[1]夏阳,方朝强,肖占山,等.基于深度学习的页岩聚焦离子束扫描电镜图像多物相分割方法研究[J].长江大学学报(自然科学版),2025,(2):37-44.
点击复制

基于深度学习的页岩聚焦离子束扫描电镜图像多物相分割方法研究
分享到:

长江大学学报(自然科学版)[ISSN:1673-1409/CN:42-1741/N]

卷:
期数:
2025年第2期
页码:
37-44
栏目:
地质资源与地质工程
出版日期:
2025-03-25

文章信息/Info

文章编号:
1673-1409 (2025) 02-0037-08
作者:
夏阳方朝强肖占山赵建斌宋戴雷
中国石油集团测井有限公司地质研究院,陕西 西安 710077
关键词:
延长组页岩聚焦离子束扫描电镜深度学习智能分割U-Net
分类号:
TE132.14
文献标志码:
A
摘要:
页岩的孔隙类型和成分结构很大程度上决定了页岩储集层的储集性能,通过观测描述法和物理测量法可以较好地表征其孔径分布特征,其中聚焦离子束扫描电镜 (FIB-SEM)成像是表征其纳米级微观特征的代表方法,但受限于扫描电镜图像质量、目标对象灰度值重叠等因素的影响,传统阈值分割的方法无法对图像进行准确划分,难以准确开展结构参数定量分析。以延长组长73 亚段页岩的 FIB-SEM 数据为对象,开展了基于深度学习的 U-Net网络架构与像素级的语义分割研究,实现了页岩孔隙、无机矿物、黄铁矿、有机质的多物相分割,通过模型评估,准确度平均值达99.6%,Dice系数平均值达94.0%,利用同区实验数据进行验证,同样得到了较好的多物相分割效果。该方法为页岩微观结构表征及多物理场数值模拟奠定了良好的岩石物理基础。

参考文献/References:


[1]张莉.四川盆地典型富有机质页岩孔隙结构特征及页岩气渗流机理研究 [D].广州:中国科学院大学 (中国科学院广州地球化学研究所),2021.ZHANGL.Studyonporestructurecharacterizationoforganic-richshaleinSichuanbasinandshalegasflowandtransportsimulations [D].Guangzhou:UniversityofChineseAcademyofSciences (GuangzhouInstituteofGeochemistry,ChineseAcademyofSciences),2021.
[2]王晓琦,金旭,李建明,等.聚焦离子束扫描电镜在石油地质研究中的综合应用 [J].电子显微学报,2019,38 (3):303-319.WANGXQ,JINX,LIJM,etal.FIB-SEMapplicationsinpetroleumgeologyresearch [J].JournalofChineseElectron MicroscopySociety,2019,38 (3):303-319.
[3]马勇,钟宁宁,程礼军,等.渝东南两套富有机质页岩的孔隙结构特征:来自 FIB-SEM 的新启示 [J].石油实验地质,2015,37 (1):109-116.MAY,ZHONGNN,CHENGLJ,etal.Porestructureoftwoorganic-richshalesinsoutheasternChongqingarea:Insightfromfocusedionbeamscanningelectronmicroscope(FIB-SEM)[J].Petroleum Geology&Experiment,2015,37 (1):109-116.
[4]赵建国,潘建国,胡洋铭,等.基于数字岩心的碳酸盐岩孔隙结构对弹性性质的影响研究 (上篇):图像处理与弹性模拟 [J].地球物理学报,2021,64 (2):656-669.ZHAOJG,PANJG,HUY M,etal.Digitalrockphysics-basedstudiesoneffectofporetypesonelasticpropertiesofcarbonatereservoirPart1:Imagingprocessingandelasticmodelling [J].ChineseJournalofGeophysics,2021,64 (2):656-669.
[5]刘学锋,张晓伟,曾鑫,等.采用机器学习分割算法和扫描电镜分析页岩微观孔隙结构 [J].中国石油大学学报 (自然科学版),2022,46 (1):23-33.LIUXF,ZHANGX W,ZENGX,etal.PorestructurecharacterizationofshalesusingSEMandmachinelearningbasedsegmentationmethod [J].JournalofChinaUniversityofPetroleum (EditionofNaturalScience),2022,46 (1):23-33.
[6]ZHAOJP,CHENH,ZHANGJY,etal.Quantitativecharacterizationoforganicandinorganicporesinshalebasedon FIB-SEM [J].FrontiersinEarthScience,2022,10:994312.
[7]NOVIKOV A A,MAJOR D,WIMMER M,etal.Deepsequentialsegmentationoforgansinvolumetricmedicalscans [J].IEEETransactionsonMedicalImaging,2019,38 (5):1207-1215.
[8]RONNEBERGERO,FISCHERP,BROXT.U-net:Convolutionalnetworksforbiomedicalimagesegmentation [J].MedicalImageComputingandComputer-AssistedIntervention(MICCAI),2015,9351 (2):234-241.
[9]BEZERRAETV,AUGUSTO KS,PACIORNIKS.Discriminationofporesandcracksinironorepelletsusingdeeplearningneuralnetworks [J].REM-InternationalEngineeringJournal,2020,73 (2):197-203.
[10]BADRAN A,MARSHALL D,LEGAULT Z,etal.Automatedsegmentationofcomputedtomographyimagesoffiber-reinforcedcompositesbydeeplearning [J].JournalofMaterialsScience,2020,55 (34):16273-16289.
[11]HONGL,ZHANGP,LIUD,etal.Effectivesegmentationofshortfibersinglassfiberreinforcedconcrete’sX-rayimagesusingdeeplearningtechnology [J].Materials& Design,2021,210:110024.

更新日期/Last Update: 2025-03-25