【CN110031493A】基于图像与光谱技术的岩性智能识别系统与方法【专利】

合集下载

岩性识别的图像处理方法研究

岩性识别的图像处理方法研究岩性是指地质中的岩石类型，是地球历史的见证者，也是人类生产和生活的基础物质。

岩性的识别是地质学领域的一个重要研究方向，也是地质学家进行矿产勘探、工程建设等实际工作的基础。

识别岩性通常需要依靠野外考察和室内测试，在这个过程中，需要对样品的颜色、质地、结构等多个方面进行细致的观察和测量。

这一过程需要较高的人力和物力成本，也存在着识别的主观性和局限性。

随着计算机视觉技术的发展，数据的自动提取和处理能力也不断提高，图像处理成为了一种重要的岩性识别方法。

图像处理是指对数字图像进行分析、处理和理解的技术和方法。

在岩性识别中，图像处理可以分为以下几个步骤：图像获取、图像特征提取、分类器的建立和优化。

其中图像获取是整个过程的基础，不同的图像获取方式会影响图像处理的结果和精度。

通常来说，岩石样品的图像获取可以采用数字相机、扫描仪等设备获取，影像的质量和细节能够对后续图像识别精度造成较大的影响。

在图像特征提取方面，我们通常会从图像的颜色、纹理等方面进行分析。

颜色特征是指样品图像中不同颜色区域的占比、分布等特征。

而纹理特征则是指样品表面的细节特征，比如晶体形态、肌理等。

图像特征的提取需要采用相应的数学方法和算法，比如灰度共生矩阵、哈尔小波变换等。

分类器建立是实现岩性识别的重要步骤。

分类器是一种能够根据给出的特征将样本归类的算法模型。

常用的分类器有KNN、SVM、决策树等。

分类器的优化需要结合实际情况进行，常用的优化方法有参数调整、正则化等。

岩性识别的图像处理方法还有许多进一步的发展空间，比如深度学习、卷积神经网络等。

这些算法通常需要更多的样本数据和运算资源，但在一定程度上也能够提高岩性识别的准确率和速度。

图像处理在岩性识别中的应用不仅能够较大程度避免识别主观性等缺点，更能够在短时间内高效完成对样品的识别，进一步应用于实际生产和勘探工作中。

总的来说，岩性识别的图像处理方法是一种较为先进和适用的识别方法，具有可靠性高、速度快、准确性高等特点。

基于深度学习的岩石图像智能识别方法、装置及存储介质[发明专利]

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202011493645.5(22)申请日 2020.12.16(71)申请人中国石油大学（北京）地址 102249 北京市昌平区府学路18号申请人中国石油集团测井有限公司(72)发明人周军　廖广志　李国军　肖立志　余长江　刘育博　张娟　张家伟　陈小磊　汪庆雅　(74)专利代理机构北京同立钧成知识产权代理有限公司 11205代理人朱颖　黄健(51)Int.Cl.G06K 9/34(2006.01)G06K 9/62(2006.01)G06T 3/40(2006.01)G06T 5/00(2006.01)G06T 7/90(2017.01)(54)发明名称基于深度学习的岩石图像智能识别方法、装置及存储介质(57)摘要本公开提供了一种基于深度学习的岩石图像智能识别方法、装置及存储介质，方法包括：获取终端设备发送的待识别岩石图像，将该待识别岩石图像输入至预设的图像识别模型，获得待识别岩石图像对应的识别结果预测图像，并根据该识别结果预测图，对待识别岩石图像中的待识别岩石的成分进行识别。

即采用模型识别的方式对岩石图像的成分进行识别，进而实现对砂岩储层的孔隙度、渗透率的分析。

识别结果更加客观、准确，有效解决了现有技术中人工对砂岩储层的孔隙度、渗透率分析识别不够准确的技术问题。

此外，采用模型识别的方式对岩石图像的成分进行识别，效率更高，有效提升了岩石图像的识别速度。

权利要求书2页说明书13页附图4页CN 112686259 A 2021.04.20C N 112686259A1.一种基于深度学习的岩石图像智能识别方法，其特征在于，包括：获取终端设备发送的待识别岩石图像；将所述待识别岩石图像输入至预设的图像识别模型，获得所述待识别岩石图像对应的识别结果预测图像；根据所述识别结果预测图，对所述待识别岩石图像中的待识别岩石的成分进行识别。

基于图像与XRF矿物反演的岩性识别方法及系统[发明专利]

专利名称：基于图像与XRF矿物反演的岩性识别方法及系统专利类型：发明专利
发明人：许振浩,许广璐,林鹏,石恒,余腾飞,王朝阳,华一磊
申请号：CN202010519115.7
申请日：20200609
公开号：CN111751394A
公开日：
20201009
专利内容由知识产权出版社提供
摘要：本发明属于隧道围岩岩性智能识别领域，提供了基于图像与XRF矿物反演的岩性识别方法及系统，它解决了传统的隧道围岩岩性识别依靠人工，耗费时间长且主观性大，容易造成误判的问题，具有岩性识别的自动化，耗费时间短，工作效率高的效果。

其中，识别方法包括接收待测区域围岩的元素信息；将接收的待测区域围岩的元素信息反演成为矿物信息；获取围岩图像且使这些围岩图像可形成一个闭合的环；将同一被测区域的围岩图像转化为一维向量格式的图像信息，再与本身为一维格式的矿物信息拼接，基于预设神经网络对拼接后的信息进行判别以识别岩石岩性。

申请人：山东大学
地址：250061 山东省济南市历下区经十路17923号
国籍：CN
代理机构：济南圣达知识产权代理有限公司
代理人：张庆骞
更多信息请下载全文后查看。

采用人工智能算法识别数字岩心图像的方法及装置[发明专利]

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201810933401.0(22)申请日 2018.08.16(71)申请人清能艾科（深圳）能源技术有限公司地址 518000 广东省深圳市南山区高新园南区深圳清华大学研究院C219申请人深圳清华大学研究院(72)发明人龙威　昝成　程浩然　雷鸣　孟惠婷　(74)专利代理机构深圳市隆天联鼎知识产权代理有限公司 44232代理人刘抗美(51)Int.Cl.G06K 9/00(2006.01)(54)发明名称采用人工智能算法识别数字岩心图像的方法及装置(57)摘要本申请揭示了一种采用人工智能算法识别数字岩心图像的方法、装置、电子设备和计算机可读存储介质。

所述方法包括：获取岩心扫描图像，所述岩心扫描图像与岩心对应；通过所述岩心扫描图像得到所述岩心所映射三维空间中每个像素点的灰度值，取若干所述像素点作为样本，对所述样本进行物质识别所得样本数据用于训练神经网络算法；识别所述三维空间中所述灰度值的变化，根据所述灰度值的变化提取特征量；根据所述特征量，通过神经网络算法识别所述岩心所含物质，得到所述三维空间中的物质分布。

通过神经网络检测上述根据灰度值的变化所提取的特征量，对三维空间中的像素点进行自动识别，能够大大提高识别的精度。

权利要求书2页说明书8页附图5页CN 109241867 A 2019.01.18C N 109241867A1.一种采用人工智能算法识别数字岩心图像的方法，其特征在于，所述方法包括：获取岩心扫描图像，所述岩心扫描图像与岩心对应；通过所述岩心扫描图像得到所述岩心所映射三维空间中每个像素点的灰度值，取若干所述像素点作为样本，对所述样本进行物质识别所得样本数据用于训练神经网络算法；识别所述三维空间中所述灰度值的变化，根据所述灰度值的变化提取特征量；根据所述特征量，通过神经网络算法识别所述岩心所含物质，得到所述三维空间中的物质分布。

一种深度学习模式下的岩石岩性自动识别分类方法[发明专利]

专利名称：一种深度学习模式下的岩石岩性自动识别分类方法专利类型：发明专利
发明人：李明超,张野,韩帅
申请号：CN201710685681.3
申请日：20170811
公开号：CN107633255A
公开日：
20180126
专利内容由知识产权出版社提供
摘要：本发明公开了一种深度学习模式下的岩石岩性自动识别分类方法，用以分析地质工程中的岩石岩性，包括以下步骤：步骤A，根据所需岩石种类，采集不同类型的岩石图像，并将其分为训练集与测试集；步骤B，采用卷积神经网络Inception‑v3模型作为预训练模型，利用其特征提取模型获取图像特征；步骤C，建立Softmax回归模型；步骤D，训练岩石图像自动识别与分类模型；步骤E，测试岩石图像自动识别与分类模型。

本发明通过建立岩石图像自动识别与分类模型，可以自动化、智能化地分析工程中的地质状况，大大节省人力物力，减少成本支出。

申请人：天津大学
地址：300350 天津市津南区海河教育园雅观路135号天津大学北洋园校区
国籍：CN
代理机构：天津市北洋有限责任专利代理事务所
代理人：刘玥
更多信息请下载全文后查看。

基于岩石图像深度学习的岩性自动识别与分类方法

１００００５６９／２０１８／０３４（０２）０３３３４２ＡｃｔａＰｅｔｒｏｌｏｇｉｃａＳｉｎｉｃａ　岩石学报基于岩石图像深度学习的岩性自动识别与分类方法张野１，２　李明超１韩帅１ＺＨＡＮＧＹｅ１，２，ＬＩＭｉｎｇＣｈａｏ１ａｎｄＨＡＮＳｈｕａｉ１１天津大学水利工程仿真与安全国家重点实验室，天津　３００３５０２国土资源部地质信息技术重点实验室，北京　１０００３７１ＳｔａｔｅＫｅｙＬａｂｏｒａｔｏｒｙｏｆＨｙｄｒａｕｌｉｃＥｎｇｉｎｅｅｒｉｎｇＳｉｍｕｌａｔｉｏｎａｎｄＳａｆｅｔｙ，ＴｉａｎｊｉｎＵｎｉｖｅｒｓｉｔｙ，Ｔｉａｎｊｉｎ３００３５０，Ｃｈｉｎａ２ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＧｅｏｌｏｇｉｃａｌＩｎｆｏｒｍａｔｉｏｎＴｅｃｈｎｏｌｏｇｙ，ＭｉｎｉｓｔｒｙｏｆＬａｎｄａｎｄＲｅｓｏｕｒｃｅｓ，Ｂｅｉｊｉｎｇ１０００３７，Ｃｈｉｎａ２０１７０６０１收稿，２０１７０９２０改回ＺｈａｎｇＹ，ＬｉＭＣａｎｄＨａｎＳ２０１８ＡｕｔｏｍａｔｉｃｉｄｅｎｔｉｆｉｃａｔｉｏｎａｎｄｃｌａｓｓｉｆｉｃａｔｉｏｎｉｎｌｉｔｈｏｌｏｇｙｂａｓｅｄｏｎｄｅｅｐｌｅａｒｎｉｎｇｉｎｒｏｃｋｉｍａｇｅｓＡｃｔａＰｅｔｒｏｌｏｇｉｃａＳｉｎｉｃａ，３４（２）：３３３－３４２ＡｂｓｔｒａｃｔＩｔｉｓｉｍｐｏｒｔａｎｔｆｏｒｇｅｏｌｏｇｙａｎａｌｙｓｉｓｔｏｍａｋｅｉｄｅｎｔｉｆｉｃａｔｉｏｎａｎｄｃｌａｓｓｉｆｉｃａｔｉｏｎｉｎｌｉｔｈｏｌｏｇｙＩｔｉｓａｎｅｗｗａｙｔｏｅｓｔａｂｌｉｓｈｔｈｅｉｄｅｎｔｉｆｉｃａｔｉｏｎｍｏｄｅｌｉｎｍａｃｈｉｎｅｌｅａｒｎｉｎｇＩｎｔｈｉｓｒｅｓｅａｒｃｈ，ａｔｒａｎｓｆｅｒｌｅａｒｎｉｎｇｍｏｄｅｌｏｆｒｏｃｋｉｍａｇｅｓｗａｓｂｕｉｌｔｂａｓｅｄｏｎｔｈｅＩｎｃｅｐｔｉｏｎｖ３ｍｏｄｅｌＩｔｗａｓａｄａｐｔｅｄｔｏｐｒｏｃｅｓｓ１７３ｇｒａｎｉｔｅｉｍａｇｅｓ，１５２ｐｈｙｌｌｉｔｅｉｍａｇｅｓａｎｄ２４６ｂｒｅｃｃｉａｉｍａｇｅｓｔｏｔｒａｉｎｔｈｅｔｒａｎｓｆｅｒｌｅａｒｎｉｎｇｍｏｄｅｌＩｍａｇｅｓｉｎｔｒａｉｎｅｄｄａｔａｓｅｔａｎｄｉｎｔｅｓｔｄａｔａｓｅｔｗｅｒｅｕｓｅｄｔｏｔｅｓｔｔｈｅｍｏｄｅｌ，ｒｅｓｐｅｃｔｉｖｅｌｙ３ｉｍａｇｅｓｉｎｅａｃｈｇｒｏｕｐｆｒｏｍｔｈｅｔｒａｉｎｅｄｄａｔａｓｅｔｗｅｒｅｓｅｌｅｃｔｅｄｔｏｔｅｓｔｔｈｅｍｏｄｅｌＴｈｅｒｅｗｅｒｅｎｏｉｄｅｎｔｉｆｉｃａｔｉｏｎａｎｄｃｌａｓｓｉｆｉｃａｔｉｏｎｅｒｒｏｒｓａｎｄｔｈｅａｌｌｏｆｔｈｅｐｒｏｂａｂｉｌｉｔｉｅｓｗｅｒｅｍｏｒｅｔｈａｎ９０％９ｉｍａｇｅｓｉｎｅａｃｈｇｒｏｕｐｆｒｏｍｔｈｅｔｅｓｔｄａｔａｓｅｔｗｅｒｅａｌｓｏｓｅｌｅｃｔｅｄｔｏｔｅｓｔｔｈｅｍｏｄｅｌＴｈｅｒｅｗｅｒｅｎｏｉｄｅｎｔｉｆｉｃａｔｉｏｎａｎｄｃｌａｓｓｉｆｉｃａｔｉｏｎｅｒｒｏｒｓＴｈｅｐｒｏｂａｂｉｌｉｔｉｅｓｏｆｐｈｙｌｌｉｔｅｇｒｏｕｐｗｅｒｅｍｏｒｅｔｈａｎ９０％Ｗｈｉｌｅ，ｔｈｅｐｒｏｂａｂｉｌｉｔｉｅｓｏｆ２ｉｍａｇｅｓｉｎｇｒａｎｉｔｅａｎｄ１ｉｍａｇｅｉｎｂｒｅｃｃｉａｇｒｏｕｐｗｅｒｅｌｅｓｓｔｈａｎ７０％ＩｔｗａｓｔｈｏｕｇｈｔｔｈａｔｔｈｅｒｅｗｅｒｅｆｅｗｅｒｉｍａｇｅｓｗｉｔｈｓｉｍｉｌａｒｐａｔｔｅｒｎｌｅａｄｉｎｇｔｏｔｈｅｂａｄｒｅｓｕｌｔｓＴｏｖｅｒｉｆｙｔｈｅｈｙｐｏｔｈｅｓｉｓ，ｃｕｔｔｈｅｉｍａｇｅｓｗｉｔｈｌｏｗｐｒｏｂａｂｉｌｉｔｉｅｓａｎｄａｄｄｅｄ３ｉｍａｇｅｓｔｏｔｈｅｔｒａｉｎｅｄｄａｔａｓｅｔｉｎｅａｃｈｇｒｏｕｐｔｏｒｅｔｒａｉｎｔｈｅｍｏｄｅｌＴｈｅ３ｉｍａｇｅｓｗｉｔｈｌｏｗｐｒｏｂａｂｉｌｉｔｉｅｓｗｅｒｅｔｅｓｔｅｄｉｎｔｈｅｒｅｔｒａｉｎｅｄｍｏｄｅｌａｎｄｔｈｅｉｒｐｒｏｂａｂｉｌｉｔｉｅｓｗｅｒｅｍｏｒｅｔｈａｎ８５％ＩｔｓｈｏｗｅｄｔｈｅｍｏｄｅｌｈａｄｇｏｏｄｒｏｂｕｓｔｎｅｓｓａｎｄｇｅｎｅｒａｌｉｚａｔｉｏｎｉｆｔｈｅｒｅｗｅｒｅｅｎｏｕｇｈｉｍａｇｅｓＣｏｍｐａｒｅｄｗｉｔｈｔｈｅｔｒａｄｉｔｉｏｎａｌｍａｃｈｉｎｅｌｅａｒｎｉｎｇ，ｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄｈａｓｍｕｃｈｓｔｒｅｎｇｔｈＦｉｒｓｔ，ｔｈｅｒｅｉｓｎｏｎｅｅｄｔｏｄｏｍａｎｕａｌｔｕｎｉｎｇａｎｄｉｔｐｒｏｃｅｓｓｅｓｔｈｅｄａｔａｉｎｔｈｅｍｏｄｅｌａｕｔｏｍａｔｉｃａｌｌｙＳｅｃｏｎｄ，ｔｈｅｒｅｉｓｎｏｓｐｅｃｉｆｉｃｒｅｑｕｉｒｅｍｅｎｔｉｎｉｍａｇｅｐｉｘｅｌ，ｄｉｓｔａｎｃｅａｎｄｓｉｚｅＡｔｌａｓｔ，ｔｈｅｍｏｄｅｌｃａｎｈａｖｅａｒｏｂｕｓｔｉｄｅｎｔｉｆｉｃａｔｉｏｎａｎｄｃｌａｓｓｉｆｉｃａｔｉｏｎｒｅｓｕｌｔｉｆａｓｕｉｔａｂｌｅｔｒａｉｎｅｄｄａｔａｓｅｔｉｓａｄｏｐｔｅｄＫｅｙｗｏｒｄｓＲｏｃｋｉｍａｇｅｓ；Ｄｅｅｐｌｅａｒｎｉｎｇ；Ｌｉｔｈｏｌｏｇｙｉｄｅｎｔｉｆｉｃａｔｉｏｎ；Ａｕｔｏｍａｔｉｃｃｌａｓｓｉｆｉｃａｔｉｏｎ；Ｔｒａｎｓｆｅｒｌｅａｒｎｉｎｇ摘　要岩石岩性的识别与分类对于地质分析极为重要，采用机器学习的方法建立识别模型进行自动分类是一条新的途径。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201910271927.1
(22)申请日 2019.04.04
(71)申请人山东大学
地址 250061 山东省济南市历下区经十路
17923号
(72)发明人许振浩　石恒　谢辉辉　余腾飞　
王文扬　黄鑫　杜毓超　
(74)专利代理机构济南圣达知识产权代理有限
公司 37221
代理人李圣梅
(51)Int.Cl.
G01N 23/223(2006.01)
G01N 15/02(2006.01)
G01N 21/84(2006.01)
(54)发明名称
基于图像与光谱技术的岩性智能识别系统
与方法
(57)摘要
本公开提出了基于图像与光谱技术的岩性
智能识别系统与方法，
岩块形状分析系统、图像识别系统、试样加工系统、光谱分析系统以及中
央分析控制系统；所述中央分析控制系统根据图
像识别系统传来的岩块识别结果和光谱分析系
统传来的分析结果确定试样的最终岩性。

本公开
技术方案利用光谱技术识别矿物含量及种类，最
后将光谱分析结果和图像识别结果融合分析最
后给出岩块岩性，大大提高了岩石岩性识别精确
度。

权利要求书2页说明书7页附图2页CN 110031493 A 2019.07.19
C N 110031493
A
权　利　要　求　书1/2页CN 110031493 A
1.基于图像与光谱技术的岩性智能识别系统，其特征是，包括：岩块形状分析系统、图像识别系统、试样加工系统、光谱分析系统以及中央分析控制系统；
所述岩块形状分析系统，对待测试样的形状信息进行采集并根据试样的形状信息预选多个XRF检测面，并根据不同检测面磨削工作量确定待测试样磨削位置，将待测试样磨削位置及磨削面平整度传输至中央分析控制系统；
所述中央分析控制系统根据确定的待测试样磨削位置控制试样加工系统对试样进行磨削，直至满足X射线荧光分析对平整度的要求，将磨削好的岩块利用图像识别系统对岩石岩性初步判断；
所述试样加工系统在对试样磨削至试样满足要求后，再对试样磨削过程中所产生的碎屑进行研磨，并利用图像识别系统对岩石粉末判断是否满足X射线衍射分析对岩石颗粒大小的要求；
所述光谱分析系统对满足X射线衍射分析对岩石颗粒大小的要求的岩石粉末及试样分别进行X射线荧光分析并将各自的分析结果传输至中央分析控制系统；
所述中央分析控制系统根据图像识别系统传来的岩块识别结果和光谱分析系统传来的分析结果确定试样的最终岩性。

2.如权利要求1所述的基于图像与光谱技术的岩性智能识别系统，其特征是，所述岩块形状分析系统包括多个激光测距仪，所述激光测距仪位于待测试样的上方，多个激光测距仪指向竖直向下并在同一水平线上。

3.如权利要求2所述的基于图像与光谱技术的岩性智能识别系统，其特征是，所述岩块形状分析系统还包括第一数据处理单元，待测试样在激光测距仪下方匀速旋转的同时激光测距仪将测距仪至岩块间的距离信息传递给第一数据处理单元；
所述第一数据处理单元包括岩块形状生成模块及岩块XRF检测平面预选模块；
所述岩块形状生成模块用于根据不同激光测距仪至岩块间的距离信息生成岩块形状信息；
所述岩块XRF检测平面预选模块会根据岩块形状信息预设几个备选磨削位置，之后根据岩块形状信息计算这几个备选面的磨削工作量，根据磨削工作量优选出一个磨削位置。

4.如权利要求3所述的基于图像与光谱技术的岩性智能识别系统，其特征是，所述第一数据处理单元还对试样的磨削面进行平整度计算，判断平整度是否满足XRF对平面检测的要求；第一数据处理单元会将岩块磨削位置和磨削面是否满足平整度要求的信息发送给中央分析控制系统。

5.如权利要求1所述的基于图像与光谱技术的岩性智能识别系统，其特征是，所述试样加工系统包括相对待测试样对称布置的两个可伸缩旋转抓手、水平导轨、磨削件和研磨装置；
所述可伸缩旋转抓手在抓紧待测试样的同时能在竖直平面内旋转，所述可伸缩旋转抓手抓紧试样在水平移动驱动装置的作用下能推动旋转抓手沿轨道滑动，继而实现在磨削件上水平移动，快速磨削试块；
所述研磨装置对磨削后的碎屑进行研磨成粉末。

6.如权利要求5所述的基于图像与光谱技术的岩性智能识别系统，其特征是，所述研磨装置包括：支撑横梁，伸缩构件、卡槽及磨石；
2。