基于计算机视觉的岩屑图像识别与处理

在传统的油田录井工作中，由于收集到的岩屑会受到地层的成分、结构和微观特征等诸多因素的干扰，且地层的岩性特征通常比较复杂，人为分辨岩屑种类存在主观性强、耗时长、误差大等问题，这都会在较大程度上降低岩屑描述的准确性。利用计算机语言中的OpenCV包，构建计算机视觉；依据HSV色彩模型，建立色彩跟踪器；通过调整HSV色彩值，可以识别不同岩屑的颜色，计算不同颜色的岩屑面积，实现对岩屑图像的分类与精细识别。利用数据挖掘中的K-means聚类算法，对岩屑数据进行分类，批量处理，得到了不同岩屑颜色的HSV色彩范围，完成了对岩屑图像的特征信息提取以及岩屑种类的划分与识别。通过对某一深度下采集出的岩屑样本数据进行测试集分析验证，将其结果与测井资料结论进行对比，确定其准确率达到93.4%。结果表明，利用基于K-means优化算法的岩屑识别分类可以对岩屑图像精确识别和处理，相对于人工识别分类而言，该方法在判断地层的岩性、油层位置、含油气性等信息中具有更高的准确性，可以为石油勘探开发提供更准确的地层信息。