多孔介质渗流通道提取、模型训练方法、装置及设备制造方法及图纸

本发明专利技术提供一种多孔介质渗流通道提取、模型训练方法、装置及设备，其中的方法包括：将多孔介质的原始图像划分成N个子区域图像；从N个子区域图像中选取M个子区域图像进行标注；对M个子区域图像及M个子区域图像中每个子区域图像对应的标注信息，进行扩增操作，以得到K个子区域图像及K个子区域图像中每个子区域图像对应的标注信息；基于K个子区域图像中的至少部分子区域图像及至少部分子区域图像中每个子区域图像对应的标注信息，对预设模型进行训练，得到图像分割模型；其中，图像分割模型用于提取多孔介质的渗流通道的信息。如此，提高了标注效率，且实现了小样本学习，大大提高了提取的多孔介质的渗流通道的信息的精度。取的多孔介质的渗流通道的信息的精度。取的多孔介质的渗流通道的信息的精度。

【技术实现步骤摘要】
多孔介质渗流通道提取、模型训练方法、装置及设备


[0001]本专利技术涉及数字岩心
，尤其涉及一种多孔介质渗流通道提取、模型训练方法、装置及设备。

技术介绍

[0002]近年来，统计科学和数据科学的快速发展已经将深度学习思想和神经网络技术渗透到各个专业领域，例如医学、电路设计、计算机视觉、地球科学等，这正在逐渐解决曾经难以解决的问题。
[0003]在地球科学中，对于油气工程、水利工程和地质工程领域的研究，针对多孔介质的数字岩心数据，获取准确合理的渗流通道，不仅对资源产量起着至关重要的作用，而且也适用于研究围岩、水工结构和支挡结构的稳定性。
[0004]其中，多孔介质是由矿物组成的骨架(即矿物骨架)和由矿物骨架分隔成大量密集成群的微小空隙所构成的物质，其中，矿物骨架上附着有粘土。多孔介质具有空隙尺寸微小，比表面积数值很大的特点，并且存在很多内部孔隙和裂隙。多孔介质内的流体以渗流方式在孔隙、裂隙这些空隙中运动，运动的通道即渗流通道。
[0005]研究多孔介质时，通常采用CT(Computed tomography)图像本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像分割模型训练方法，其特征在于，包括：将多孔介质的原始图像划分成N个子区域图像；从所述N个子区域图像中选取M个子区域图像进行标注；对所述M个子区域图像及所述M个子区域图像中每个子区域图像对应的标注信息，进行扩增操作，以得到K个子区域图像及所述K个子区域图像中每个子区域图像对应的标注信息；基于所述K个子区域图像中的至少部分子区域图像及所述至少部分子区域图像中每个子区域图像对应的标注信息，对预设模型进行训练，得到图像分割模型；其中，所述图像分割模型用于提取所述多孔介质的渗流通道的信息；N、M和K均为正整数，M小于N，K大于M。2.根据权利要求1所述的图像分割模型训练方法，其特征在于，所述图像分割模型包括自编码器和图像分割架构；其中，所述自编码器，用于对子区域图像进行编码，以得到编码特征；所述图像分割架构，用于从所述编码特征中，提取所述多孔介质的渗流通道的信息；所述基于所述K个子区域图像中的至少部分子区域图像及所述至少部分子区域图像中每个子区域图像对应的标注信息，对预设模型进行训练，得到图像分割模型，包括：基于输入的选择操作，从多种预设图像分割架构中选择一个预设图像分割架构，以及从多种预设自编码器中选择一个预设自编码器，以得到所述预设模型；获取所述预设模型对应的预训练参数；将所述预训练参数作为所述预设模型的初始参数，基于所述K个子区域图像中的至少部分子区域图像及所述至少部分子区域图像中每个子区域图像对应的标注信息，对所述预设模型进行训练，得到所述图像分割模型。3.根据权利要求1所述的图像分割模型训练方法，其特征在于，所述基于所述K个子区域图像中的至少部分子区域图像及所述至少部分子区域图像中每个子区域图像对应的标注信息，对预设模型进行训练，得到图像分割模型，包括：将所述K个子区域图像按照预设比例划分成训练集、验证集和测试集；基于所述训练集中的每个子区域图像及对应的标注信息，对所述预设模型进行训练，得到所述图像分割模型；所述的图像分割模型训练方法，还包括：基于所述验证集中的每个子区域图像及对应的标注信息，对所述图像分割模型进行验证；基于所述测试集中的每个子区域图像，对所述图像分割模型进行测试。4.根据权利要求1至3任一项所述的图像分割模型训练...

【专利技术属性】
技术研发人员：王明阳，王恩志，刘晓丽，王聪聪，王芳，马前驰，
申请(专利权)人：清华大学，
类型：发明
国别省市：