公开(公告)号：CN115035371B

公开(公告)日：2023-09-12

申请号：CN202210524515.6

申请日：2022-05-13

Applicant: 西南石油大学

Inventor： 夏文鹤 ,  朱喆昊 ,  李皋 ,  韩玉娇 ,  林永学 ,  李大奇

IPC: G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了基于多尺度特征融合神经网络的井壁裂缝识别方法，包括以下具体步骤：S1：使用浅层特征提取模块对输入的电阻率测井成像图进行浅层特征提取；S2：使用多尺度空洞卷积注意力模块对浅层特征进行深层特征提取；S3：采用特征融合上采样模块将浅层特征和深层特征拼接融合后特征还原至原始图像输入尺寸；S4：调整通道数为标签类别数，根据背景和前景特征图结合损失函数计算每个像素点属于背景和前景的概率，实现井壁裂缝区域的自动识别。本发明在确保裂缝智能识别精度和速度的前提下，减少了人工利用电阻率测井成像图进行裂缝检测的工作量，为钻井工作提供了强有力的安全保障，满足了当前钻井降本增效的迫切需求。

公开(公告)号：CN115035371A

公开(公告)日：2022-09-09

申请号：CN202210524515.6

申请日：2022-05-13

Applicant: 西南石油大学

Inventor： 夏文鹤 ,  朱喆昊 ,  李皋 ,  韩玉娇 ,  林永学 ,  李大奇

IPC: G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了基于多尺度特征融合神经网络的井壁裂缝识别方法，包括以下具体步骤：S1：使用浅层特征提取模块对输入的电阻率测井成像图进行浅层特征提取；S2：使用多尺度空洞卷积注意力模块对浅层特征进行深层特征提取；S3：采用特征融合上采样模块将浅层特征和深层特征拼接融合后特征还原至原始图像输入尺寸；S4：调整通道数为标签类别数，根据背景和前景特征图结合损失函数计算每个像素点属于背景和前景的概率，实现井壁裂缝区域的自动识别。本发明在确保裂缝智能识别精度和速度的前提下，减少了人工利用电阻率测井成像图进行裂缝检测的工作量，为钻井工作提供了强有力的安全保障，满足了当前钻井降本增效的迫切需求。