[發明專利]一種油井識別提取方法及裝置

在審

• 申請號: 202210909478.0
• 申請日: 2022-07-29
• 公開（公告）號: CN115410092A
• 公開（公告）日: 2022-11-29
• 發明（設計）人: 李軍;何鴻杰;馬凌飛;李靜
• 申請（專利權）人: 中央財經大學
• 主分類號: G06V20/13
• 分類號: G06V20/13;G06V20/10;G06V10/26;G06V10/764;G06V10/774;G06V10/82
• 代理公司: 北京市誠輝律師事務所 11430
• 代理人: 成丹;耿慧敏

本申請提供一種油井識別提取方法及裝置，該方法包括：獲取待識別遙感圖像；將待識別遙感圖像輸入油井站點提取模型，輸出油井站點分類結果；其中，油井站點提取模型采用引入D?LinkNet網絡的Mask R?CNN模型。該方案利用D?LinkNet網絡實現細節信息的特征提取，并通過新增的語義分割分支分析和利用道路信息和油井站點的潛在聯系，提升油井站點識別提取的效果。

技術領域

本發明屬于遙感技術領域，特別涉及一種油井識別提取方法及裝置。

背景技術

石油或天然氣生產對經濟發展至關重要。然而，石油和天然氣開采不可避免地會對環境產生不利影響。石油和天然氣生產最常用的技術是通過建造鉆井場地，配套一系列井場和其他設施。大量井場和資源道路的開采必然導致景觀破壞或破碎化，地球觀測或遙感技術提供了一種有效的手段來提取有關地表干擾信息，為石油開采活動相關的環境評估和風險分析提供支撐。

當前，基于遙感圖像的目視解譯是油井位置提取的常規方法。然而，這種方法耗時且嚴重依賴專業知識。近年來，深度學習(Deep Learning，DL)因為具有強大的特征抽取能力并能夠實現端到端的數據處理，使其能夠通過對大量數據進行訓練以更高的準確度解決復雜問題，因此DL被應用于石油工業設施識別中。然而，井場的掩膜圖像對于土地擾動的科學分析至關重要。因此，在自動化油井場地檢測和提取中，除了定位油井場地外，還應考慮提取油井場地的掩膜信息。

現有技術中，油井站點的識別準確率較低。

發明內容

本說明書實施例的目的是提供一種油井識別提取方法及裝置，可以提高油井場地的掩膜信息的識別準確率。

為解決上述技術問題，本申請實施例通過以下方式實現的：

第一方面，本申請提供一種油井識別提取方法，該方法包括：

獲取待識別遙感圖像；

將待識別遙感圖像輸入油井站點提取模型，輸出油井站點分類結果；其中，油井站點提取模型采用引入D-LinkNet網絡的Mask R-CNN模型。

在其中一個實施例中，D-LinkNet網絡包括語義分割分支，語義分割分支用于提取油井站點及其相連的道路信息。

在其中一個實施例中，油井站點提取模型的損失函數包括語義分割分支的交并比損失函數。

在其中一個實施例中，訓練油井站點提取模型采用的訓練數據集為多源遙感圖像數據集。

在其中一個實施例中，多源遙感圖像數據集包括不同空間分辨率和光譜分辨率的遙感圖像，其中，不同空間分辨率的遙感圖像包括低空間分辨率遙感圖像和高分辨率遙感圖像。

在其中一個實施例中，構造訓練數據集，包括：

檢查所有所述遙感圖像的光譜波段信息，并選擇所有公共的光譜波段，以最大化利用收集到的遙感圖像，使所有所述遙感圖像的光譜分辨率一致；

利用殘差通道注意力網絡對光譜分辨率一致后的遙感圖像中低空間分辨率遙感圖像進行超分辨率，得到超分辨率遙感圖像，超分辨率遙感圖像的分辨率與高分辨率遙感圖像的分辨率一致；

超分辨率遙感圖像和高分辨率遙感圖像，形成訓練數據集。

在其中一個實施例中，油井站點分類結果分為包括油井站點和不包括油井站點；

若油井站點分類結果為包括油井站點，油井站點提取模型還輸出所有油井站點的掩膜圖像。

第二方面，本申請提供一種油井識別提取裝置，該裝置包括：

獲取模塊，用于獲取待識別遙感圖像；