System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及计算机视觉和图像处理双领域,尤其涉及一种基于弱光图像增强的钻井液岩屑计数方法。
技术介绍
1、钻井液岩屑计数作为石油工业中的关键技术,旨在监测和控制钻井液中岩屑的数量,以确保钻井过程的顺利进行、提高效率和保障操作的安全性,为实现这一目标,涉及到多个领域的技术和概念:
2、计算机视觉是钻井液岩屑计数的基础,通过采集图像数据,将计算机视觉技术用于对图像进行分析,从中提取岩屑的特征,提取包括预处理、图像增强和分割等步骤,以确保对岩屑的准确检测,图像处理技术通过弱光图像增强网络,改善图像的质量,使岩屑更为清晰可见,为后续的岩屑检测和计数提供了更有力的基础。
3、机器学习和深度学习技术也是关键的组成部分,通过构建大规模的带标签数据集,模型可以被训练以自动识别和计数图像中的岩屑。深度学习算法,尤其是卷积神经网络cnn,能够学习复杂的图像特征,提高岩屑检测的准确性。
4、钻井液岩屑计数是石油工业中一个重要而复杂的研究领域,涉及到多个方面的工程和科学问题,背景和意义在于深入理解和掌握钻井液中岩屑的特性,以优化钻井工艺,提高生产效率,保障环境可持续性,直接关系到钻井液的基本性能,具有重要的工程和科学价值,岩屑计数对岩屑在钻井液中的悬浮和输送能力有着直接的影响,通过准确解岩屑计数可以调整钻井液的流动性;确保岩屑得以悬浮并顺利输送到地面;防止井眼塌陷等问题的发生;提高钻井作业的成功率。
5、岩屑计数的研究还对井壁的稳定性和井眼质量至关重要,通过控制岩屑计数,可以预防井壁的塌陷和井眼的不稳定
6、岩屑计数的研究对于实现自动化和智能化的钻井过程具有重要意义,通过实时监测和调整岩屑计数实现对钻井过程的自动化和智能化控制,提高钻井的稳定性和效率。
技术实现思路
1、本专利技术的目的在于为解决在弱光条件下的岩屑颗粒计数难题,设计一种基于弱光图像增强的钻井液岩屑计数方法,不仅能提高岩屑检测的准确性和效率,更为石油工业中的钻井过程带来了更为先进和智能的监测手段。
2、一种基于弱光图像增强的钻井液岩屑计数方法,包括以下步骤:
3、s1: 通过弱光图像增强网络对弱光条件下的钻井液岩屑图像进行处理,将弱光钻井液岩屑图像转换为增强后的钻井液岩屑图像;
4、s2: 利用transformer编码器与卷积神经网络计算增强后的钻井液岩屑图像中的岩屑数量。
5、进一步的,一种基于弱光图像增强的钻井液岩屑计数方法,所述步骤s1包括以下子步骤:
6、s11:将弱光钻井液岩屑图像输入到步长为1,卷积核为的卷积层中,输入和输出的空间尺寸相对保持不变,每个卷积核的感受野都覆盖相邻的像素,保留输入数据的细节,得到与输入图像尺寸一致的特征图,卷积步骤的公式为:
7、;
8、其中,代表输入的弱光钻井液岩屑图像,代表卷积核;
9、其中,代表输出特征图中的位置坐标,i代表行索引,j代表列索引;
10、其中,代表双重求和符号,代表卷积核在输入图像的水平和垂直方向的偏移,代表图像在位置处的像素值;
11、其中,代表卷积核在位置处的权重值,代表在位置处的特征图值;
12、s12:通过relu非线性激活函数对特征图进行非线性映射,增强特征的表达能力,relu非线性激活函数的运算公式为:
13、;
14、其中,代表输入,代表输出特征图,代表如果大于0,输出为,否则输出为0;
15、s13:通过步长为2,卷积核为的池化层将输出特征图的尺寸减小为原来尺寸的一半,保留特征图的主要特征,为特征图的特征表示;
16、s14:重复4次s11-s13步骤,在重复步骤中每一次s13得到的输出都作为下一次s11的输入,最后再得到特征图的4个特征表示;
17、s15:将5个特征表示分别进行归一化,映射到均值为0,方差为1的正态分布,归一化的公式为:
18、;
19、其中,代表最终的输出,代表输入,代表输入的均值,代表输入的方差;
20、其中,代表常数,用于防止除零错误,代表尺度参数,代表偏移参数;
21、s16:将归一化的5个特征表示连接到颜色通道维度中,使用步长为1,卷积核为的卷积层合并所有的输出,连接特征公式为:
22、;
23、其中代表输出特征,代表之前得到的5个特征图,代表使用卷积核进行卷积,公式默认步长为1;
24、s17:将结果输入到全连接层中展平成一维向量,线性变换映射到维度为1024的特征空间,将1024维特征映射到一个维度为1的输出,得到增强后的钻井液岩屑图像。
25、进一步的,一种基于弱光图像增强的钻井液岩屑计数方法,所述步骤s2包括以下子步骤:
26、s21:利用卷积核为,步长为3的卷积层将输入的增强后的钻井液岩屑图像切割成规律的块状图像,通过线性映射将每个分块图像转换为高维特征表示;
27、s22:使用transformer编码器捕捉输入的高维特征表示的全局关系,获取最终的输出特征;
28、s23:利用卷积神经网络对s21输出的高维特征表示进行局部特征的非线性映射;
29、s24:将s22输出的特征与s23输出的特征通过加权平均融合进行融合,输出最终的融合特征,融合公式为:
30、;
31、其中,代表最终融合的特征,代表transformer编码器提取的特征,代表卷积神经网络提取的特征,代表融合的权重,设置=0.5;
32、s25:通过全连接层和relu非线性激活函数处理融合特征,获取钻井液岩屑数量值。
33、进一步的,一种基于弱光图像增强的钻井液岩屑计数方法,所述步骤s22包括以下子步骤:
34、s221:对transformer编码器的输入特征进行层归一化,归纳统一每个样本的特征的统计分布性,层归一化公式为:
35、;
36、其中,代表归一化的输入特征维度,代表输入特征维度的元素,代表输出的均值;代表输出的标准差;
37、其中,和分别代表尺度参数和偏置参数,用于调整归一化后的结果;
38、s222:通过多头注意力机制将高维的特征表示映射为q、k、v参量,计算参量关系确定在特定位置关注不同部分的输入数据,捕捉全局和局部的关联信息,通过输入的特征进行线性映射得到q、k、v,得到q、k和v的公式为:
39、;
40、其中,、、分别代表相应的输入特征的权重矩阵,代表输入特征;
41、s223:通过多层感知机中的两个全连本文档来自技高网...
【技术保护点】
1.一种基于弱光图像增强的钻井液岩屑计数方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于弱光图像增强的钻井液岩屑计数方法,其特征在于,所述步骤S1包括以下子步骤:
3.根据权利要求1所述的一种基于弱光图像增强的钻井液岩屑计数方法,其特征在于,所述步骤S2包括以下子步骤:
4.根据权利要求3所述的一种基于弱光图像增强的钻井液岩屑计数方法,其特征在于,所述步骤S22包括以下子步骤:
5.根据权利要求3所述的一种基于弱光图像增强的钻井液岩屑计数方法,其特征在于,所述步骤S23包括以下子步骤:
6.根据权利要求5所述的一种基于弱光图像增强的钻井液岩屑计数方法,其特征在于,所述平均池化将输入的特征图分为多个区域,每个区域的特征值取平均值输出。
7.根据权利要求3所述的一种基于弱光图像增强的钻井液岩屑计数方法,其特征在于,所述步骤S25包括以下子步骤:
【技术特征摘要】
1.一种基于弱光图像增强的钻井液岩屑计数方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于弱光图像增强的钻井液岩屑计数方法,其特征在于,所述步骤s1包括以下子步骤:
3.根据权利要求1所述的一种基于弱光图像增强的钻井液岩屑计数方法,其特征在于,所述步骤s2包括以下子步骤:
4.根据权利要求3所述的一种基于弱光图像增强的钻井液岩屑计数方法,其特征在于,所述步骤s22包...
【专利技术属性】
技术研发人员:蒋俊,曾俊霞,李皋,肖东,夏文鹤,李红涛,刘厚彬,方潘,杨旭,
申请(专利权)人:西南石油大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。