一种基于深度学习的岩石孔-裂隙及杂质特征评价方法技术

本发明专利技术涉及一种基于深度学习的岩石孔

【技术实现步骤摘要】
一种基于深度学习的岩石孔
‑
裂隙及杂质特征评价方法


[0001]本专利技术涉及岩石的物理表征领域，特别涉及一种基于深度学习的岩石孔
‑
裂隙及杂质特征评价方法。

技术介绍

[0002]岩石作为一种复杂的矿物集合体，具有不连续的多相复合结构，其内外部均存在大量形态各异、大小不同的孔
‑
裂隙及杂质，从而影响到岩石材料的物理、化学和力学性质,如密度、容重、弹性模量、强度、爆破性、声波速度、电阻率、渗透率、附着力等。表征与分析岩石材料中的孔
‑
裂隙及杂质结构特征，对于解决油气开发、采矿、冶金、土木工程、资源勘探等实际工程问题具有重要的指导意义。
[0003]目前，分析岩石孔
‑
裂隙及杂质的方法主要有两种。第一种是利用实验的方法来研究岩石的孔
‑
裂隙特征，第二种是利用数字岩石的方法来研究岩石的孔
‑
裂隙及杂质特征。利用实验的方法来研究岩石的孔
‑
裂隙特征，一般采用压汞法。压汞法利用汞的导电性及汞对固体表面的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的岩石孔
‑
裂隙及杂质特征评价方法，其特征在于，包括如下步骤：S1、获取岩样CT扫描图像，清洗异常样本，调整样本图像对比度，构建岩样CT扫描图像样本库；S2、将清洗、调整后的岩样CT扫描图像样本库进行分割，分为训练集和测试集，对训练集中的岩样CT扫描图像进行实例分割人工标注，构建岩样CT扫描图像实例分割训练集；将岩样CT扫描图像进行统一放缩后，使用labelme对训练集中岩样CT扫描图像的孔
‑
裂隙及杂质轮廓进行人工标注，在标注过程中将孔
‑
裂隙及杂质进行分类；根据岩样CT扫描图像特征，将标签类别分成两类：hole_white和hole_black，分别指代杂质及孔
‑
裂隙；S3、构建Mask R
‑
CNN实例分割模型；S4、使用步骤S2中的岩样CT扫描图像实例分割训练集对Mask R
‑
CNN模型进行训练及参数调整；S5、使用步骤S4训练后的Mask R
‑
CNN实例分割模型对测试集中岩样CT扫描图像的孔
‑
裂隙及杂质进行实例分割；训练后的Mask R
‑
CNN实例分割模型可以完成对岩样孔
‑
裂隙及杂质进行分类、框选、添加Binary Mask的操作；将岩样CT扫描图像测试集作为Mask R
‑
CNN实例分割模型的输入，便可以输出岩样CT扫描图像的实例分割结果，包括存储有检测框位置、类别、二进制掩码位置的数组以及可视化图片；S6、根据S5得出的岩样CT扫描图像的实例分割结果，利用Python函数对岩样的孔
‑
裂隙及杂质特征进行评价；首先利用Counter函数分别统计出杂质、孔
‑
裂隙的数量，然后利用List函数存储并输出岩样每个孔
‑
裂隙及杂质的掩码像素数并计算出每个孔
‑
裂隙及杂质的面积，再计算出岩样的面含杂率及面孔
‑
裂隙率。2.根据权利要求1所述的评价方法，其特征在于，在步骤S1中，将岩样CT扫描图像按照实验批次整理到相应文件夹下，去除图像信息缺失或有较大异常的图像；利用OpenCV将岩样CT扫描图像的对比度提升十倍，使岩样CT扫描图像达到可以视觉分辨孔
‑
裂隙及杂质的效果。3.根据权利要求1所述的评价方法，其特征在于，在步骤S2中，将得到的实例分割人工标注存储为json文件且以图片为基准，将所有图片的jso...

【专利技术属性】
技术研发人员：种照辉，苏逢生，岳腾泷，魏敬杨，姚强岭，李学华，刘嘉，
申请(专利权)人：中国矿业大学，
类型：发明
国别省市：