一种基于机器视觉的岩芯智能识别方法、系统及存储介质技术方案

本发明专利技术公开了一种基于机器视觉的岩芯智能识别方法、系统及存储介质，基于目标岩芯高清图像数据进行基于三维的岩芯模型搭建，基于三维CT扫描数据进行岩芯内部结构提取，得到岩芯内部结构数据；基于岩芯纹理色彩特征数据与岩芯内部结构数据对初始岩芯模型进行内部结构填充形成整体三维岩芯模型；获取连续性异常区域中前后区域内的岩芯结构数据，基于所述岩芯结构数据对连续性异常区域进行连续性结构预测并生成区域结构修正数据；通过本发明专利技术能够实现基于结构、色彩、纹理等多维度的高精度三维模型建立。另外，通过本发明专利技术能够实现异常区域的判断分析与修正，提高模型精确度。提高模型精确度。提高模型精确度。

【技术实现步骤摘要】
一种基于机器视觉的岩芯智能识别方法、系统及存储介质


[0001]本专利技术涉及机器视觉领域，更具体的，涉及一种基于机器视觉的岩芯智能识别方法、系统及存储介质

技术介绍

[0002]岩芯是地下岩石(层)的一部分，所以岩芯分析是获取地下岩石信息十分重要的手段。通过岩芯分析可以获得岩芯中矿物性质及多孔介质的特性，岩芯分析在油气层地质研究中具有核心作用。岩芯分析也能够确定某一块实验岩样在整个油气层中的代表性，进而可通过为数不多的实验结果，建立油气层敏感性的整体轮廓，指导保护油气层工作液的研制和优选。
[0003]但目前，对于岩芯的精确识别分析缺少有效的技术手段，传统的图像识别的识别精度较低，只能进行表面粗略识别分析，三维建模精细度低，效果较差，不利于岩层进一步有效分析。因此，现在亟需一种基于机器视觉的岩芯智能识别方法。

技术实现思路

[0004]本专利技术克服了现有技术的缺陷，提出了一种基于机器视觉的岩芯智能识别方法、系统及存储介质。
[0005]本专利技术第一方面提供了一种基于机器视觉的岩芯智能识别方法，包括：获取目标岩芯多个预设角度的高清图像数据；基于所述高清图像数据进行基于三维的岩芯模型搭建，得到初始岩芯模型；获取目标岩芯三维CT扫描数据，基于所述三维CT扫描数据进行岩芯内部结构提取，得到岩芯内部结构数据；获取目标岩芯第一横截面图像与CT横截面图像，基于所述第一横截面图像与CT横截面图像进行岩芯颗粒识别与色彩特征提取，得到岩芯纹理色彩特征数据；基于岩芯纹理色彩特征数据与岩芯内部结构数据对初始岩芯模型进行内部结构填充形成整体三维岩芯模型；根据岩芯内部结构数据进行基于曲率计算的内部结构连续性分析判断，在整体三维岩芯模型中，将结构连续性存在异常的区域标记为连续性异常区域；获取连续性异常区域中前后区域内的岩芯结构数据，基于所述岩芯结构数据对连续性异常区域进行连续性结构预测并生成区域结构修正数据；基于所述区域结构修正数据对连续性异常区域进行结构修正，并得到修正后的整体三维岩芯模型。
[0006]本方案中，所述基于所述高清图像数据进行基于三维的岩芯模型搭建，得到初始岩芯模型，具体为：获取目标岩芯多个预设角度的高清图像数据，选取一个角度的高清图像数据作为当前图像数据；
基于所述当前图像数据进行岩芯区域识别得到岩芯表层图像；基于所述岩芯表层图像进行色彩与纹理特征提取，得到表层图像特征数据；根据预设图像比例值与岩芯表层图像，计算出岩芯实际轮廓大小与表层面积值；分析目标岩芯其余角度的高清图像数据，得到每个角度对应的表层图像特征数据、岩芯实际轮廓大小、表层面积值；基于所述每个角度对应的表层图像特征数据、岩芯实际轮廓大小、表层面积值进行基于三维的表层模型搭建，得到初始岩芯模型。
[0007]本方案中，所述获取目标岩芯三维CT扫描数据，基于所述三维CT扫描数据进行岩芯内部结构提取，得到岩芯内部结构数据，具体为：获取目标岩芯三维CT扫描数据；基于目标岩芯的取样段数划分为多个岩芯区域，判断每个岩芯区域中的岩芯长度是否大于预设长度，若大于，则将对应的一个岩芯区域进行再次划分，形成两个岩芯区域；根据所述三维CT扫描数据进行基于孔隙、裂缝、矿石颗粒的空间结构分析与结构数据提取，得到孔隙结构数据、裂缝结构数据、矿石颗粒结构数据；将所述孔隙结构数据、裂缝结构数据、矿石颗粒结构数据进行数据整合形成岩芯内部结构数据。
[0008]本方案中，所述获取目标岩芯第一横截面图像与CT横截面图像，基于所述第一横截面图像与CT横截面图像进行岩芯颗粒识别与色彩特征提取，得到岩芯纹理色彩特征数据，具体为：获取目标岩芯中一个选定岩芯区域的第一横截面图像；对第一横截面图像进行矿石颗粒区域识别与分布情况分析，得到矿石颗粒分布信息；基于所述矿石颗粒分布信息对第一横截面图像进行图像区域分割，形成K个图像子区域，并保证每个图像子区域中的矿石颗粒密度在预设范围内；对K个图像子区域进行矿石颗粒特征提取，得到对应K个矿石颗粒特征数据；基于预设聚类算法，设定N个聚类中心；根据所述N个聚类中心，基于标准欧氏距离，计算K个图像子区域中矿石颗粒特征数据到N个聚类中心的距离，以距离结果值作为优先聚类条件，将K个图像子区域中矿石颗粒特征数据进行聚类分组并形成N个特征组；一个特征组包括至少一个矿石颗粒特征数据与一个图像子区域；将一个特征组中的所有图像子区域进行区域融合，得到对应融合区域，分析其余特征组并形成N个融合区域。
[0009]本方案中，所述基于岩芯纹理色彩特征数据与岩芯内部结构数据对初始岩芯模型进行内部结构填充形成整体三维岩芯模型，包括：根据选定岩芯区域，从三维CT扫描数据进行相应横截面截取，得到CT横截面图像；基于N个融合区域，从CT横截面图像中进行区域性矿石纹理特征提取，得到N组矿石纹理特征数据；基于N个融合区域，从第一横截面图像进行矿石色彩特征提取，得到N组矿石色彩特征数据；
将一个融合区域中对应的一组矿石纹理特征数据与一组矿石色彩特征数据进行数据整合得到一组纹理色彩特征数据；将所述一组纹理色彩特征数据与岩芯矿石对比数据库中的对比特征数据进行相似度分析与矿石类别识别，并得到矿石类别；对所有融合区域的纹理色彩特征数据进行识别分析，并得到第一横截面图像中的岩芯矿石类别数据，将所有融合区域的纹理色彩特征数据进行数据整合得到岩芯纹理色彩特征数据。
[0010]本方案中，所述基于岩芯纹理色彩特征数据与岩芯内部结构数据对初始岩芯模型进行内部结构填充形成整体三维岩芯模型，还包括：基于岩芯内部结构数据对初始岩芯模型进行结构模型填充；基于所有岩芯区域的岩芯纹理色彩特征数据与岩芯矿石类别数据，对初始岩芯模型中矿石颗粒进行色彩重绘与纹理修正，并形成整体三维岩芯模型。
[0011]本方案中，所述根据岩芯内部结构数据进行基于曲率计算的内部结构连续性分析判断，在整体三维岩芯模型中，将结构连续性存在异常的区域标记为连续性异常区域，具体为：基于岩芯内部结构数据，分析每个岩芯区域的内部结构，基于孔隙结构、裂缝结构、矿石颗粒结构进行二维曲面提取，得到孔隙曲面模型、裂缝曲面模型、矿石曲面模型；基于所述孔隙曲面模型、裂缝曲面模型、矿石曲面模型进行曲率计算与曲率变化连续性分析，得到孔隙曲率变化指数、裂缝曲率变化指数、矿石曲率变化指数；若孔隙曲率变化指数、裂缝曲率变化指数、矿石曲率变化指数均大于预设指数，将对应的岩芯区域标记为连续性异常区域。
[0012]本方案中，所述获取连续性异常区域中前后区域内的岩芯结构数据，基于所述岩芯结构数据对连续性异常区域进行连续性结构预测并生成区域结构修正数据，具体为:基于目标岩芯，获取连续性异常区域中的前后邻近岩芯区域，得到前岩芯区域与后岩芯区域；对前岩芯区域与后岩芯区域的岩芯结构数据，基于孔隙结构、裂缝结构、矿石颗粒三个维度进行中间区域的结构特征预测计算，得到结构预测数据；将所述结构预测数据作为连续性异常区域的区域结构修正数据。
[0013]本专利技术第二方面还提供了一种基于机器视觉的岩芯智能识别系统，该系统包括：存储器、处理器，所述存储器中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器视觉的岩芯智能识别方法，其特征在于，包括：获取目标岩芯多个预设角度的高清图像数据；基于所述高清图像数据进行基于三维的岩芯模型搭建，得到初始岩芯模型；获取目标岩芯三维CT扫描数据，基于所述三维CT扫描数据进行岩芯内部结构提取，得到岩芯内部结构数据；获取目标岩芯第一横截面图像与CT横截面图像，基于所述第一横截面图像与CT横截面图像进行岩芯颗粒识别与色彩特征提取，得到岩芯纹理色彩特征数据；基于岩芯纹理色彩特征数据与岩芯内部结构数据对初始岩芯模型进行内部结构填充形成整体三维岩芯模型；根据岩芯内部结构数据进行基于曲率计算的内部结构连续性分析判断，在整体三维岩芯模型中，将结构连续性存在异常的区域标记为连续性异常区域；获取连续性异常区域中前后区域内的岩芯结构数据，基于所述岩芯结构数据对连续性异常区域进行连续性结构预测并生成区域结构修正数据；基于所述区域结构修正数据对连续性异常区域进行结构修正，并得到修正后的整体三维岩芯模型。2.根据权利要求1所述的一种基于机器视觉的岩芯智能识别方法，其特征在于，所述基于所述高清图像数据进行基于三维的岩芯模型搭建，得到初始岩芯模型，具体为：获取目标岩芯多个预设角度的高清图像数据，选取一个角度的高清图像数据作为当前图像数据；基于所述当前图像数据进行岩芯区域识别得到岩芯表层图像；基于所述岩芯表层图像进行色彩与纹理特征提取，得到表层图像特征数据；根据预设图像比例值与岩芯表层图像，计算出岩芯实际轮廓大小与表层面积值；分析目标岩芯其余角度的高清图像数据，得到每个角度对应的表层图像特征数据、岩芯实际轮廓大小、表层面积值；基于所述每个角度对应的表层图像特征数据、岩芯实际轮廓大小、表层面积值进行基于三维的表层模型搭建，得到初始岩芯模型。3.根据权利要求1所述的一种基于机器视觉的岩芯智能识别方法，其特征在于，所述获取目标岩芯三维CT扫描数据，基于所述三维CT扫描数据进行岩芯内部结构提取，得到岩芯内部结构数据，具体为：获取目标岩芯三维CT扫描数据；基于目标岩芯的取样段数划分为多个岩芯区域，判断每个岩芯区域中的岩芯长度是否大于预设长度，若大于，则将对应的一个岩芯区域进行再次划分，形成两个岩芯区域；根据所述三维CT扫描数据进行基于孔隙、裂缝、矿石颗粒的空间结构分析与结构数据提取，得到孔隙结构数据、裂缝结构数据、矿石颗粒结构数据；将所述孔隙结构数据、裂缝结构数据、矿石颗粒结构数据进行数据整合形成岩芯内部结构数据。4.根据权利要求1所述的一种基于机器视觉的岩芯智能识别方法，其特征在于，所述获取目标岩芯第一横截面图像与CT横截面图像，基于所述第一横截面图像与CT横截面图像进行岩芯颗粒识别与色彩特征提取，得到岩芯纹理色彩特征数据，具体为：
获取目标岩芯中一个选定岩芯区域的第一横截面图像；对第一横截面图像进行矿石颗粒区域识别与分布情况分析，得到矿石颗粒分布信息；基于所述矿石颗粒分布信息对第一横截面图像进行图像区域分割，形成K个图像子区域，并保证每个图像子区域中的矿石颗粒密度在预设范围内；对K个图像子区域进行矿石颗粒特征提取，得到对应K个矿石颗粒特征数据；基于预设聚类算法，设定N个聚类中心；根据所述N个聚类中心，基于标准欧氏距离，计算K个图像子区域中矿石颗粒特征数据到N个聚类中心的距离，以距离结果值作为优先聚类条件，将K个图像子区域中矿石颗粒特征数据进行聚类分组并形成N个特征组；一个特征组包括至少一个矿石颗粒特征数据与一个图像子区域；将一个特征组中的所有图像子区域进行区域融合，得到对应融合区域，分析其余特征组并形成N个融合区域。5.根据权利要求4所述的一种基于机器视觉的岩芯智能识别方法，其特征在于，所述基于岩芯纹理色彩特征数据与岩芯内部结构数据对初始岩芯模型进行内部结构填充形成整体三维岩芯模型，包括：根据选定岩芯区域，从三维CT扫描数据进行相应横截面截取，得到C...

【专利技术属性】
技术研发人员：刘亚茹，钟迪，李书鹏，郭丽莉，杜娇皓，张家铭，李嘉晨，
申请(专利权)人：北京建工环境修复股份有限公司，
类型：发明
国别省市：