Гибридный алгоритм определения нефтенасыщенности керна по макрофотографиям пород в дневном и ультрафиолетовом свете; Известия Томского политехнического университета [Известия ТПУ]. Инжиниринг георесурсов; Т. 336, № 10

Chi tiết về thư mục
Parent link:	Известия Томского политехнического университета [Известия ТПУ]. Инжиниринг георесурсов=Bulletin of the Tomsk Polytechnic University. Geo Assets Engineering/ Национальный исследовательский Томский политехнический университет.— .— Томск: Изд-во ТПУ, 2015-.— 2413-1830 Т. 336, № 10.— 2025.— С. 28-37
Tác giả khác:	Кочегуров А. И. Александр Иванович, Денисов В. И. Владислав Игоревич, Семенченко Н. Е. Никита Евгеньевич, Андренкова Е. А. Елизавета Александровна
Tóm tắt:	Актуальность. Анализ керна – это основа для изучения нефтегазовых пластов. Но обычные способы исследования керна, особенно оценка нефтенасыщенности по УФ-свечению, очень трудозатратны, зависят от человека и не имеют четких правил. Данных с месторождений становится все больше, что усугубляет ситуацию. Поэтому нужны автоматические, объективные и масштабируемые методы. Цель. Разработка гибридного алгоритма определения нефтенасыщенности керна по макрофотографиям пород в дневном и ультрафиолетовом свете и его программная реализация. Методы. Обработки изображений, компьютерного зрения и глубокого обучения. Для классификации УФ-свечения была предложена мультимодальная модель на основе ResNet-34. Она обрабатывает сразу шесть каналов: RGB обычного света + RGB УФ-света. Программная реализация выполнена в виде интеллектуальной информационной системы на основе микросервисной архитектуры. Результаты. Разработан алгоритм классификации УФ-свечения, который показал точность 90 % для типа свечения и 80 % для его интенсивности. Разработана интеллектуальная информационная система, которая реализует полученный гибридный алгоритм, обрабатывает большие фото (4000×4000 пикселей) и сокращает место для хранения на 20–40 %, потому что хранит только нужные сегментированные части изображений. Выводы. Использованный подход, объединяющий анализ разных типов изображений и гибкую систему на микросервисах, является перспективным. Он не только автоматизирует и делает объективной оценку нефтенасыщенности, но и создает основу для будущих разработок в цифровой петрофизике. Решение помогает точнее определять насыщенность, быстрее анализировать данные и экономить место для хранения, что имеет высокую практическую значимость для нефтегазовой отрасли Abstract. Relevance. Core sample analysis is fundamental for studying oil and gas reservoirs. However, conventional core investigation methods – especially UV fluorescence-based oil saturation assessment – are highly labor-intensive, humandependent, and has no clear guidelines. Increasing volumes of field data exacerbate this issue, necessitating automated, objecttive, and scalable solutions. Aim. To develop a hybrid algorithm for determining core oil saturation using macro-photographs of rocks in daylight and ultraviolet light, along with its software implementation. Methods. Image processing, computer vision, and deep learning methods. For UV fluorescence classification, we proposed a multimodal model based on ResNet-34. It processes six channels simultaneously: RGB daylight + RGB UV light. The software was implemented as an intelligent information system using a microservice architecture. Results. We developed a UV fluorescence classification algorithm achieving 90% accuracy in identifying fluorescence type and 80% accuracy in intensity assessment. The implemented intelligent information system processes high-resolution images (4000×4000 px) and reduces storage requirements by 20–40% by retaining only essential segmented image parts. Conclusions. The combined approach – integrating multi-image analysis and flexible microservices – appears promising. It not only automates and objectifies oil saturation assessment but also establishes a foundation for future digital petrophysics research. This solution enables more accurate saturation determination, faster data analysis, and optimized storage, which could benefit the oil and gas industry Текстовый файл
Ngôn ngữ:	Tiếng Nga
Được phát hành:	2025
Những chủ đề:	электронный ресурс труды учёных ТПУ анализ керна нефтенасыщенность машинное обучение компьютерное зрение U-Net ResNet мультимодальный анализ УФ-флуоресценция микросервисная архитектура цифровая петрофизика core analysis oil saturation machine learning computer vision multimodal analysis UV fluorescence microservice architecture digital petrophysics
Truy cập trực tuyến:	http://earchive.tpu.ru/handle/11683/133261 https://doi.org/10.18799/24131830/2025/10/5261
Định dạng:	Điện tử Chương của sách
KOHA link:	https://koha.lib.tpu.ru/cgi-bin/koha/opac-detail.pl?biblionumber=683175