基于目标检测和迁移学习的电成像测井裂缝识别

摘要

随着我国油气勘探技术的发展,裂缝性储积层在油气的勘探开发中发挥着越来越重要的作用。现有的裂缝识别仍然局限于人工分割裂缝部分再进行分类,没法从整个油井地下的成像测井图像中检测出裂缝的存在。该文针对测井数据和图像资料,研究了裂缝经Hough变换后的正弦曲线特性,由此人工制造了大量图像代替成像数据进行标注,并应用目标检测相关知识,使用YOLOv3训练模型,通过fine-tuning基于ImageNet的预训练模型,对测试集进行目标检测,不仅加快了收敛的速度,其在抽样的测试集中还能够有效地识别出一些裂缝;同时,制造了带有不同程度噪音的测试集再进行检测,可知本文的模型允许曲线带有一定范围内的噪声。最后,该文提出了进一步的研究思路,指出可以应用领域生成网络的思想,且对于不同类型的裂缝,可以考虑看作多个种类的目标检测问题,进一步进行分类研究。