發(fā)布時(shí)間：2024-04-08 19:44

　　為保證油井在長(zhǎng)時(shí)間作業(yè)的情況下依舊保持良好的初始形態(tài),鉆井作業(yè)完成后會(huì)使用石油套管來(lái)支撐井壁,石油套管長(zhǎng)時(shí)間使用后會(huì)造成不同程度的損傷,因此對(duì)其檢測(cè)工作必不可少。目前通過(guò)視頻測(cè)井技術(shù)獲得的套管損傷圖像的識(shí)別工作普遍是采用人工識(shí)別方式,對(duì)專業(yè)要求嚴(yán)格且主觀意識(shí)參與度高,工作量大。本文工作是尋求更高效的基于機(jī)器學(xué)習(xí)的視頻測(cè)井套管損傷識(shí)別算法,減少工作量和工作難度。(1)使用高斯濾波方法進(jìn)行了圖像去噪,再基于自適應(yīng)閾值算法優(yōu)化傳統(tǒng)Canny算子的圖像分割方法進(jìn)行了圖像分割,構(gòu)建了套管損傷圖像樣本庫(kù)。(2)對(duì)套管損傷圖像的灰度特征,紋理特征和形狀特征參數(shù)提取后,分別使用BP神經(jīng)網(wǎng)絡(luò)和遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)對(duì)套管損傷圖像進(jìn)行了識(shí)別。(3)基于卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)分別訓(xùn)練了ResNet網(wǎng)絡(luò)和VGG16網(wǎng)絡(luò),利用Stacking模型集成方法結(jié)合ResNet、VGG16網(wǎng)絡(luò)構(gòu)建了新的網(wǎng)絡(luò)模型,并進(jìn)行了套管損傷圖像的識(shí)別訓(xùn)練。實(shí)驗(yàn)發(fā)現(xiàn)使用VGG16網(wǎng)絡(luò)和ResNet網(wǎng)絡(luò)得到準(zhǔn)確率分別為79.3%和83%,而基于Stacking模型集成的方法實(shí)現(xiàn)了86.5%的準(zhǔn)確率,使準(zhǔn)確率有所提高,使用遺傳算法優(yōu)化BP...

【文章頁(yè)數(shù)】：68 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖3-13種套管損傷類型圖像示例

12第三章視頻測(cè)井套管損傷圖像的預(yù)處理任何圖像識(shí)別前都要對(duì)圖像進(jìn)行預(yù)處理工作，對(duì)數(shù)字圖像的處理方法也就得到更多的關(guān)注和研究，經(jīng)過(guò)圖像預(yù)處理后的數(shù)字圖像也會(huì)有更清晰的圖像信息表述，這樣在對(duì)圖像的特征進(jìn)行提取時(shí)也會(huì)保證更加準(zhǔn)確的信息反映。通過(guò)視頻測(cè)井得到的井下套管損傷圖像一定存在隨機(jī)....

圖3-2擴(kuò)充后圖像樣本示例

13訓(xùn)練樣本圖庫(kù)需要進(jìn)行數(shù)據(jù)增強(qiáng)以擴(kuò)充圖像樣本庫(kù)。首先將原始圖像灰度化，之后考慮對(duì)于樣本數(shù)據(jù)庫(kù)的擴(kuò)充主要分為兩步：先將訓(xùn)練樣本圖像向四個(gè)方向像素平移，分別向水平、垂直軸順時(shí)針偏移45°的方向移動(dòng)30個(gè)像素，并將移動(dòng)后出現(xiàn)的原位置處用像素值255填充，以此可以將樣本數(shù)據(jù)量擴(kuò)大4倍，....

圖3-3套管損傷圖像灰度直方圖示例

14其中灰度值用z表示，灰度值的期望值用μ表示，灰度值的標(biāo)準(zhǔn)差用σ表示。椒鹽噪聲：又稱為雙極脈沖噪聲，因?yàn)閳D像上表現(xiàn)為黑白相間的亮暗點(diǎn)噪聲，把黑點(diǎn)稱為椒噪聲，白點(diǎn)稱為鹽噪聲，所以又叫椒鹽噪聲[37]。其產(chǎn)生原因也跟設(shè)備的不穩(wěn)定以及環(huán)境影響有關(guān)，因此在圖像中也很常見(jiàn)。其概率密度函數(shù)....

圖3-4裂縫圖像去噪結(jié)果

16一個(gè)平緩的峰狀，低頻信息也就越多，濾除后圖像的平滑作用越明顯，反之圖像低頻信息濾除越少，因此通過(guò)調(diào)節(jié)σ可以平衡對(duì)圖像的噪聲的抑制和圖像的邊緣信息的保留。3.2.3套管損傷圖像的去噪實(shí)現(xiàn)根據(jù)視頻測(cè)井采集到的3600張樣本數(shù)據(jù)的圖象觀察，發(fā)現(xiàn)圖像存在大量的高斯噪聲和椒鹽的點(diǎn)，而要....

本文編號(hào)：3948715