深度學(xué)習(xí)技術(shù)對(duì)振動(dòng)篩巖屑進(jìn)行精準(zhǔn)分類
時(shí)間：2020-08-10 11:29
來源：
作者:編譯/胡大梁
目前，全球多數(shù)石油和天然氣公司的井眼維護(hù)和清潔均有完整的工作流程，每項(xiàng)工作都有規(guī)可循，有助于保障井筒完整性并降低鉆井風(fēng)險(xiǎn)和成本。但傳統(tǒng)方法需要人工連續(xù)觀察振動(dòng)篩上的巖屑，并需要應(yīng)用復(fù)雜的數(shù)理模型，該方法已成為一種工作瓶頸，因?yàn)槿肆﹄y以實(shí)現(xiàn)連續(xù)監(jiān)測(cè)，因此無法提供對(duì)井眼清潔狀況進(jìn)行準(zhǔn)確評(píng)估。為此，休斯敦大學(xué)研究人員近期提出了一種實(shí)時(shí)深度學(xué)習(xí)模型，該方法由三個(gè)模塊組成，通過分析實(shí)時(shí)監(jiān)控視頻流，對(duì)來自鉆井平臺(tái)振動(dòng)篩的巖屑量進(jìn)行分類。
以前的大多數(shù)工作都使用圖像分析技術(shù)對(duì)巖屑體積進(jìn)行定量分析，但傳統(tǒng)的圖像處理方法需要在圖形特征上進(jìn)行大量工作，由于原始數(shù)據(jù)通常雜亂無序，因此需要進(jìn)行預(yù)處理并對(duì)數(shù)據(jù)進(jìn)行擴(kuò)充。相反，深度學(xué)習(xí)功能能夠自動(dòng)從原始數(shù)據(jù)中發(fā)現(xiàn)關(guān)鍵特征，并建立分類所需的表示形式，可以幫助克服在惡劣環(huán)境下設(shè)置監(jiān)控設(shè)備的困難，并且可以放寬對(duì)巖屑量監(jiān)視系統(tǒng)的數(shù)據(jù)采集要求。采用深度神經(jīng)網(wǎng)絡(luò)方法對(duì)來自遠(yuǎn)程鉆井平臺(tái)振動(dòng)篩的巖屑進(jìn)行圖像處理和分類，主要包括以下工作流程：
視頻幀提取：在鉆井過程中，帶有泥漿的巖屑會(huì)傳輸至振動(dòng)篩，研究人員開發(fā)了一種智能視頻處理引擎，采用雙線程機(jī)制，用于實(shí)時(shí)讀寫源流，以自適應(yīng)方式進(jìn)行解碼，如果解碼過程無法跟上視頻流的速度，則可能會(huì)丟失同步幀和丟失幀。為克服此問題，設(shè)置了提高快速線程安全的循環(huán)緩沖區(qū)。對(duì)巖屑運(yùn)輸?shù)秸駝?dòng)篩時(shí)捕獲的視頻進(jìn)行自動(dòng)處理分析，結(jié)果將被實(shí)時(shí)傳輸并呈現(xiàn)在辦公室的監(jiān)視器上，使鉆井工程師可以迅速獲得巖屑量信息。
振動(dòng)篩關(guān)注區(qū)域確定：為了獲得準(zhǔn)確的結(jié)果，工程師或開發(fā)人員需要從振動(dòng)篩上巖屑流過的區(qū)域中確定重點(diǎn)的視頻關(guān)注區(qū)域，關(guān)注區(qū)域確定后，相機(jī)將不會(huì)更改其位置或角度，并濾除影響分類準(zhǔn)確性的噪聲等外界干擾因素，用戶也可以使用手動(dòng)或自動(dòng)方法來完成關(guān)注區(qū)域的選擇。在視頻流的解碼開始之前，通過交互式圖形用戶界面將向用戶呈現(xiàn)指示振動(dòng)篩的位置，用戶只需從界面演示的第一幀中選擇四個(gè)角點(diǎn)即可突出顯示關(guān)注區(qū)域。對(duì)于某些振動(dòng)篩，在鉆井施工過程中，工人可能故意或意外地稍微改變攝像機(jī)角度，此時(shí)就需要重復(fù)選擇關(guān)注區(qū)域。為了使該過程自動(dòng)化，建立了一種更快的基于區(qū)域的卷積神經(jīng)網(wǎng)絡(luò)關(guān)注區(qū)域檢測(cè)方法，可以自動(dòng)檢測(cè)到包含巖屑流的區(qū)域。將原始視頻幀作為輸入信息，每個(gè)原始幀都被送入特征提取器，后者會(huì)生成特征圖，特征圖被輸入到一個(gè)更小的卷積神經(jīng)網(wǎng)絡(luò)中，分類整理后區(qū)分為背景類或關(guān)注區(qū)域類。如果將區(qū)域確定為需要關(guān)注，則區(qū)域回歸器將進(jìn)一步調(diào)整其坐標(biāo)、寬度和高度，實(shí)現(xiàn)自動(dòng)關(guān)注。
關(guān)注區(qū)域內(nèi)部隨機(jī)抽樣：在更快的卷積神經(jīng)網(wǎng)絡(luò)框架的基礎(chǔ)上，用戶可以在視頻流的開始通過手動(dòng)選擇關(guān)注區(qū)域，也可以由插播區(qū)域自動(dòng)選擇。 但是振動(dòng)或吹風(fēng)可能會(huì)導(dǎo)致相機(jī)的位置和角度發(fā)生輕微變化，在沒有運(yùn)動(dòng)補(bǔ)償?shù)那闆r下訓(xùn)練系統(tǒng)，則會(huì)降低準(zhǔn)確性，為此研究人員提出了一種隨機(jī)化的子采樣策略來克服這個(gè)問題。
主成分分析增白轉(zhuǎn)換：主成分的增白轉(zhuǎn)換將立即應(yīng)用于視頻幀，然后再將其饋入神經(jīng)網(wǎng)絡(luò)， 目標(biāo)是減少輸入的冗余度，消除了相鄰幀之間的潛在相關(guān)性，并有可能改善模型的收斂性。
為了評(píng)估方法的準(zhǔn)確性，在實(shí)時(shí)視頻流上測(cè)試了所提出的方法，并將模型軟件的實(shí)時(shí)分類結(jié)果與工程師手動(dòng)分析進(jìn)行了比較，將巖屑體積分為四個(gè)離散級(jí)別：超重、重、輕和無，每個(gè)視頻都由四位專家標(biāo)記。測(cè)試結(jié)果表明，該系統(tǒng)可以在不丟幀的情況下實(shí)時(shí)處理流視頻，并對(duì)所有巖屑類別進(jìn)行了成功分類。與傳統(tǒng)的工程師手動(dòng)標(biāo)記分析的結(jié)果相比，該方法能夠?qū)崟r(shí)分類、處理速度快而且精度更高。
微信公眾號(hào)
微信視頻號(hào)
京公網(wǎng)安備11010502053156號(hào)