一种岩屑录井的岩性识别方法及装置与流程

摘要: 本申请涉及地质勘探与录井,具体而言,涉及一种岩屑录井的岩性识别方法及装置。背景技术:1、地质录井是油气勘探开发过程中获取地层信息的重要手段,通过对钻井过程中返出...
一种岩屑录井的岩性识别方法及装置与流程

本申请涉及地质勘探与录井,具体而言,涉及一种岩屑录井的岩性识别方法及装置。

背景技术:

1、地质录井是油气勘探开发过程中获取地层信息的重要手段,通过对钻井过程中返出的岩屑进行系统采集、描述和分析,能够直观反映地下地层的岩性、含油气性等地质特征。随着勘探深度和复杂程度的增加,录井工作的精细化、系统化要求日益提高,岩屑录井作为基础性工作,其数据的准确性和完整性直接影响到后续地质解释和决策的科学性。

2、目前,常规的岩屑录井方法主要依赖人工在井口按设定间距捞取岩屑样品,经过自然晾干后装袋保存,并由地质技术人员通过肉眼或放大镜观察,结合经验对岩屑的颜色、成分、结构等特征进行描述和记录,进而判断地层岩性。该过程通常依据钻井设计要求,在不同井段采用不同的取样间距,如浅层段按较大间距取样,深层段加密取样,以兼顾效率与精度。样品采集后,录井人员将观察结果记录于纸质或电子表格中,形成岩屑录井数据。

3、然而,现有技术在实际应用中存在以下问题:首先,岩屑识别高度依赖人工经验,主观性强,不同技术人员对同一岩屑样品的描述可能存在差异,导致数据一致性差,且难以实现岩性的精确量化识别;其次,岩屑录井数据量大,人工分类和记录效率低下,易出错,难以满足大规模、快速录井作业的需求;再者,现有方法仅对岩屑进行简单描述和存储,缺乏对录井数据的深度挖掘和自动化处理手段,无法有效建立岩性识别模型,限制了录井数据在地质解释中的利用价值。

技术实现思路

1、本申请实施例的目的在于提供一种岩屑录井的岩性识别方法及装置,用以通过将分段取样与迁移学习模型相结合,实现了岩屑录井数据的自动化分类与智能识别,克服了人工识别的主观性和低效性。

2、第一方面,提供了一种岩屑录井的岩性识别方法,该方法可以包括:

3、根据多个井段区间和对应的取样间距,在钻井过程中按照井深顺序连续执行岩屑捞取操作,得到岩屑样品;

4、针对任一岩屑样品,获取该岩屑样品的岩屑特征向量;

5、将所述岩屑特征向量输入预先训练好的岩性识别模型,以识别并输出该岩屑样品的岩性识别结果;该模型是先采用迁移学习方式利用通用图像数据集预训练网络参数,再使用岩屑样本图像进行微调得到;

6、将所有岩屑样品的岩性识别结果按照井深顺序进行汇总,构建岩屑录井岩性剖面数据库。

7、在一个可能的实现中,获取该岩屑样品的岩屑特征向量,包括:

8、通过高分辨率工业相机采集该岩屑样品的表面图像,并对表面图像进行去噪、增强和归一化的预处理;

9、对预处理后的图像利用图像处理算法提取岩屑的颜色特征、颗粒形态特征和纹理结构特征,并将提取的多种特征进行融合,生成所述岩屑特征向量。

10、在一个可能的实现中,所述岩性识别模型为卷积神经网络模型,其结构包括多个交替堆叠的卷积层和池化层,以及至少一个全连接层,最后一层为softmax分类层,用于输出岩屑样品属于各预设岩性类别的概率值。

11、在一个可能的实现中,所述岩性识别结果包括:岩性类别,以及由所述岩性识别模型同步生成的岩性描述信息,所述岩性描述信息至少包括颜色、成分和结构中的一种或多种。

12、在一个可能的实现中,所述方法还包括:

13、基于岩屑录井岩性剖面数据库,按照井深顺序生成岩性柱状图,并在所述岩性柱状图上标注各深度点对应的岩性类别;同时,生成岩性随井深变化的趋势曲线,以展示不同岩性的纵向分布规律。

14、在一个可能的实现中,输出该岩屑样品的岩性识别结果之后,所述方法还包括:

15、根据邻井已知的岩性剖面数据对当前井的岩性识别结果进行一致性校验:若当前井的某深度段的岩性识别结果与邻井对应深度段的岩性识别结果不满足一致性校验条件,则触发配置的复核机制,并提示该深度段存在地层错动或录井深度偏差。

16、在一个可能的实现中,所述方法还包括:

17、根据构建的岩屑录井岩性剖面数据库,实时调整钻井参数或指导后续钻井作业,包括调整钻头类型、钻井液性能或下套管方案。

18、第二方面,提供了一种岩屑录井的岩性识别装置,该装置可以包括:

19、捞取单元,用于根据多个井段区间和对应的取样间距,在钻井过程中按照井深顺序连续执行岩屑捞取操作,得到岩屑样品;

20、获取单元,用于针对任一岩屑样品,获取该岩屑样品的岩屑特征向量;

21、输出单元,用于将所述岩屑特征向量输入预先训练好的岩性识别模型,以识别并输出该岩屑样品的岩性识别结果;该模型是先采用迁移学习方式利用通用图像数据集预训练网络参数,再使用岩屑样本图像进行微调得到;

22、构建单元,用于将所有岩屑样品的岩性识别结果按照井深顺序进行汇总,构建岩屑录井岩性剖面数据库。

23、第三方面,提供了一种电子设备,该电子设备包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;

24、存储器,用于存放计算机程序;

25、处理器,用于执行存储器上所存放的程序时,实现上述第一方面中任一所述的方法步骤。

26、第四方面,提供了一种计算机可读存储介质,该计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面中任一所述的方法步骤。

27、本申请实施例提供的岩屑录井的岩性识别方法及装置,该方法根据多个井段区间和对应的取样间距,在钻井过程中按照井深顺序连续执行岩屑捞取操作,得到岩屑样品;针对任一岩屑样品,获取该岩屑样品的岩屑特征向量;将岩屑特征向量输入预先训练好的岩性识别模型,以识别并输出该岩屑样品的岩性识别结果;该模型是先采用迁移学习方式利用通用图像数据集预训练网络参数,再使用岩屑样本图像进行微调得到;将所有岩屑样品的岩性识别结果按照井深顺序进行汇总,构建岩屑录井岩性剖面数据库。该方法通过将分段取样与迁移学习模型相结合,实现了岩屑录井数据的自动化分类与智能识别,克服了人工识别的主观性和低效性。

1.一种岩屑录井的岩性识别方法,其特征在于,所述方法包括:

2.如权利要求1所述的方法,其特征在于,获取该岩屑样品的岩屑特征向量,包括:

3.如权利要求1所述的方法,其特征在于,所述岩性识别模型为卷积神经网络模型,其结构包括多个交替堆叠的卷积层和池化层,以及至少一个全连接层,最后一层为softmax分类层,用于输出岩屑样品属于各预设岩性类别的概率值。

4.如权利要求1所述的方法,其特征在于,所述岩性识别结果包括:岩性类别,以及由所述岩性识别模型同步生成的岩性描述信息,所述岩性描述信息至少包括颜色、成分和结构中的一种或多种。

5.如权利要求1所述的方法,其特征在于,所述方法还包括:

6.如权利要求1所述的方法,其特征在于,输出该岩屑样品的岩性识别结果之后,所述方法还包括:

7.如权利要求1所述的方法,其特征在于,所述方法还包括:

8.一种岩屑录井的岩性识别装置,其特征在于,所述装置包括:

9.一种电子设备,其特征在于,所述电子设备包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;

10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-7任一所述的方法。