[發明專利]一種基于深度學習的石油工業多相流流型識別方法

在審

• 申請號: 201910585031.0
• 申請日: 2019-07-01
• 公開（公告）號: CN110276415A
• 公開（公告）日: 2019-09-24
• 發明（設計）人: 王天卿;孫寧遠;李銳;于治樓
• 申請（專利權）人: 山東浪潮人工智能研究院有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00
• 代理公司: 濟南信達專利事務所有限公司 37100
• 代理人: 姜明

1.一種基于深度學習的石油工業多相流流型識別方法，其特征在于，包括以下步驟：

步驟一：通過設置流體控制系統，控制氣液、油水兩相流和油氣水三相流獲取7種典型流型，使用高速照相機或高速攝影機，透過透明管段或透明窗口拍攝流體流動狀態，獲取流體圖像；

步驟二：對獲取的流體圖像進行人工標記，利用直接觀察法或現場流動參數標記流型種類；

步驟三：對步驟二中人工標記的流體圖像進行數據增強，并在圖像文件進行增強的同時，對標簽文件也進行相應的增強；

步驟四：搭建深度卷積神經網絡模型；

步驟五：使用訓練集對步驟四中所構建的深度卷積神經網絡模型進行訓練；

步驟六：讀取訓練好的深度卷積神經網絡模型文件，將未標記的流型圖像輸入深度卷積神經網絡模型得到流型種類，并根據分類結果建立流型種類的圖庫，根據其特征即可確定未標記的流型圖像屬于兩相流還是三相流的流型。

2.根據權利要求1所述的基于深度學習的石油工業多相流流型識別方法，其特征在于：所述步驟一中，將高速攝影機采集的視頻信息按幀分割為多個圖像數據，且使用高速照相機或高速攝影機獲取的流體圖像要保證流體紋理清晰，顏色光照均衡，流體占據圖像的比例在70％左右；而且采集的圖像數據集大小至少要達到1000張以上。

3.根據權利要求1所述的基于深度學習的石油工業多相流流型識別方法，其特征在于：所述步驟二中，將每張流體圖像的流型類別以文本文件的形式一一記錄。

4.根據權利要求1所述的基于深度學習的石油工業多相流流型識別方法，其特征在于：所述步驟三中，利用OpenCV計算機視覺庫中的圖像變換函數，將所有的圖像進行圖像增強，使原始數據集擴充至少十倍以上；增強后生成的數據進一步劃分為訓練集，驗證集與測試集，且不同數據集中的流型種類在劃分時應保持均衡。

5.根據權利要求4所述的基于深度學習的石油工業多相流流型識別方法，其特征在于：所述圖像增強后生成的數據中，70％的圖像作為訓練集使用，15％作為驗證集，15％作為測試集。

6.根據權利要求1或4所述的基于深度學習的石油工業多相流流型識別方法，其特征在于：所述圖像增強的手段包括但不限于圖像縮放，圖像旋轉，圖像平移，圖像濾波與圖像灰度化。

7.根據權利要求1所述的基于深度學習的石油工業多相流流型識別方法，其特征在于：所述步驟四中，以VGG16深度卷積模型作為圖像特征提取器，將VGG16深度卷積模型生成的特征接入多層全連接網絡進行分類訓練，對流型類別給出預測，生成深度卷積神經網絡模型。

8.根據權利要求1所述的基于深度學習的石油工業多相流流型識別方法，其特征在于：所述步驟五中，在每個訓練輪次結束后對深度卷積神經網絡模型的精準度在驗證集上進行評估，訓練結束后以深度卷積神經網絡模型在測試集上的精準度作為深度卷積神經網絡模型的最終性能表現。