[發明專利]一種基于深度學習的巖性智能化識別方法及系統

在審

• 申請號: 202110588216.4
• 申請日: 2021-05-28
• 公開（公告）號: CN113344050A
• 公開（公告）日: 2021-09-03
• 發明（設計）人: 任義麗;羅路;陶治;許錕;李美超
• 申請（專利權）人: 中國石油天然氣股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 侯天印;郝博

1.一種基于深度學習的巖性智能化識別方法，其特征在于，該方法包括：

采集巖心圖像數據，將巖性圖像數據與巖性標簽、巖性描述特征、巖性名稱進行統計關聯，構建巖性智能化識別標簽數據庫；

基于DenseCap網絡構建巖性識別描述模型，根據巖性智能化識別標簽數據庫對巖性識別描述模型進行訓練，得到訓練好的RNN語言模型；

通過訓練好的RNN語言模型，根據經過卷積網絡生成的特征向量和輸入樣本，計算得到第一語言向量，利用循環遞歸方法將根據第一語言向量預測的第一個巖性標簽作為下一層網絡的輸入，繼續預測第二個巖性標簽，依次預測直至結束，得到巖心圖像的巖性標簽預測結果；

根據巖性標簽預測結果，對相應的輸入巖心圖像進行巖性定名，得到巖心圖像的巖性識別結果；

通過恢復缺失巖心圖片的隱態表征方法抽取巖心圖像的類別結構信息，并提取類別魯棒特征，將類別結構信息及類別魯棒特征融入遷移學習的框架，進行測井曲線的巖石分類，將巖心圖像的巖性識別結果與測井曲線的巖石分類進行結合，得到最終的巖性識別結果。

2.根據權利要求1所述的基于深度學習的巖性智能化識別方法，其特征在于，所述巖性標簽至少包括粒徑等級及成分組構類別。

3.根據權利要求1所述的基于深度學習的巖性智能化識別方法，其特征在于，采集巖心圖像數據，將巖性圖像數據與巖性標簽、巖性描述特征、巖性名稱進行統計關聯，構建巖性智能化識別標簽數據庫，還包括：

在巖性智能化識別標簽數據庫構建完成后，對巖心圖像數據與巖性標簽的順序、參數做一一對應的處理。

4.根據權利要求1所述的基于深度學習的巖性智能化識別方法，其特征在于，基于DenseCap網絡構建巖性識別描述模型，根據巖性智能化識別標簽數據庫對巖性識別描述模型進行訓練，得到訓練好的RNN語言模型，包括：

DenseCap網絡由卷積網絡層、密集定位層和RNN語言模型層組成；其中，

在卷積網絡層，以VGG16網絡結構為特征提取網絡，經過卷積網絡后輸出特征圖譜；

在密集定位層，在獲取卷積網絡層提取的特征圖譜基礎上，卷積定位網絡對輸入的卷積張量進行有條件性的選擇，得出多個候選區域，對每個候選區域給出相應的坐標、置信度得分、特征三個輸出張量；

在RNN語言模型層，將圖片的特征圖譜輸入到RNN語言模型中，獲得基于圖片內容的自然語言序列。