煤岩微观相态FCN智能识别与分形重构

摘要

数字岩芯可提供无差别化仿真计算模型,是研究岩石物理力学性质的理想模型,精准高效建模一直制约着数字岩芯重构技术的推广。传统方法处理CT切片扫描数据费时费力,主要受限于2个方面,一是扫描层数有限;二是孔裂隙识别依赖于传统阈值分割算法。以煤岩为例,引入人工智能识别实现4种微观相态:孔隙、裂隙、高密度矿物和基质的智能识别,并开展分形重构。基于微米CT扫描建立4种微观相态数据集并进行了数据增强,开发了专用标注软件可实现跨尺度孔裂隙的准确标注。算法上优化了全卷级神经网络智能识别架构,建立Crack-FCN网络结构,网络层次少且错误率低。同时引入矢量化算法实现了裂隙面积、长度和宽度的定量计算;进而引入中心线细化算法实现了复杂裂隙拓扑结构的有效提取。最后开发局部自相似分形重构算法,并基于优化策略解决了快速插值问题,解决了相邻CT层扫描信息缺失的问题。结果表明分形插值与直线插值和三阶样条插值相比局部粗糙特性明显,且保证了裂隙断面的粗糙性和连续性。工作引入全卷级神经网络智能识别技术用于构造数字岩芯,为高效精准建立数字岩芯提供了新的技术支撑。