[发明专利]基于深度学习的岩石图像智能识别方法、装置及存储介质

说明书

本公开提供了一种基于深度学习的岩石图像智能识别方法、装置及存储介质，方法包括：获取终端设备发送的待识别岩石图像，将该待识别岩石图像输入至预设的图像识别模型，获得待识别岩石图像对应的识别结果预测图像，并根据该识别结果预测图，对待识别岩石图像中的待识别岩石的成分进行识别。即采用模型识别的方式对岩石图像的成分进行识别，进而实现对砂岩储层的孔隙度、渗透率的分析。识别结果更加客观、准确，有效解决了现有技术中人工对砂岩储层的孔隙度、渗透率分析识别不够准确的技术问题。此外，采用模型识别的方式对岩石图像的成分进行识别，效率更高，有效提升了岩石图像的识别速度。

技术领域

本公开实施例涉及图像识别技术领域，尤其涉及一种基于深度学习的岩石图像智能识别方法、装置及存储介质。

背景技术

国内石油主要形成在具有烃源岩的生储盖组合中，储层一般是孔隙度、渗透率条件较为优越的砂岩，因此在生产过程中对砂岩储层的孔隙度、渗透率分析有重大意义。

现有技术中，为了实现对砂岩储层的孔隙度、渗透率的分析，一般对岩石图像做灰度值直方图，由观察者人工对灰度值直方图进行观察，根据灰度直方图中像素灰度值的集中范围，对识别岩石孔隙、岩石骨架、粘土矿物类别数量等信息进行识别。

但是，采用上述方法识别岩石图像，识别结果往往受观察者的经验因素影响较大，识别不够准确。此外，人工对砂岩储层的孔隙度、渗透率分析往往效率较低。

发明内容

本公开实施例提供一种基于深度学习的岩石图像智能识别方法、装置及存储介质，该方法解决了人工对砂岩储层的孔隙度、渗透率分析识别不够准确且效率较低的技术问题。

第一方面，本公开实施例提供一种基于深度学习的岩石图像智能识别方法，包括：

获取终端设备发送的待识别岩石图像；

将所述待识别岩石图像输入至预设的图像识别模型，获得所述待识别岩石图像对应的识别结果预测图像；

根据所述识别结果预测图，对所述待识别岩石图像中的待识别岩石的成分进行识别。

进一步地，如上所述的方法，所述将所述待识别岩石图像输入至预设的图像识别模型之前，还包括：

获取预设的待训练数据集，所述待训练数据集中包括多组待训练图像对，所述待训练图像对中包括岩石图像以及与所述岩石图像对应的标签信息；

通过所述待训练数据集对预设的待训练模型进行训练，直至所述待训练模型收敛，获得所述图像识别模型；

其中，所述待训练模型为DRU-Net模型。

进一步地，如上所述的方法，所述获取预设的待训练数据集，包括：

获取待处理数据集，所述待处理数据集中包括多张岩石原始图像；

对所述待处理数据集中的多张岩石原始图像进行色彩空间变换操作，获得多张中间图像；

对各所述中间图像进行分割操作，获得所述中间图像对应的标签信息，其中，所述标签信息包括所述中间图像中岩石的内部特征信息以及成分信息；

将各所述中间图像以及所述中间图像对应的标签信息作为所述待训练图像对，获得所述待训练数据集。

进一步地，如上所述的方法，所述根据所述多张中间图像以及所述中间图像对应的标签信息，获得所述待训练数据集，包括：

对所述多张中间图像以及所述中间图像对应的标签信息进行数据扩充操作，获得所述待训练数据集。

进一步地，如上所述的方法，所述通过所述待训练数据集对预设的待训练模型进行训练，包括：