FLU-net进行孔隙识别,结果表明,本方法具有较高的准确率,同时自动化程度和泛化能力均高于传统预测方法。因此,扫描电镜与基于深度学习的语义分割模型结合是定量研究页岩微观结构表征的有效手段。 相似文献
2.
介形类化石对地质年代的确定、古湖泊和古海洋的研究、古环境的重建以及海底石油资源的勘探等工作都具有重要意义。然而,现有识别化石颗粒的方法费时费力,准确率也有待提高。鉴于介形类化石颗粒的类别具有科、属、种的层次结构,种类数量庞大,所以本文提出了一种层次化识别方法。首先进行目标检测,实现介形类化石的定位与属类划分;之后在目标检测模块的基础上进行智能识别,使用卷积神经网络和支持向量机提取属类下更细微的种类特征,实现化石种类划分。实验结果表明,本文提出的分层次识别模型能检测出化石图像中所有化石颗粒的位置信息并对其进行分类,分类准确率可达95%,且相较于未进行分层次识别的模型,能将识别准确率提升1.8%~5.8%。 相似文献
3.
4.
随着页岩气勘探开发领域的快速发展,页岩储层的微观结构表征及分析技术显得愈发重要。其中基于阈值分割法获取页岩孔隙结构参数是目前页岩微观结构表征的一种重要手段。现有的阈值分割方法主要有最大类间方差法、最大熵阈值分割法等,它们在各种图像分割任务上都取得了不错的成绩。然而,在页岩孔隙分割问题上,它们均存在耗时较长且不能有效分离薄片扫描电镜图像中的孔隙和基质等元素的问题。页岩薄片孔缝分割的自动阈值生成方法能根据页岩薄片的不同特点,自适应地快速生成对应图像的最佳灰度阈值,自动识别页岩孔隙和基质等地质元素。在足206井的页岩扫描电镜图像上进行了实验,与传统方法进行对比,实验结果表明,页岩薄片孔缝分割的自动阈值生成方法能准确实现孔隙和基质等元素的分离,在各类图像上都能高效地自动生成最佳灰度阈值,为页岩微观图像孔隙结构定量分析提供可靠基础。 相似文献
5.
1