本發(fā)明涉及深度學(xué)習(xí)和鉆井開發(fā)技術(shù)雙領(lǐng)域，尤其涉及弱光圖像增強網(wǎng)絡(luò)和群體計數(shù)結(jié)合的鉆井液巖屑計數(shù)方法。

背景技術(shù)：

1、鉆井液巖屑顆粒大小的估算在油氣勘探和井下作業(yè)中具有關(guān)鍵意義，估算可以提供關(guān)鍵的地質(zhì)信息，有助于優(yōu)化井下作業(yè)流程、提高鉆井效率以及確保井下環(huán)境的安全性，巖屑顆粒的大小估算應(yīng)用廣泛，包括井下環(huán)境監(jiān)測、井下作業(yè)優(yōu)化、巖屑評估和地質(zhì)勘探等領(lǐng)域。

2、在早期，人們可能主要依賴工程師和地質(zhì)學(xué)家的經(jīng)驗來估算鉆井液中巖屑顆粒的大小，這種方法基于專業(yè)人員對地層和巖石類型的了解，雖然在某些情況下可能有效，但缺乏定量和客觀性；20世紀(jì)初，使用篩網(wǎng)進行顆粒分析成為一種常見的實驗室技術(shù)，這種方法通過將鉆井液樣本通過篩網(wǎng)篩選，然后根據(jù)顆粒在篩網(wǎng)上的沉積情況來估算顆粒大小。然而，這種方法有時受限于樣本的獲取和實驗室處理的時間；隨著科技的發(fā)展，激光顆粒度分析技術(shù)成為一種常見的方法，通過激光散射，可以迅速而準(zhǔn)確地測量顆粒的大小分布，提高了測量的精度和效率；近年來，數(shù)字圖像處理技術(shù)的發(fā)展使得使用攝像頭捕捉圖像并通過圖像處理方法來估算顆粒大小成為可能。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于為解決鉆井液巖屑圖像中精確大小估算的問題，設(shè)計一種基于顏色增強的鉆井液巖屑分割與大小估算方法，首先構(gòu)建真實的鉆井液巖屑圖像數(shù)據(jù)集，分別計算對應(yīng)的強度圖、hv彩色圖和hvi彩色圖；再通過顏色和強度解耦網(wǎng)絡(luò)對圖像進行亮度增強和去噪，得到增強后的鉆井液巖屑圖像數(shù)據(jù)；通過分層編碼器提取增強后的鉆井液巖屑圖像的粗粒度、細粒度特征，提取不同尺度的特征并嵌入位置編碼，提升后續(xù)預(yù)測鉆井液巖屑語義分割掩碼圖像的效果；使用all-mlp解碼器，直接融合這些多層次特征預(yù)測增強后的鉆井液巖屑語義分割掩碼圖像；最后根據(jù)實際巖屑的大小和圖片巖屑像素大小比例計算出真實的鉆井液巖屑圖像的所有巖屑大小。

2、一種基于顏色增強的鉆井液巖屑分割與大小估算方法，包括以下步驟：

3、s1：處理鉆井液巖屑圖像，分別計算鉆井液巖屑圖像對應(yīng)的強度圖、hv彩色圖和hvi彩色圖；

4、s2：將強度圖和hv彩色圖作為顏色和強度解耦網(wǎng)絡(luò)的輸入，計算獲得點亮后的強度圖和去噪后的hv彩色圖；

5、s3：連接點亮后的強度圖和去噪后的hv彩色圖，連接后和hvi彩色圖相加，結(jié)果記為i，將i進行逆變換得到增強后的鉆井液巖屑圖像；

6、s4：使用分層編碼器提取增強后的鉆井液巖屑圖像的粗、細特征m；

7、s5：使用輕量級all-mlp解碼器，直接融合多層次特征預(yù)測得到增強后的鉆井液巖屑圖像l，通過卷積神經(jīng)網(wǎng)絡(luò)將圖像l進行語義分割，通過神經(jīng)網(wǎng)絡(luò)訓(xùn)練得到分割后的掩碼圖像f；

8、s6：計算分割后的掩碼圖像f的每個巖屑的大小。

9、進一步的，一種基于顏色增強的鉆井液巖屑分割與大小估算方法，所述步驟s1包括以下子步驟：

10、s11：計算鉆井液巖屑圖像的強度圖，公式為：

11、；

12、其中，代表鉆井液巖屑圖像的強度圖，代表輸入的鉆井液巖屑圖像，，代表實數(shù)，代表鉆井液巖屑圖像的高度，代表鉆井液巖屑圖像的寬度，代表輸入的三個顏色通道的鉆井液巖屑圖像數(shù)據(jù)，代表紅色顏色通道，代表綠色顏色通道，代表藍色顏色通道，代表三通道最大的鉆井液巖屑數(shù)據(jù)；

13、s12：計算鉆井液巖屑圖像的hv彩色圖和hvi彩色圖；

14、s121：計算顏色密度，公式為：

15、；

16、其中，代表顏色密度，代表訓(xùn)練定制的參數(shù)，且；；

17、s122：計算色彩飽和度，公式為：

18、；

19、其中，代表色彩飽和度，代表三通道最小的鉆井液巖屑數(shù)據(jù)；

20、s123：建立自適應(yīng)的線性顏色感知映射，以學(xué)習(xí)數(shù)據(jù)集對不同顏色特性的敏感性，公式為：

21、；

22、；

23、其中，代表顏色色調(diào)，代表輸入的紅色通道的鉆井液巖屑圖像數(shù)據(jù)，代表輸入的綠色通道的鉆井液巖屑圖像數(shù)據(jù)，代表輸入的藍色通道的鉆井液巖屑圖像數(shù)據(jù)，，代表取除以6的余數(shù)；

24、其中，代表線性顏色感知映射，，代表訓(xùn)練定制的參數(shù)，；

25、s124：計算hv彩色圖的平面形式化，公式為：

26、；

27、其中，代表訓(xùn)練的單質(zhì)函數(shù)；

28、其中，代表逐元素的乘法，代表水平分量的彩色圖，代表豎直分量的彩色圖；

29、s125：連接為和，進行圖像處理操作，得到hvi彩色圖；

30、其中，。

31、進一步的，一種基于顏色增強的鉆井液巖屑分割與大小估算方法，所述步驟s2包括以下子步驟：

32、s21:?初始化強度圖的、、，公式為：

33、；

34、其中，代表強度圖的查詢向量值，代表強度圖的關(guān)健向量值，代表強度圖的數(shù)值向量值，，c代表顏色通道，代表查詢，代表健，代表值；

35、其中，代表求取強度圖查詢向量值的分層卷積矩陣，代表求取強度圖關(guān)鍵向量值的分層卷積矩陣，代表求取強度圖數(shù)值向量值的分層卷積矩陣，代表求取強度圖查詢向量值的分層卷積矩陣，代表求取強度圖關(guān)鍵向量值的層深度卷積矩陣，代表求取強度圖數(shù)值向量值的層深度卷積矩陣；

36、s22:重新排列、、；

37、s221：通過展平操作將、變換，得到新的、；

38、所述展平操作為從二維結(jié)構(gòu)hxw轉(zhuǎn)換為一維結(jié)構(gòu)hw；

39、s222：在展平操作的基礎(chǔ)上通過一次轉(zhuǎn)置操作將變換，得到新的；

40、其中，代表重新排列后的，代表重新排列后的，代表重新排列后的，，；

41、s23：計算強度圖和hv彩色圖的交叉注意力結(jié)果，公式為：

42、；

43、其中，代表多頭因子，代表1*1點卷積矩陣，代表點積操作，代表歸一化注意力權(quán)重的函數(shù)，代表查詢向量，代表關(guān)鍵向量，代表數(shù)值向量，代表強度圖的交叉主義力結(jié)果，代表hv彩色圖的交叉主義力結(jié)果，；

44、s24：計算點亮后的強度圖和去噪后的hv彩色圖，公式為：

45、；

46、其中,代表點亮后的強度圖，代表去噪后的hv彩色圖，代表逐元素的乘法，代表激活函數(shù)，代表1*1深度卷積矩陣，代表3*3分層卷積矩陣；

47、其中，代表關(guān)于色彩飽和度的3*3分層卷積矩陣，代表關(guān)于色彩飽和度的1*1深度卷積矩陣，代表關(guān)于顏色的3*3分層卷積矩陣，代表關(guān)于顏色的1*1深度卷積矩陣。

48、進一步的，一種基于顏色增強的鉆井液巖屑分割與大小估算方法，所述步驟s3包括以下子步驟：

49、s31:?將強度圖i分解為、、,裁剪三個分解向量在[-1,1]范圍；

50、所述代表水平分量的強度圖，代表豎直分量的強度圖，代表豎直相垂直的分量的強度圖；

51、s32：使用步驟s121的公式計算i的顏色密度，使用步驟s123的公式計算i的自適應(yīng)的線性顏色感知映射，計算中間變量和，公式為：

52、；

53、其中，代表i的顏色密度，、均代表中間變量；

54、s33：將和轉(zhuǎn)化為hsv顏色空間，公式為：

55、；

56、其中，代表自定義的線性參數(shù)，代表裁剪操作，只保留-1到1范圍內(nèi)的值，代表色調(diào)，代表飽和度，代表取除以1的余數(shù)；

57、s34：將色調(diào)、飽和度和亮度組合成hsv圖像，并轉(zhuǎn)換為srgb圖像；

58、所述srgb圖像代表增強后的鉆井液巖屑圖像。

59、進一步的，一種基于顏色增強的鉆井液巖屑分割與大小估算方法，所述步驟s4包括以下子步驟：

60、s41：按照大小的滑動窗口，滑動步長為s，設(shè)置k=7，s=4和k=3，s=2，將增強后的鉆井液巖屑圖像分割成小塊，把小塊合并成大特征圖p；

61、s42：計算大特征圖p的分層特征圖，公式為：

62、；

63、其中，代表分層特征圖，?和代表大特征圖p的長度和寬度，代表第i層網(wǎng)絡(luò)通道數(shù)；

64、s43：計算自注意力結(jié)果，公式為：

65、；

66、其中，softmax代表歸一化指數(shù)函數(shù)，查詢q、鍵k和值v形狀相同為,代表網(wǎng)絡(luò)層的維度，代表輸入的位置信息，代表k的轉(zhuǎn)置；

67、s44：引入位置信息，公式為：

68、；

69、其中，代表輸出的位置信息，mlp代表多層感知機，gelu代表基于高斯誤差函數(shù)的激活函數(shù)；

70、s45：重復(fù)四次步驟s41、s42、s43、s44，提取增強后的鉆井液巖屑圖像的粗粒度、細粒度特征m。

71、進一步的，一種基于顏色增強的鉆井液巖屑分割與大小估算方法，所述步驟s5還包括以下子步驟：

72、s51：統(tǒng)一多層特征m的通道維度，公式為：

73、；

74、其中，代表一層特征，linear代表全連接網(wǎng)絡(luò)層，和分別表示線性層的輸入和輸出維度，j代表層數(shù)，代表j層特征；

75、s52：將特征上采樣到并連接到一起，公式為：

76、；

77、其中，代表拼接特征，代表上采樣操作；

78、s53：對拼接特征進行融合，公式為：

79、；

80、其中，代表融合特征，代表線性映射，代表連接操作；

81、s54：利用融合特征預(yù)測分割后的鉆井液巖屑圖像l，公式為：

82、；

83、其中，l代表分割后的鉆井液巖屑圖像，，代表類別數(shù)。

84、進一步的，一種基于顏色增強的鉆井液巖屑分割與大小估算方法，所述步驟s6還包括以下子步驟：

85、s61：將分割后的鉆井液巖屑圖像l轉(zhuǎn)化為灰度圖，進行高斯模糊處理，得到結(jié)果g，高斯模糊數(shù)學(xué)公式為：

86、；

87、其中，代表高斯核，表示卷積操作的權(quán)重，x和y代表像素在圖像中的位置，代表高斯分布的標(biāo)準(zhǔn)差；

88、s62：使用canny邊緣檢測算法檢測s61結(jié)果q的邊緣圖像e；

89、s63：提取邊緣圖像e的外部輪廓，選取一個已知實際大小的輪廓作為參考物體；

90、s64：計算參考物體的最小面積矩形box，獲取四個頂點、、、，計算之間的像素距離，計算、像素距離與實際的物體大小之間的關(guān)系，得到轉(zhuǎn)換比例；

91、s65：遍歷剩余的輪廓，對每個輪廓重復(fù)s64操作計算最小面積矩形，獲取四個頂點；

92、s66：將所有輪廓對應(yīng)的矩形繪制到鉆井液巖屑圖像上，根據(jù)轉(zhuǎn)換比例得到的距離繪制到圖中作為巖屑的長寬，得到每個巖屑的大小。

93、本發(fā)明有益效果：通過一種基于顏色增強的鉆井液巖屑分割與大小估算方法，對鉆井液中的巖屑進行層次化處理并實現(xiàn)多尺度特征的融合，不僅增強了模型在捕捉圖像細節(jié)和全局信息方面的能力，而且提升了對巖屑形態(tài)多樣性的適應(yīng)性，在巖屑顆粒的分割和大小估算方面表現(xiàn)出了準(zhǔn)確性和優(yōu)越性，適用于處理復(fù)雜場景和多樣化巖屑形態(tài)。