CN114387328B 基于深度学习模型和岩心图像的rqd计算方法 （西安理工大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN114387328B(45)授权公告日2025.07.08

(21)申请号202111582422.0

(22)申请日2021.12.22

(65)同一申请的已公布的文献号申请公布号CN114387328A

(43)申请公布日2022.04.22

(73)专利权人西安理工大学

地址710048陕西省西安市碑林区金花南

路5号

(72)发明人张野陈金桥李炎隆

(74)专利代理机构西安弘理专利事务所61214专利代理师王丹

(51)Int.CI.

GO6T7/60(2017.01)

GO6T7/11(2017.01)

GO6T7/13(2017.01)

GO6N3/0464(2023.01)

GO6N3/08(2023.01)

(56)对比文件

CN112241711A,2021.01.19

CN110110661A,2019.08.09

YeZhang等.AutomaticestimationofRQDbasedondeepensemblelearningandfracturefitting.《Geoenergyscienceandengineering》.2023,1-10.

审查员郑诗嘉

权利要求书1页说明书5页附图6页

(54)发明名称

基于深度学习模型和岩心图像的RQD计算方

法

(57)摘要

CN114387328B本发明公开了基于深度学习模型和钻孔岩心图像的RQD计算方法，包括：建立钻孔岩心图像数据集；提取钻孔岩心图像数据集的图像特征，将图像特征输入到UNet深度网络中进行训练，得到EUNet模型；利用EUNet分割模型对钻孔岩心图像进行语义分割，得到岩心区域、背景区域，找出单排钻孔岩心图像；提取单排钻孔岩心图像中所有岩心的轮廓，并统计岩心轮廓像素数量，制作像素波形图，通过像素波形图判断岩心类型；从像素波形图中确定完整岩心的数量及其所在的位置，确定研究区域；进而确定岩心的界线；按照岩心的界线，计算岩心长度，则得到

CN114387328B

语义分割

EcimNa

CN114387328B权利要求书1/1页

2

1.基于深度学习模型和钻孔岩心图像的RQD计算方法，其特征在于，包括以下步骤：

步骤1、收集钻孔岩心图像，钻孔岩心图像中既要包括较完整的岩心图像，也要包括有断裂、片状和碎裂的岩心；对钻孔岩心图像进行图像矫正和统一尺寸；图像矫正方法为：通过岩心盒四个角点确定岩心盒位置，以四个点确定的矩形框的四条边为对象，拉伸并旋转框内图像，使得视场与图像水平；统一图像尺寸为640×480;在处理后钻孔岩心图像中标注出岩心部分，制作成图像标签；将岩心图像中80%作为训练集，20%作为验证集，建立钻孔岩心图像数据集；

步骤2、提取所述钻孔岩心图像数据集的图像特征，将图像特征输入到UNet深度网络中进行训练，得到EUNet模型；训练过程共设置200个epoch,batchsize设置为4,得到EUNet模型；利用EUNet模型对验证集中钻孔岩心图像进行分割，进而计算F1_score值和IoU值；设定当F1_score的值在95%以上，IoU值在85%以上时训练后的模型应用于钻孔岩心图像的分割；

步骤3、利用所述EUNet分割模型对钻孔岩心图像进行语义分割，得到岩心区域、背景区域，找出单排钻孔岩心图像；单排钻孔岩心图像的判断方式为：遍历分割结果中各行的像素，统计每行中岩心区域像素数量，以岩心区域的像素数量是零的行作为分割线切割出单排岩心，得到单排钻孔岩心图像；

步骤4、应用Canny边缘检测算法提取所述单排钻孔岩心图像中所有岩心的轮廓，并统计岩心轮廓像素数量，制作像素波形图，通过像素波形图判断岩心类型，将波形图中白色像素数持续为2的视为完整岩心，其余部分视为破碎段；

步骤5、从所述像素波形图中确定完整岩心的数量及其所在的位置，当完整岩心段两端岩心区域像素增加时，以完整岩心段首尾紧邻的波峰群为研究区域；若完整岩心段一端出现连续的波峰波谷，研究区域长度取30mm;

步骤6、将语义分割后的图像找到所述研究区域，以背景区域中线作为岩心的界线；当岩心间紧贴在一起时，采用曲线拟