来源：期刊VIP网 时间：
作者：张可佳;徐意行;刘宗堡;田枫;赵玉武;刘涛;张岩;贺友志;
单位：东北石油大学计算机与信息技术学院;黑龙江省石油大数据与智能分析重点实验室;东北石油大学地球科学学院;大庆油田有限责任公司第八采油厂;
摘要：面孔率是评估致密储层质量和资源潜力的关键指标。目前基于单一图像分析技术的储层孔隙智能提取及面孔率计算方法存在前期配置繁琐、稀疏样本学习能力弱、复杂孔隙形态识别准确率不高等问题。为此，本文基于混合智能思想，提出一种融合SOLO(segmenting objects by locations)v2算法和OpenCV(open source computer vision library)的致密砂岩薄片面孔率智能计算方法。使用实例分割算法SOLOv2分割和标记图像中的孔隙区域，结合OpenCV提取孔隙分布和占比，进而计算面孔率。对比实验结果表明，该方法在Dice系数(0.88)、像素准确率(0.91)和面孔率计算误差(<0.1)方面优于对比算法YOLACT(you only look at coefficients)、Mask R-CNN(mask region-based convolutional neural network)和SOLO,且执行速度更快。
关键词：致密砂岩;;面孔率;;混合智能;;SOLOv2;;OpenCV;;储层
基金资助：国家自然科学基金项目(42172161);; 黑龙江省教育厅人才类项目(UNPYSCT-2020144);; 黑龙江省省属本科高校基本科研业务费项目(2022TSTD-03);; 黑龙江省高校基本科研业务费项目(2022YDL-15)~~
