裂缝识别方法、装置、电子设备、存储介质及程序产品

本申请涉及石油勘探开发领域，尤其涉及一种裂缝识别方法、装置、电子设备、存储介质及程序产品。

背景技术：

1、一直以来，裂缝型储层都是勘探的重点和难点，在采油过程中，裂缝和半裂缝的识别是非常重要的。

2、在地质勘探工作中，反映裂缝信息较多的是成像测井图像，传统人工拾取裂缝的方法存在工作量大、误差大、效率低下等缺点。

技术实现思路

1、本申请提供一种裂缝识别方法、装置、电子设备、存储介质及程序产品，用以提升裂缝识别的效率和准确性。

2、第一方面，本申请实施例提供一种裂缝识别方法，包括：

3、基于符合地层裂缝特征的余弦函数，生成用于模拟裂缝的余弦曲线，并通过对余弦曲线执行下述至少一项操作：平移、调整加入的随机噪声、调整倾角、调整尺寸，得到包含裂缝的样本图像；其中，所述样本图像的标注为样本图像中的余弦曲线所在的矩形框；

4、根据生成的样本图像，对裂缝识别模型进行训练，以基于训练好的模型对待处理图像中的裂缝进行识别；

5、其中，所述裂缝识别模型基于yolov5网络模型实现。

6、可选的，根据生成的样本图像，对裂缝识别模型进行训练，包括：

7、在yolov5网络模型的残差结构中使用1*1卷积进行升维和降维操作，并对残差结构中的3*3卷积采用扩张率为2的空洞技术；

8、利用denseblock取代yolov5网络模型的resunit模块；

9、在用于提取特征的主干网络中添加se模块，得到改进的yolov5网络模型作为裂缝识别模型；

10、根据生成的样本图像，对所述裂缝识别模型进行训练。

11、可选的，基于符合地层裂缝特征的余弦函数，生成用于模拟裂缝的余弦曲线，并通过对余弦曲线执行下述至少一项操作：平移、调整加入的随机噪声、调整倾角、调整尺寸，得到包含裂缝的样本图像，包括：

12、根据裂缝模拟余弦函数：生成余弦曲线，其中，θ是裂缝倾角，n是随机噪声，通过调整函数参数对生成的余弦曲线进行修改，得到多张图像；

13、对生成的图像中的余弦曲线进行平移，得到多张图像，并将平移操作后的多张图像与平移操作前的多张图像进行随机打乱；

14、将随机打乱后的图像进行数据增强，得到多张包含裂缝的样本图像。

15、可选的，在yolov5网络模型的残差结构中使用1*1卷积进行升维和降维操作，并对残差结构中的3*3卷积采用扩张率为2的空洞技术，包括：

16、在yolov5网络模型的残差结构中，对输入设置卷积核为1*1的卷积操作实现降维，得到n通道的特征图；

17、将特征图输入到3*3的卷积中进行操作，该卷积添加了扩张率为2的空洞卷积技术，得到n通道的特征图；

18、添加一个卷积核为1*1的卷积，对通过3*3的卷积得到的n通道的特征图进行卷积操作以实现升维。

19、可选的，利用denseblock取代yolov5网络模型的resunit模块，包括：

20、denseblock取代的resunit模块为yolov5网络模型的c_1_3模块中的resunit模块；

21、其中，denseblock结构中的每个网络层都包含三个cbs模块，denseblock结构中的每个网络层将自身层前面的全部层提取的特征作为该层的输入，自身层得到的特征作为后续层的输入，整体上形成一个全互连接结构。

22、可选的，在用于提取特征的主干网络中添加se模块，包括：

23、采用挤压方式，在主干网络提取的二维矩阵上利用全局平均池化操作得到经过空间维度挤压后的二维矩阵；

24、根据积压后的二维矩阵进行激活操作，其中，激活操作是指先经过一个1*1卷积代替全连接层进行降维，采用relu激活函数非线性处理之后再使用一个1*1卷积代替全连接层进行升维操作，最后添加一个sigmod层得到1*1特征图并生成不同通道的注意力机制权值；

25、将所述1*1特征图经过比例缩放后变回原特征大小，与输入特征图进行加权操作得到每个通道下不同权值的特征图。

26、第二方面，本申请实施例还提供一种裂缝识别装置，包括：

27、曲线生成模块，用于基于符合地层裂缝特征的余弦函数，生成用于模拟裂缝的余弦曲线，并通过对余弦曲线执行下述至少一项操作：平移、调整加入的随机噪声、调整倾角、调整尺寸，得到包含裂缝的样本图像；其中，所述样本图像的标注为样本图像中的余弦曲线所在的矩形框；

28、图像识别模块，用于根据生成的样本图像，对裂缝识别模型进行训练，以基于训练好的模型对待处理图像中的裂缝进行识别；

29、其中，所述裂缝识别模型基于yolov5网络模型实现。

30、第三方面，本申请实施例还提供一种电子设备，包括：

31、至少一个处理器；以及与所述至少一个处理器通信连接的存储器；

32、其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述电子设备执行上述任一方面所述的方法。

33、第四方面，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现上述任一项方面的方法。

34、第五方面，本申请实施例还提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述任一方面所述的方法。

35、本申请提供的裂缝识别方法、装置、电子设备、存储介质及程序产品，可以对裂缝进行智能提取和精确识别，提高准确率的同时节省了大量的人力成本和时间成本；对yolov5网络模型残差结构的改进大大减少了模型的计算量，同时达到增大特征图感受野的同时不影响模型计算成本的目的，提高检测精度；将denseblock全互连思想应用到yolov5网络模型中使得模型能够充分提取、传播并融合特征；在主干网络中添加se模块可以学习并结合不同通道特征从而增大模型的全局感受野，可提高检测准确度。

技术特征：

1.一种裂缝识别方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，根据生成的样本图像，对裂缝识别模型进行训练，包括：

3.根据权利要求1或2所述的方法，其特征在于，基于符合地层裂缝特征的余弦函数，生成用于模拟裂缝的余弦曲线，并通过对余弦曲线执行下述至少一项操作：平移、调整加入的随机噪声、调整倾角、调整尺寸，得到包含裂缝的样本图像，包括：

4.根据权利要求2所述的方法，其特征在于，在yolov5网络模型的残差结构中使用1*1卷积进行升维和降维操作，并对残差结构中的3*3卷积采用扩张率为2的空洞技术，包括：

5.根据权利要求2所述的方法，其特征在于，利用denseblock取代yolov5网络模型的resunit模块，包括：

6.根据权利要求2所述的方法，其特征在于，在用于提取特征的主干网络中添加se模块，包括：

7.一种裂缝识别装置，其特征在于，包括：

8.一种电子设备，其特征在于，包括：

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如权利要求1-6任一项所述的方法。

10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-6任一项所述的方法。

技术总结
本申请提供一种裂缝识别方法、装置、电子设备、存储介质及程序产品，可以基于符合地层裂缝特征的余弦函数，得到包含裂缝的样本图像，并对裂缝识别模型进行训练，其中，所述裂缝识别模型基于yolov5网络模型实现。本申请可以对裂缝进行智能提取和精确识别，提高准确率的同时节省了大量的人力成本和时间成本；对yolov5网络模型残差结构的改进大大减少了模型的计算量，同时达到增大特征图感受野的同时不影响模型计算成本的目的，提高检测精度；将Denseblock全互连思想应用到yolov5网络模型中使得模型能够充分提取、传播并融合特征；在主干网络中添加SE模块可以学习并结合不同通道特征从而增大模型的全局感受野，可提高检测准确度。

技术研发人员：冯程,戴顺,冯梓岩,钟云滔,赵磊,陈俊凯,宗翔华
受保护的技术使用者：中国石油大学（北京）
技术研发日：
技术公布日：2024/1/12