一种岩心的地质智能编录方法

摘要

本申请涉及地质信息编录技术领域，具体涉及一种岩心的地质智能编录方法，其包括：对岩心的高光谱影像进行处理，得到高光谱反射率影像；对高光谱反射率影像中的各个岩心箱和隔板进行识别；基于各个岩心箱和隔板的识别结果，确定各个岩心箱中的岩心柱的拼接顺序；根据拼接顺序将岩心柱进行影像拼接得到岩心重建高光谱反射率影像，并将岩心重建高光谱反射率影像的坐标系转换为岩心实际深度坐标系；基于岩心柱高光谱反射率影像，对岩心实际深度坐标系下的岩心重建高光谱反射率影像进行信息识别，从而形成岩心地质智能编录方法。本申请由于将岩心影像的坐标系转换为岩心实际深度坐标系，能够更加直观地显示岩心蚀变层位及其对应深度的矿化信息。

权利要求

1.一种岩心的地质智能编录方法，包括：

对所述岩心的高光谱影像进行处理，以得到岩心高光谱反射率影像；

对所述岩心高光谱反射率影像中的各个岩心箱和隔板进行识别；

基于对岩心箱和隔板的识别结果，确定岩心箱中岩心柱的拼接顺序；

依照拼接顺序将所述岩心柱进行影像拼接得到岩心重建高光谱反射率影像；

将所述岩心重建高光谱反射率影像的坐标系转换为岩心实际深度坐标系；

基于所述岩心高光谱反射率影像，对转换为岩心实际深度坐标系下的岩心重建高光谱反射率影像进行信息识别；

其中，对所述岩心高光谱反射率影像中的各个岩心箱和隔板进行识别的步骤包括：基于已经建立好的岩心箱先验知识库对岩心高光谱反射率影像中的各个岩心箱和隔板进行识别；

所述方法还包括：基于岩心箱和隔板的识别结果，对岩心重建高光谱反射率影像进行裁切，以删除岩心柱无效区域；

对所述岩心重建高光谱反射率影像进行裁切包括：根据隔板和岩心箱的光谱特征对岩心重建高光谱反射率影像进行隔板和岩心箱像元识别；

根据隔板和岩心箱像元的横坐标和岩心箱中岩心柱的数量对岩心重建高光谱反射率影像有效区域进行分割；

在对岩心重建高光谱反射率影像有效区域进行裁切之前，还包括将岩心柱旋转至与岩心箱和隔板的延伸方向平行；

所述基于所述岩心高光谱反射率影像，对转换为岩心实际深度坐标系下的岩心重建高光谱反射率影像进行信息识别，包括：基于所述岩心高光谱反射率影像识别所述岩心的地质信息、矿物信息、岩性信息；

基于所述岩心高光谱反射率影像，识别所述岩心的矿物信息，包括：基于矿物先验知识库，对岩心高光谱反射率影像像元的光谱特征进行相似性匹配，从而获取矿物信息；

基于岩心高光谱反射率影像，识别所述岩心的岩性信息，包括：基于所述岩心高光谱反射率影像，识别所述岩心的岩心地质要素；根据所述岩心地质要素和所述矿物信息，进行岩心地质智能编录。

2.根据权利要求1所示的方法，其中，所述将所述岩心重建高光谱反射率影像的坐标系转换为岩心实际深度坐标系，包括：获取岩心重建高光谱反射率影像每个像元的纵坐标；

获取岩心重建高光谱反射率影像纵向的像元数量；

基于岩心对应的深度范围，确定每个像元对应的深度，从而将每个像元的纵坐标转换成对应的深度值。

3.根据权利要求1所示的方法，其中，所述岩心地质要素包括色彩和粒度；

所述方法还包括：

基于所述岩心高光谱反射率影像像元的R、G、B三原色数值进行色彩识别；

基于所述岩心高光谱反射率影像像元周围像元的灰度值进行粒度识别。

说明书

一种岩心的地质智能编录方法

技术领域

[0001] 本申请涉及地质信息编录技术领域，具体涉及一种岩心的地质智能编录方法。

背景技术

[0002] 岩心是根据地质工作或工程的需要，使用岩心环状钻头及其他取心工具，从孔内取出的圆柱状岩石样品。岩心是研究和了解地下地质和矿产情况的重要实物材料。因此，对钻孔岩心的地质编录工作十分重要。

[0003] 传统的钻探现场的地质编录是通过人工进行岩心的取样，基于岩心表面信息利用放大镜等工具肉眼识别地质要素记录在野外地质记录本等纸质介质。这种方法存在精度差、效率低等缺点。

发明内容

[0004] 鉴于上述问题，提出了本申请以便提供一种克服上述问题或者至少部分地解决上述问题的方法。

[0005] 本申请提供了一种岩心的智能地质编录方法，其包括以下步骤：对岩心的高光谱影像进行处理，得到岩心高光谱反射率影像；对岩心高光谱反射率影像中的各个岩心箱和隔板进行识别；基于对岩心箱和隔板的识别结果，确定各个岩心箱中岩心柱的拼接顺序；依照拼接顺序将岩心柱进行影像拼接得到岩心重建高光谱反射率影像，将岩心重建高光谱反射率影像的坐标系转换为岩心实际深度坐标系；基于岩心高光谱反射率影像，对转换为岩心实际深度坐标系下的岩心重建高光谱反射率影像进行信息识别，从而对岩心进行智能编录。

[0006] 根据本申请提供的地质智能编录方法，利用岩心的高光谱影像获得地质信息，具有精度高、效率高的优点。本申请的内容将岩心影像的坐标系转换为岩心实际深度坐标系，能够更加直观地显示岩心蚀变层位及其对应深度的矿化信息。

附图说明

[0007] 图1为根据本申请实施例的岩心的地质智能编录方法的流程图；

[0008] 图2为岩心箱摆放的示意图；

[0009] 图3为岩心编录的示意原理图。

[0010] 附图标记：

[0011] 10、岩心箱；101、框架；102、隔板；11、第一间隙；12、岩心柱；13、第二间隙。

具体实施方式

[0012] 为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请实施例的附图，对本申请的技术方案进行清楚、完整地描述。显然，所描述的实施例是本申请的一个实施例，而不是全部的实施例。基于所描述的本申请的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

[0013] 需要说明的是，除非另外定义，本申请使用的技术术语或者科学术语应当为本申请所属领域内具有一般技能的人士所理解的通常意义。若全文中涉及“第一”、“第二”等描述，则该“第一”、“第二”等描述仅用于区别类似的对象，而不能理解为指示或暗示其相对重要性、先后次序或者隐含指明所指示的技术特征的数量，应该理解为“第一”、“第二”等描述的数据在适当情况下可以互换。若全文中出现“和/或”，其含义为包括三个并列方案，以“A和/或B”为例，包括A方案，或B方案，或A和B同时满足的方案。

[0014] 在相关技术中，利用高光谱成像技术，采集和测量岩心在350nm‑ 2500nm波长范围内的高光谱影像。通过依据高光谱影像的光谱诊断性特征来计算和识别不同的矿物，最终形成矿物学信息。本申请的发明人发现，在相关技术中，在对岩心进行地质编录时，岩心对应于地下真实位置的信息并未编录进去，这样在研究岩心的地质信息时，仅能够通过编录信息中的回次，以及转孔范围对岩心某一位置的地下深度进行估算，这样的估算既不够准确，同时也不能直观地体现在编录后的信息中。

[0015] 针对上述技术问题，本申请的实施例提供一种岩心的地质智能编录方法。参见图1，本申请实施例的岩心的地质智能编录方法包括步骤S100至步骤S600。

[0016] S100：对岩心的高光谱影像进行处理，以得到岩心高光谱反射率影像。

[0017] S200：对岩心高光谱反射率影像中的各个岩心箱和隔板进行识别。

[0018] S300：基于对岩心箱和隔板的识别结果，确定岩心箱中岩心柱的拼接顺序。

[0019] S400：依照拼接顺序将岩心柱进行影像拼接，得到岩心重建高光谱反射率影像。

[0020] S500：将岩心重建高光谱反射率影像的坐标系转换为岩心实际深度坐标系。

[0021] S600：基于岩心高光谱反射率影像，对转换为岩心实际深度坐标系下的岩心重建高光谱反射率影像进行信息识别，从而实现对岩心的地质智能编录。

[0022] 根据本申请提供的地质智能编录方法，通过利用岩心高光谱反射率影像获得岩心重建高光谱反射率影像，具有精度高、效率高的优点。本申请实施例由于将岩心影像的坐标系转换为岩心实际深度坐标系，实现对岩心进行重建，能够更加直观地显示岩心蚀变层位及其对应深度的矿化信息。根据本申请实施例的方法编录的结果，能够使用户直接获取岩心对应真实地下位置的相关信息。

[0023] 在一些实施例中，步骤S100中，对岩心的高光谱影像进行处理的步骤可以包括：对岩心高光谱影像进行辐射校正和光谱重建，得到岩心高光谱反射率影像。辐射校正可由Hyspex成像光谱仪自带的模块实现，光谱重建可用本领域常用的方法实现。

[0024] 在步骤S200中，基于已经建立好的岩心箱先验知识库对岩心高光谱反射率影像中的各个岩心箱和隔板进行识别。岩心箱先验知识库可以通过以下方式建立：将已有的多个岩心箱光谱作为先验知识样本收集并形成先验知识库，再利用先验知识样本与岩心高光谱反射率影像进行比对，从岩心高光谱反射率影像中确定与岩心箱（或隔板）对应的光谱相似的像元并标定为岩心箱（或隔板），从而实现对岩心高光谱反射率影像中的岩心箱和隔板进行识别。

[0025] 参见图2，岩心箱10可以包括框架101。框架101限定形成上方开口的容纳腔，隔板102设置在容纳腔内，将容纳腔分隔形成多个岩心容纳槽，每个岩心容纳槽中放置一段岩心柱12。

[0026] 容易理解，对岩心箱10和隔板102的识别包括对框架101和隔板102的识别。由于框架101和隔板102的材质不同，因此两者对应的高光谱影像中的光谱不同，需要分别对框架101和隔板102进行光谱识别。

[0027] 可以通过软件选用相应的先验知识样本进行岩心箱10的影像识别。如果在步骤S200中识别的岩心箱10的精度不够（例如由于岩心箱10的材质为新的材质或其他原因），可以单独对岩心箱10进行高光谱扫描以获得其对应的高光谱影像，利用岩心箱10的高光谱影像对岩心的高光谱影像中的岩心箱10进行识别。获得的岩心箱10的高光谱影像可以用于对岩心箱先验知识库进行样本获取与扩充，从而不断增加岩心箱先验知识库的先验知识样品，有利于提高利用岩心箱先验知识库进行岩心箱10识别的准确性。

[0028] 在步骤S300中，岩心箱10对应岩心钻孔的回次信息（容易理解，回次信息对应开采岩心的次序）。当识别出高光谱反射率影像中的各岩心箱10后，即可获得各岩心箱10以及每个岩心箱10的各岩心容纳槽对应的回次信息。可以根据回次信息，确定各个岩心箱10中的岩心柱12的拼接顺序。

[0029] 在步骤S400中，基于岩心识别结果将岩心按顺序进行影像拼接，形成由岩心高光谱反射率影像数据组成的、与地下岩心排布相一致的岩心重建高光谱反射率影像。通常，在获取岩心的高光谱影像时，高光谱影像对应的数据的命名包含岩心深度范围。例如，对于岩心采集深度为50‑80米的岩心，其高光谱影像对应的数据文件可以命名为50‑80.bat。将数据导入计算机进行地质编录时，计算机能够通过文件名获取岩心的采集深度，实现数据的自动化处理。例如，将文件名为50‑80.bat的文件导入计算机后，计算机能够自动获取岩心的采集深度为50米‑80米。可以基于高光谱影像对应的数据的命名，将新形成的岩心重建高光谱反射率影像的坐标系转换至岩心实际深度坐标系，根据各个岩心箱中的岩心柱的拼接顺序，完成地下岩心的重建过程。

[0030] 在一些实施例中，步骤S500中的将岩心重建高光谱反射率影像的坐标系转换为岩心实际深度坐标系，具体包括以下步骤：获取岩心重建高光谱反射率影像每个像元的纵坐标；获取岩心重建高光谱反射率影像纵向的像元数量；基于岩心对应的深度范围，确定每个像元对应的深度，从而将每个像元的纵坐标转换成对应的深度值。

[0031] 例如，岩心重建高光谱反射率影像的纵向存在10000个像元a1、a2、……、a10000，其纵坐标分别为z1、z2、……、z10000，对应的岩心深度范围为50‑80米，则相邻两个纵向像元之间的间距为0.003米，纵向两端的像元a1和a10000的纵坐标z1和z10000分别对应50米和80米，可以依据像元的纵坐标z的纵向位置，将其纵坐标z转换为与之对应的深度值。

[0032] 在一些实施例中，地质智能编录方法还可以包括以下步骤：基于岩心箱和隔板的识别结果，对岩心重建高光谱反射率影像进行裁切，以删除岩心柱无效区域。对岩心重建高光谱反射率影像进行裁切，能够去除岩心重建高光谱反射率影像的无效区域，得到只包含岩心部分的岩心重建高光谱反射率影像，从而一方面减少数据处理量，另一方面避免在数据处理中被无效数据引起干扰。

[0033] 可以去除扫描过程中扫描到的外部无效区域，实现空间范围的“紧缩”；进一步地，可以去除光谱上的无效区域，实现光谱范围的“紧缩”。通过空间紧缩过程，能够实现岩心箱外部较大范围的无效区域的去除，避免了后续不必要的光谱计算；通过光谱紧缩过程，能够去除不需要参数计算的光谱波段（如有些波长波段所对应的数据为无效值），通过这2个过程能够实现对岩心进行有效性判断并裁切形成有效波段的影像。

[0034] 在一些实施例中，对岩心重建高光谱反射率影像进行裁切的步骤可以包括：根据隔板102和岩心箱10的光谱特征对岩心重建高光谱反射率影像进行隔板和岩心箱像元识别；根据隔板和岩心箱像元的横坐标和岩心箱中岩心柱的数量对岩心重建高光谱反射率影像有效区域进行分割，从而达到对岩心重建高光谱反射率影像进行裁切的目的。

[0035] 对岩心重建高光谱反射率影像进行裁切包括对相邻两个岩心箱之间的区域进行裁切。在一些实施例中，对岩心重建高光谱反射率影像进行裁切包括对岩心箱10与存放于该岩心箱10中的岩心柱12之间的区域进行裁切。

[0036] 如图2所示，框架101包括与隔板102平行的两个第一板体，和与隔板102垂直的两个第二板体。对于位于最外侧的两个岩心容纳槽，岩心箱10与存放于该岩心箱10中的岩心柱12之间的区域包括隔板102与岩心柱12之间的间隙、以及框架101的第一板体与岩心柱12之间的间隙；对于其他岩心容纳槽，岩心箱10与存放于该岩心箱10中的岩心柱12之间的区域包括两个隔板102分别与岩心柱12之间的间隙。

[0037] 还可以将岩心箱10与岩心箱10的第二间隙13、隔板102与岩心柱12的第一间隙11进行剪裁除去。

[0038] 在成像过程中有效岩心周围有比较大的黑色区域，通过像素分析这些像素并非值为0，而是一些较小的值，没有必要在后续数据处理与分析中也参与计算，因此需要在这一步骤中将外部区域去除，这一过程的原理为从影像的四周向中间逼近，并采用较小阈值即可完成此功能，即对应着前文的“空间紧缩”过程。

[0039] 在一些实施例中，在对岩心重建高光谱反射率影像有效区域进行裁切之前，还包括将岩心柱12旋转至与岩心箱10和隔板102的延伸方向平行。在一些实施例中，对图像裁切之前，还需要判断岩心箱10中的各岩心柱12是否放置规范，即判断岩心柱12的轴向是否与隔板102的延伸方向平行。可以在岩心柱12的轴向两端最突出的两点位置连线，判断该连线是否与图像的垂直基线平行，进而判断岩心柱12的轴向是否与隔板102的延伸方向平行。若判断连线与图像的垂直基线不平行，则将该岩心柱12对应的图像区域旋转至连线与图像的垂直基线平行的位置，即对应岩心柱12的轴向与隔板102的延伸方向平行的位置。该图像区域可以为隔板102与框架101共同限定的区域（相当于各岩心容纳槽对应的图像区域）。

[0040] 在一些实施例中，步骤600中，基于岩心高光谱反射率影像，对转换为岩心实际深度坐标系下的岩心重建高光谱反射率影像进行信息识别的步骤可以包括：基于岩心高光谱反射率影像识别岩心的地质信息、矿物信息、岩性信息等。在这样的实施例中，识别的地质信息、矿物信息、岩性信息等能够添加到转换为岩心实际深度坐标系下的岩心重建高光谱反射率影像中，从而使地质信息、矿物信息、岩性信息等与岩心的深度相关联，便于用户直观地获取岩心不同深度的地质信息、矿物信息、岩性信息等，更有利于对岩心进行研究。

[0041] 可以通过算法工具自动成图、智能填图原型系统搭建、区域地质调查岩性填图应用示范等过程，通过获取的高光谱数据同岩性知识库的数据融合、知识融入与算法应用，开展地质智能编录。最后，通过建立新影像的仿射变换信息添加到转换为岩心实际深度坐标系下的岩心重建高光谱反射率影像，再将相对应的地质信息照射过来即可。

[0042] 在一些实施例中，基于岩心高光谱反射率影像，识别岩心的矿物信息的步骤可以包括：基于矿物先验知识库，对岩心高光谱反射率影像像元的光谱特征进行相似性匹配，从而获取矿物信息。

[0043] 可以采用光谱角法或其他知识匹配算法对岩心高光谱反射率影像像元的光谱特征进行相似性匹配。

[0044] 在一些实施例中，基于岩心高光谱反射率影像，识别岩心的岩性信息的步骤可以包括：基于岩心高光谱反射率影像，识别岩心的岩心地质要素；根据岩心地质要素和矿物信息，进行岩心地质智能编录。

[0045] 在一些实施例中，岩心地质要素可以包括色彩和粒度。可以在以往经验的基础上建立相应模型，构建岩心色彩、粒度同岩性的关系映射，在基于此根据岩心的色彩和粒度以及矿物信息确定岩心的岩性信息。

[0046] 识别岩心的色彩和粒度的步骤可以包括：基于岩心高光谱反射率影像像元的R、G、B三原色数值进行色彩识别；基于岩心高光谱反射率影像像元周围像元的灰度值进行粒度识别。

[0047] 基于岩心高光谱反射率影像像元的R、G、B三原色数值进行色彩识别的步骤可以包括：基于可见光波段高光谱影像进行R、G、B三个波段影像重采样，根据R、G、B的值与标准比色卡对比，进行单个像元的色彩识别。

[0048] 基于岩心高光谱反射率影像像元周围像元的灰度值进行粒度识别的步骤可以包括：根据可见光波段高光谱影像，利用边缘检测算子进行边缘检测，根据灰度共生矩阵，构建岩体模型，进行单个像元的粒度识别。

[0049] 在一些实施例中，确定岩心的岩性信息的步骤可以包括：基于高光谱岩性知识库，对岩心重建高光谱反射率影像进行岩性识别，确认岩心的岩性信息。

[0050] 参见图3，可以通过样本获取、特征设计、样本库构建与知识库建立四个环节迭代构建高光谱岩性知识库，对相应的样本进行管理，并在后续计算中应用。建立面向样本特征计算单元的多元多维开放式样本库构建方法，通过研发样本信息自动提取技术，结合已有岩石矿物波谱数据、岩心高光谱扫描数据等建立多元多维开放式高光谱岩性样本库。再通过某些算法进行波谱匹配，进行矿物信息提取。

[0051] 基于高光谱岩性样本库和知识表达方法，发展自适应知识性学习与推理岩性识别算法，通过全局样本特征提取、空间关系特征分析等提取地质要素、光谱特征等信息，建立岩性识别标志、样本分类规则及岩性分类知识图谱等过程，构建岩性识别知识库，研发知识库服务接口，为高光谱岩性填图提供填图标志等知识服务。

[0052] 针对高光谱岩性样本库，设计了一种基于对象的卷积神经网络，对象作为基本的单元，而卷积神经网络被用来分析和标记对象的岩性类别。同时，知识库的引入为对象提供了丰富的初始属性，构建的联结模型可以实现比单时空域属性更高的岩性识别精度。在代理模型分析部分，通过无监督方法从卷积神经网络的卷积层中自动分离出不同的岩性分布模式，构造解释图以揭示卷积神经网络内部的知识层次结构。通过代理模型分析，可以确定岩性时空域模式对预测结果的贡献程度，进而通过知识蒸馏的方法将庞大的神经网络模型所学习的知识提取到可解释的模型中。最后，对可解释模型的物理机制进行诠释，实现知识库迭代更新。

[0053] 对于本发明的实施例，还需要说明的是，在不冲突的情况下，本发明的实施例及实施例中的特征可以相互组合以得到新的实施例。以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，本发明的保护范围应以权利要求的保护范围为准。