电阻率测井成像图井壁裂缝智能识别与分割方法

摘要

目前测井图像裂缝识别、处理过程工作量巨大,人工识别主观性强、稳定性差,为此,提出将计算机视觉技术和深度学习框架引入测井成像图分析解读领域,构建新型裂缝形态智能识别网络模型,实现了电阻率测井成像图中井壁裂缝区域的智能识别与分割标注。首先,通过多尺度空洞卷积结合注意力机制提取电阻率测井井壁成像图中浅层和深层特征,并将深、浅层特征进行多尺度融合,形成更具表征能力的新特征。然后,根据该特征进行像素点二分类,完成每个像素点的前景、背景类型识别,若干个前景分类的像素点对应裂缝区域的轮廓。多尺度特征融合模型从微观角度充分保留了裂缝区域图像轮廓细节,裂缝区域关联像素点识别分类准确率接近80%。最后,进一步借鉴人眼视觉相似度评价体系,从宏观角度设计裂缝轮廓智能识别性能评价算法。评价结果表明,当视觉相似度感受评级为Ⅱ级时,训练集和测试集图像中与人工识别结果基本一致的裂缝区域分别达到81.3%和80.0%,说明所提方法可替代人工解释完成裂缝的识别和标注工作,能大幅减少图像分析工作量,细致勾勒出裂缝区域轮廓线。同时,有利于及时、迅速地判断井筒、井壁稳定性,为后续裂缝区域的智能定量评价、计算提供技术支撑。