CN112802043B - 一种基于形状参数的压裂支撑剂球度测量方法 - Google Patents
一种基于形状参数的压裂支撑剂球度测量方法 Download PDFInfo
- Publication number
- CN112802043B CN112802043B CN202110010789.9A CN202110010789A CN112802043B CN 112802043 B CN112802043 B CN 112802043B CN 202110010789 A CN202110010789 A CN 202110010789A CN 112802043 B CN112802043 B CN 112802043B
- Authority
- CN
- China
- Prior art keywords
- propping agent
- fracturing propping
- sphericity
- particle image
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 72
- 239000002245 particle Substances 0.000 claims abstract description 156
- 238000001514 detection method Methods 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims description 20
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000001914 filtration Methods 0.000 claims description 12
- 238000003709 image segmentation Methods 0.000 claims description 11
- 238000003708 edge detection Methods 0.000 claims description 9
- 238000009499 grossing Methods 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000005429 filling process Methods 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000001629 suppression Effects 0.000 claims description 3
- 239000013589 supplement Substances 0.000 claims 1
- 238000005259 measurement Methods 0.000 abstract description 15
- 238000000691 measurement method Methods 0.000 abstract description 5
- 239000003795 chemical substances by application Substances 0.000 description 89
- 238000005516 engineering process Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000011179 visual inspection Methods 0.000 description 3
- 241000282414 Homo sapiens Species 0.000 description 2
- 101001105692 Homo sapiens Pre-mRNA-processing factor 6 Proteins 0.000 description 2
- 102100021232 Pre-mRNA-processing factor 6 Human genes 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明属于油气田压裂支撑剂检测技术领域，特别涉及一种基于形状参数的压裂支撑剂球度测量方法。一种基于形状参数的压裂支撑剂球度测量方法，包括以下步骤：提取标准压裂支撑剂模板中所有颗粒图像边缘；得到每个颗粒图像的最大内切圆半径和最小外接圆半径的比值以及对应的球度值并进行高阶曲线拟合，进而得到判定压裂支撑剂球度拟合系数最高的关系表达式；提取任意一幅经处理的压裂支撑剂颗粒图像的边缘，求取其最大内切圆半径与其最小外接圆半径之间的比值，代入得到的关系表达式，求得压裂支撑剂颗粒的球度值。本发明通过压裂支撑剂边缘的形状参数与球度的关系，得到压裂支撑剂球度测量方法，实现压裂支撑剂球度快速、准确的智能化测量。
Description
技术领域
本发明属于油气田压裂支撑剂检测技术领域，特别涉及一种基于形状参数的压裂支撑剂球度测量方法。
背景技术
压裂技术作为一种新兴改造油气田的有效方式，已经被人们熟知并广泛应用。压裂技术是利用人为外加超高的压力使得岩层产生不同程度的裂缝，然后将流体注入到裂缝内，从而能形成一个易于油气流通的通道。为了使压裂后产生的裂缝能够一直保持其开启的状态，通常向流体中注入颗粒状的压裂支撑剂。
根据压裂工艺要求采用的压裂支撑，必须是具有一定圆度和球度的固体颗粒，且颗粒的圆球度值越高越好。压裂支撑剂性能和质量的优劣对油气的导流程度起着至关重要的影响，直接决定油汽产量的多少。目前，对于圆度和球度的评价常用目测通过球度和圆度模版对照进行人工标定确定，即一般是在显微镜下，调节其放大倍数在30～40倍之间或者通过显微照相技术对支撑剂颗粒进行拍照，然后再与行业规定标准的球度和圆度模板Krumbein-Sloss模板对比，根据采集的所有颗粒图像，确定每一个支撑剂颗粒的球度值和圆度值。
然而，这种人工目测标定的方法，受人为干扰的概率很大，容易受到外部因素的影响，这就会使测量的球度值和圆度值结果不准确，导致依据不充分，溯源性也就比较差。同时还要考虑到人工容易疲劳，工作效率不能得到有效保证，不能对多批次大量的压裂支撑剂颗粒性能和质量的测定。
发明内容
针对上述问题，本发明的目的是提供一种基于形状参数的压裂支撑剂球度测量方法，通过压裂支撑剂边缘的形状参数与球度的关系，得到压裂支撑剂球度测量方法，实现压裂支撑剂球度快速、准确的智能化测量。
本发明的技术方案在于：一种基于形状参数的压裂支撑剂球度测量方法，包括以下步骤：
S1：选取标准压裂支撑剂模板，对标准压裂支撑剂模板中的支撑剂颗粒图像进行处理，提取标准压裂支撑剂模板中所有颗粒图像边缘；
S2：计算S1中提取的每个标准压裂支撑剂模板颗粒图像的最大内切圆半径和最小外接圆半径；
S3：根据S2中提取的标准压裂支撑剂颗粒图像的最大内切圆半径和最小外接圆半径，得到其半径之间的比值以及对应的球度值；
S4：根据S3中得到的标准压裂支撑剂颗粒图像的最大内切圆半径和最小外接圆半径之间的比值以及对应的球度值，构建半径比值和球度值的数据集合；
S5：根据S4中得到的数据集合进行高阶曲线拟合，得到判定压裂支撑剂球度拟合系数最高的关系表达式；
S6：获取待测量压裂支撑剂颗粒图像并进行处理，提取任意一幅经处理的压裂支撑剂颗粒图像的边缘，求取其最大内切圆半径与其最小外接圆半径之间的比值，代入S5得到的关系表达式，求得压裂支撑剂颗粒的球度值。
所述S1中标准压裂支撑剂模板为Krumbein-Sloss模板，Krumbein-Sloss模板中有20个标准压裂支撑剂模板颗粒。
所述S4中标准压裂支撑剂颗粒图像的最大内切圆半径和最小外接圆半径之间的比值以及对应的球度值共有20个数据对，同时加上标准圆形和线段的数据对，组成一个22个数据对的集合，在所述S5中对其进行高阶曲线拟合，得到判定系数最高的关系表达式，如下所示：
其中，i是每个标准颗粒的序号；Di是Krumbein-Sloss模板中20个标准压裂支撑剂颗粒的最大内切圆半径与其最小外接圆半径之间的比值；Qi是第i个压裂支撑剂颗粒的球度值。
所述S1中提取标准压裂支撑剂模板中所有颗粒图像边缘、S6中提取压裂支撑剂颗粒图像的边缘均采用Canny算子边缘检测方法，具体包括如下步骤：
S11：对颗粒图像灰度变换处理后，进行高斯滤波以优化图像的边缘，减少噪声对边缘的影响，使其满足第一准则的数学表达式为：
并满足第二准则的表达式为：
当对f的尺度进行变化时，令fw(x)＝f(x/w)，得出：
S12：利用一阶导数算子求出各个像素点的梯度值，公式如下：
设定经过平滑后的图像矩阵为I[i,j]，则x和y方向的偏导数的矩阵表达式为：
S13：采用非极大值抑制方法寻找边缘点，包括以下操作：保留梯度方向相邻像素梯度的最大梯度值，并标记为1，1表示可能边缘点，其他标记为0，0为非边缘点，表达式如下：
N[i,j]＝NMS(M[i,j],ξ[i,j]) (7)
其中，公式(7)的零值点就是非边缘点；利用边缘点和非边缘点的对比度寻找真实的边缘点；
S14：采用双阈值检测处理对颗粒图像进行边缘检测，包括以下步骤：首先设置两个阈值Th和Tl，然后检测经上述S11、S12、S13步骤处理后的图像，将所有大于阈值Th的点分为一类，将大于阈值Tl保留为另一类；双阈值检测后，得到两个阈值边缘图像矩阵Th[i,j]和Tl[i,j]；以高阈值检测的矩阵Th[i,j]为基础，低阈值检测得到的矩阵Tl[i,j]为补充，两个矩阵相互结合来提取比较完整的图像的边缘。
所述S6中对压裂支撑剂颗粒图像进行的处理，包括以下步骤：
S61：采用高斯滤波对采集到的颗粒图像进行平滑处理，用于优化图像边缘，减少消除噪声对边缘的影响；
S62：采用Otsu最优阈值分割法对平滑处理后的颗粒图像进行图像分割，以提取颗粒图像中的压裂支撑剂颗粒；
S63：通过形态学算法，对图像分割后的去除压裂支撑剂颗粒处理，以剔除压裂支撑剂颗粒区域中不必要的孔洞；
S64：通过区域标记处理以区分不同的压裂支撑剂颗粒。
所述S61中采用高斯滤波对采集到的颗粒图像进行平滑处理，高斯滤波中的高斯序列由根据公式生成；
其中，P(z)表示灰度值，μ表示z的平均值或期望值，σ表示z的标准差，标准差的平方σ2为z的方差。
所述S62中采用Otsu最优阈值分割法对平滑处理后的颗粒图像进行图像分割，包括以下步骤：
S621：对颗粒图像进行直方图统计；
S622：根据直方图获得颗粒图像中像素点的平均值；
S623：根据直方图统计，对直方图进行归一化处理；
S624：根据直方图获得类间方差矩阵，得出最大类间方差；
S625：通过最大类间方差得出类间方差最大值的阈值，确定最优阈值；
S626：根据最优阈值对压裂支撑剂的颗粒图像进行分割。
所述S63中通过膨胀算法对图像分割处理后的颗粒图像进行孔洞填充处理，以剔除压裂支撑剂颗粒图像区域中不必要的孔洞；孔洞填充处理包括以下步骤：
S631：记录颗粒图像中邻域点的位置；
S632：检测邻域点像素；
S633：根据邻域点像素对颗粒图像中的孔洞进行填充。
所述S631中记录颗粒图像中邻域点的位置，具体步骤包括:
S6311：初始化图像所有像素点的区域序号为0，从颗粒图像中最左上的点开始，逐行进行扫描，将扫描到的第一个像素值为0的点作为起始点，并标记该点的区域序号为1；
S6312：扫描下一个点；如果该点像素值为0，则判断此点八邻域中各点的情况；如其中有一点的区域序号不为0，则令该点的区域序号与之相同；如果该点的八邻域中所有点的区域序号都为0，则该点属于新的区域，令其区域序号为当前区域序号最大值加1；
S6313：将颗粒图像中所有点扫描完毕后，将压裂支撑剂颗粒图像中的不同压裂支撑剂颗粒按照区域位置进行标记。
本发明的技术效果在于：本发明通过确定标准压裂支撑剂模板中所有颗粒图像边缘对应最大内切圆半径与最小外接圆半径比值与其所对应的球度值之间的关系，然后确定每一颗支撑剂颗粒的最大内切圆半径与最小外接圆半径比值，利用高阶曲线拟合球度与比值之间的关系，带入对应的高阶曲线方程即可确定其球度值。本发明提供的基于形状参数的压裂支撑剂球度测量方法测量准确、精度和效率高，极大地节省了人力成本，提高了测定效率。
以下将结合附图进行进一步的说明。
附图说明
图1为本发明一种基于形状参数的压裂支撑剂球度测量方法的流程图。
图2为本发明一种基于形状参数的压裂支撑剂球度测量方法的的Krumbein-Sloss球度和圆度模板。
图3为本发明一种基于形状参数的压裂支撑剂球度测量方法的Canny算子边缘检测方法流程图。
图4为本发明一种基于形状参数的压裂支撑剂球度测量方法的检测边缘类型示意图。
图5为本发明一种基于形状参数的压裂支撑剂球度测量方法的Canny算子边缘检测结果示意图。
图6为本发明一种基于形状参数的压裂支撑剂球度测量方法的颗粒图像进行处理的流程图。
图7为本发明一种基于形状参数的压裂支撑剂球度测量方法的支撑剂颗粒边缘划分成不同段数并用不同阶数曲线拟合后的平均判定系数实验结果图。
图8为本发明一种基于形状参数的压裂支撑剂球度测量方法的球度测量值和人工标定球度值的分布饼状图。
图9为本发明一种基于形状参数的压裂支撑剂球度测量方法的球度测量值和人工标定值的对比图。
具体实施方式
实施例1
为了克服现有人工目测标定压裂支撑剂球度的方法受人为干扰的概率很大、测量的球度值和圆度值结果不准确的问题，本发明提供了一种基于形状参数的压裂支撑剂球度测量方法，通过压裂支撑剂边缘的形状参数与球度的关系，得到压裂支撑剂球度测量方法，实现压裂支撑剂球度快速、准确的智能化测量。
一种基于形状参数的压裂支撑剂球度测量方法，包括以下步骤：
S1：选取标准压裂支撑剂模板，对标准压裂支撑剂模板中的支撑剂颗粒图像进行处理，提取标准压裂支撑剂模板中所有颗粒图像边缘；
S2：计算S1中提取的每个标准压裂支撑剂模板颗粒图像的最大内切圆半径和最小外接圆半径；
S3：根据S2中提取的标准压裂支撑剂颗粒图像的最大内切圆半径和最小外接圆半径，得到其半径之间的比值以及对应的球度值；
S4：根据S3中得到的标准压裂支撑剂颗粒图像的最大内切圆半径和最小外接圆半径之间的比值以及对应的球度值，构建半径比值和球度值的数据集合；
S5：根据S4中得到的数据集合进行高阶曲线拟合，得到判定压裂支撑剂球度拟合系数最高的关系表达式；
S6：获取待测量压裂支撑剂颗粒图像并进行处理，提取任意一幅经处理的压裂支撑剂颗粒图像的边缘，求取其最大内切圆半径与其最小外接圆半径之间的比值，代入S5得到的关系表达式，求得压裂支撑剂颗粒的球度值。
如图1所示，本发明通过确定标准压裂支撑剂模板中所有颗粒图像边缘对应最大内切圆半径与最小外接圆半径比值与其所对应的球度值之间的关系，然后确定每一颗支撑剂颗粒的最大内切圆半径与最小外接圆半径比值，利用高阶曲线拟合球度与比值之间的关系，带入对应的高阶曲线方程即可确定其球度值。本发明提供的基于形状参数的压裂支撑剂球度测量方法测量准确、精度和效率高，极大地节省了人力成本，提高了测定效率。
如图2所示，优选的，所述S1中标准压裂支撑剂模板为Krumbein-Sloss模板，Krumbein-Sloss模板中有20个标准压裂支撑剂模板颗粒。
实际使用过程中，所述S1中标准压裂支撑剂模板为Krumbein-Sloss模板，它是由Krumbein和Sloss在1950年提出的，该模板也是API RP60采用的球度模版，在Krumbein-Sloss提出的API RP60模板中有20个模板颗粒图像，四列中每一列对应一个球度值。
如图3所示，优选的，所述S1中提取标准压裂支撑剂模板中所有颗粒图像边缘、S6中提取压裂支撑剂颗粒图像的边缘均采用Canny算子边缘检测方法，具体包括如下步骤：
S11：对颗粒图像灰度变换处理后，进行高斯滤波以优化图像的边缘，减少噪声对边缘的影响，使其满足第一准则的数学表达式为：
并满足第二准则的表达式为：
当对f的尺度进行变化时，令fw(x)＝f(x/w)，得出：
S12：利用一阶导数算子求出各个像素点的梯度值，公式如下：
设定经过平滑后的图像矩阵为I[i,j]，则x和y方向的偏导数的矩阵表达式为：
S13：采用非极大值抑制方法寻找边缘点，包括以下操作：保留梯度方向相邻像素梯度的最大梯度值，并标记为1，1表示可能边缘点，其他标记为0，0为非边缘点，表达式如下：
N[i,j]＝NMS(M[i,j],ξ[i,j]) (7)
其中，公式(7)的零值点就是非边缘点；利用边缘点和非边缘点的对比度寻找真实的边缘点；
S14：采用双阈值检测处理对颗粒图像进行边缘检测，包括以下步骤：首先设置两个阈值Th和Tl，然后检测经上述S11、S12、S13步骤处理后的图像，将所有大于阈值Th的点分为一类，将大于阈值Tl保留为另一类；双阈值检测后，得到两个阈值边缘图像矩阵Th[i,j]和Tl[i,j]；以高阈值检测的矩阵Th[i,j]为基础，低阈值检测得到的矩阵Tl[i,j]为补充，两个矩阵相互结合来提取比较完整的图像的边缘。
实际处理过程中，边缘是指图像中其周围像素灰度值有阶跳性变化和屋顶状，灰度值由增加到减少的变化转折点、变化的那些像素的集合。边缘存在于目标与背景、目标与目标、区域与区域之间。选择像素灰度为参考，像素灰度的梯度值变化情况反映了边缘点的分布情况。也就是说，边缘表示物体的外观轮廓特征，同时边缘还是图像分析的重要参考特征。如图4所示，本发明的边缘类型按照图像灰度的变化，图像的边缘可以分为两种：第一种是阶跳状边缘，这种边缘主要位于灰度值差异较大的地方，即从一个灰度直接跳到比它高很多的另一个灰度。阶跳边缘所在的斜坡倾斜角度接近90°，如图4中(a)所示。第二种是屋顶状边缘，它位于灰度值从增加到减少的转折处，即在边缘区域，灰度值慢慢增加到一定程度然后慢慢减小，见图4中(b)所示。如图5所示，以实际的压裂支撑剂颗粒二值化图像为例，采用双阈值检测处理对颗粒图像进行边缘检测，能提取完整的图像的边缘。
如图6所示，所述S6中对压裂支撑剂颗粒图像进行的处理，通过对颗粒图像进行平滑处理、图像分割、孔洞填充和区域标记，然后对处理后的压裂支撑剂的颗粒图像进行边缘提取和几何特征的提取，具体包括以下步骤：
S61：采用高斯滤波对采集到的颗粒图像进行平滑处理，用于优化图像边缘，减少消除噪声对边缘的影响；
S62：采用Otsu最优阈值分割法对平滑处理后的颗粒图像进行图像分割，以提取颗粒图像中的压裂支撑剂颗粒；
S63：通过形态学算法，对图像分割后的去除压裂支撑剂颗粒处理，以剔除压裂支撑剂颗粒区域中不必要的孔洞；
S64：通过区域标记处理以区分不同的压裂支撑剂颗粒。
所述S61中采用高斯滤波对采集到的颗粒图像进行平滑处理，高斯滤波中的高斯序列由根据公式生成；
其中，P(z)表示灰度值，μ表示z的平均值或期望值，σ表示z的标准差，标准差的平方σ2为z的方差。
所述S62中采用Otsu最优阈值分割法对平滑处理后的颗粒图像进行图像分割，包括以下步骤：
S621：对颗粒图像进行直方图统计；
S622：根据直方图获得颗粒图像中像素点的平均值；
S623：根据直方图统计，对直方图进行归一化处理；
S624：根据直方图获得类间方差矩阵，得出最大类间方差；
S625：通过最大类间方差得出类间方差最大值的阈值，确定最优阈值；
S626：根据最优阈值对压裂支撑剂的颗粒图像进行分割。
所述S63中通过膨胀算法对图像分割处理后的颗粒图像进行孔洞填充处理，以剔除压裂支撑剂颗粒图像区域中不必要的孔洞；孔洞填充处理包括以下步骤：
S631：记录颗粒图像中邻域点的位置；
S632：检测邻域点像素；
S633：根据邻域点像素对颗粒图像中的孔洞进行填充。
所述S631中记录颗粒图像中邻域点的位置，具体步骤包括:
S6311：初始化图像所有像素点的区域序号为0，从颗粒图像中最左上的点开始，逐行进行扫描，将扫描到的第一个像素值为0的点作为起始点，并标记该点的区域序号为1；
S6312：扫描下一个点；如果该点像素值为0，则判断此点八邻域中各点的情况；如其中有一点的区域序号不为0，则令该点的区域序号与之相同；如果该点的八邻域中所有点的区域序号都为0，则该点属于新的区域，令其区域序号为当前区域序号最大值加1；
S6313：将颗粒图像中所有点扫描完毕后，将压裂支撑剂颗粒图像中的不同压裂支撑剂颗粒按照区域位置进行标记。
实际处理过程中，本发明通过对颗粒图像进行平滑处理、图像分割、孔洞填充和区域标记，对采集的压裂支撑剂的颗粒图像进行处理，为压裂支撑剂的球度测定奠定了基础。
优选的，所述S4中标准压裂支撑剂颗粒图像的最大内切圆半径和最小外接圆半径之间的比值以及对应的球度值共有20个数据对，同时加上标准圆形和线段的数据对，组成一个22个数据对的集合，在所述S5中对其进行高阶曲线拟合，得到判定系数最高的关系表达式，如下所示：
其中，i是每个标准颗粒的序号；Di是Krumbein-Sloss模板中20个标准压裂支撑剂颗粒的最大内切圆半径与其最小外接圆半径之间的比值；Qi是第i个压裂支撑剂颗粒的球度值。
实际处理过程中，本发明通过Krumbein-Sloss模板中20个颗粒的边缘对应最大内切圆半径与最小外接圆半径比值与其所对应的球度值之间的关系，表1列出了20个标准模板颗粒的最大内切圆半径ri和最小外接圆半径Ri之间的比值Di＝ri/Ri以及它们各自对应的球度值Qi之间的关系，如表1所示：
表1 Qi和Di之间的关系
如图7所示，为本发明的支撑剂颗粒边缘划分成不同段数并用不同阶数曲线拟合后的平均判定系数实验结果图。实验结果表明Qi和Di之间用一条5阶曲线进行拟合符合判定系数最高且是递增函数的要求，其中，1-5阶拟合曲线均是递增函数，但5阶曲线的判定系数最高；6-10阶曲线的判定系数虽然都比5阶曲线高，但在Di∈[0,1]的区间内均存在不是递增函数的区间，如图7中黑色圈内所示。
实施例2
本发明通过Krumbein-Sloss模板中20个颗粒的边缘对应最大内切圆半径与最小外接圆半径比值与其所对应的球度值之间的关系，首先确定每一颗压裂支撑剂颗粒的最大内切圆半径与最小外接圆半径比值，然后利用高阶曲线拟合球度与比值之间的关系，带入对应的高阶曲线方程即可确定其球度值。为了验证本发明的基于形状参数的压裂支撑剂球度测量方法的准确性，在显微镜上选取全圆环形反射光照明方式和30倍放大倍数的条件下，对8个批次共205个支撑剂颗粒的圆度球度测试结果进行人机比对，在压裂支撑剂颗粒测试中为了与行业标准一致，对本发明的压裂支撑剂的球度测量值统一取小数点后一位，测量的具体数据如下表2、表3所示：
表2本发明压裂支撑剂球度测量方法测得的球度、圆度数值
表3本发明压裂支撑剂球度测量方法测得的球度、圆度数值(续)
表2和表3详细记录的本发明的基于形状参数的压裂支撑剂球度测量方法测量的8个批次共205颗压裂支撑剂颗粒的球度和圆度数值，为了对压裂支撑剂批次进行有效的检定和区分，用饼状图对这个颗粒进行的分类，参照球度的测量值0.3、0.5、0.7、0.9，本发明的球度测量值和人工标定球度值的分布饼状图如图8所示。
图8中左侧是本发明的球度测量方法测量的球度值分布饼状图，右侧是人工标定球度值分布饼状图，通过对比发现，本发明测量的球度值和根据有经验的实验人员标定的球度值分布几乎一致，也就是本发明的基于形状参数的压裂支撑剂球度测量方法的测量的球度值数据准确，满足球度的测量要求。
如图9所示，通过本发明测量的平均球度值和目测标定的平均球度对比，图9中可以看出，批次1、3、6都没有达到行业标准，也就是说这3个批次的压裂支撑剂不能在实际中使用，剩余批次均达到行业标准，即球度值都超过了0.8。同时，本发明的基于形状参数的压裂支撑剂球度测量方法的对于压裂支撑剂样品测量的平均球度值，与有经验的实验人员目测标定的球度值一致，这就说明该***测量的球度值准确、有效，达到了对压裂支撑剂球度的智能化测量的目的。本发明降低了人力劳动强度和主观因素影响，同时提高了测定效率，为实现压裂支撑剂全面自动化测试奠定了基础。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。
Claims (7)
1.一种基于形状参数的压裂支撑剂球度测量方法，其特征在于：包括以下步骤：
S1：选取标准压裂支撑剂模板，对标准压裂支撑剂模板中的支撑剂颗粒图像进行处理，提取标准压裂支撑剂模板中所有颗粒图像边缘；
S2：计算S1中提取的每个标准压裂支撑剂模板颗粒图像的最大内切圆半径和最小外接圆半径；
S3：根据S2中提取的标准压裂支撑剂颗粒图像的最大内切圆半径和最小外接圆半径，得到其半径之间的比值以及对应的球度值；
S4：根据S3中得到的标准压裂支撑剂颗粒图像的最大内切圆半径和最小外接圆半径之间的比值以及对应的球度值，构建半径比值和球度值的数据集合；
S5：根据S4中得到的数据集合进行高阶曲线拟合，得到判定压裂支撑剂球度拟合系数最高的关系表达式；
S6：获取待测量压裂支撑剂颗粒图像并进行处理，提取任意一幅经处理的压裂支撑剂颗粒图像的边缘，求取其最大内切圆半径与其最小外接圆半径之间的比值，代入S5得到的关系表达式，求得压裂支撑剂颗粒的球度值；
所述S1中提取标准压裂支撑剂模板中所有颗粒图像边缘、S6中提取压裂支撑剂颗粒图像的边缘均采用Canny算子边缘检测方法，具体包括如下步骤：
S11：对颗粒图像灰度变换处理后，进行高斯滤波以优化图像的边缘，减少噪声对边缘的影响，使其满足第一准则的数学表达式为：
并满足第二准则的表达式为：
当对f的尺度进行变化时，令fw(x)＝f(x/w)，得出：
S12：利用一阶导数算子求出各个像素点的梯度值，公式如下：
设定经过平滑后的图像矩阵为I[i,j]，则x和y方向的偏导数的矩阵表达式为：
S13：采用非极大值抑制方法寻找边缘点，包括以下操作：保留梯度方向相邻像素梯度的最大梯度值，并标记为1，1表示可能边缘点，其他标记为0，0为非边缘点，表达式如下：
N[i,j]＝NMS(M[i,j],ξ[i,j]) (6)
其中，公式(6)的零值点就是非边缘点；利用边缘点和非边缘点的对比度寻找真实的边缘点；
S14：采用双阈值检测处理对颗粒图像进行边缘检测，包括以下步骤：首先设置两个阈值Th和Tl，然后检测经上述S11、S12、S13步骤处理后的图像，将所有大于阈值Th的点分为一类，将大于阈值Tl保留为另一类；双阈值检测后，得到两个阈值边缘图像矩阵Th[i,j]和Tl[i,j]；以高阈值检测的矩阵Th[i,j]为基础，低阈值检测得到的矩阵Tl[i,j]为补充，两个矩阵相互结合来提取比较完整的图像的边缘；
所述S6中对压裂支撑剂颗粒图像进行的处理，包括以下步骤：
S61：采用高斯滤波对采集到的颗粒图像进行平滑处理，用于优化图像边缘，减少消除噪声对边缘的影响；
S62：采用Otsu最优阈值分割法对平滑处理后的颗粒图像进行图像分割，以提取颗粒图像中的压裂支撑剂颗粒；
S63：通过形态学算法，对图像分割后的去除压裂支撑剂颗粒处理，以剔除压裂支撑剂颗粒区域中不必要的孔洞；
S64：通过区域标记处理以区分不同的压裂支撑剂颗粒。
2.根据权利要求1所述一种基于形状参数的压裂支撑剂球度测量方法，其特征在于：所述S1中标准压裂支撑剂模板为Krumbein-Sloss模板，所述Krumbein-Sloss模板中有20个标准压裂支撑剂模板颗粒。
3.根据权利要求1所述一种基于形状参数的压裂支撑剂球度测量方法，其特征在于：所述S4中标准压裂支撑剂颗粒图像的最大内切圆半径和最小外接圆半径之间的比值以及对应的球度值共有20个数据对，同时加上标准圆形和线段的数据对，组成一个22个数据对的集合，在所述S5中对其进行高阶曲线拟合，得到判定系数最高的关系表达式，如下所示：
其中，i是每个标准颗粒的序号；Di是Krumbein-Sloss模板中20个标准压裂支撑剂颗粒的最大内切圆半径与其最小外接圆半径之间的比值；Qi是第i个压裂支撑剂颗粒的球度值。
4.根据权利要求1所述一种基于形状参数的压裂支撑剂球度测量方法，其特征在于：所述S61中采用高斯滤波对采集到的颗粒图像进行平滑处理，高斯滤波中的高斯序列由根据公式生成；
其中，P(z)表示灰度值，μ表示z的平均值或期望值，σ表示z的标准差，标准差的平方σ2为z的方差。
5.根据权利要求1所述一种基于形状参数的压裂支撑剂球度测量方法，其特征在于：所述S62中采用Otsu最优阈值分割法对平滑处理后的颗粒图像进行图像分割，包括以下步骤：
S621：对颗粒图像进行直方图统计；
S622：根据直方图获得颗粒图像中像素点的平均值；
S623：根据直方图统计，对直方图进行归一化处理；
S624：根据直方图获得类间方差矩阵，得出最大类间方差；
S625：通过最大类间方差得出类间方差最大值的阈值，确定最优阈值；
S626：根据最优阈值对压裂支撑剂的颗粒图像进行分割。
6.根据权利要求1所述一种基于形状参数的压裂支撑剂球度测量方法，其特征在于：所述S63中通过膨胀算法对图像分割处理后的颗粒图像进行孔洞填充处理，以剔除压裂支撑剂颗粒图像区域中不必要的孔洞；孔洞填充处理包括以下步骤：
S631：记录颗粒图像中邻域点的位置；
S632：检测邻域点像素；
S633：根据邻域点像素对颗粒图像中的孔洞进行填充。
7.根据权利要求6所述一种基于形状参数的压裂支撑剂球度测量方法，其特征在于：所述S631中记录颗粒图像中邻域点的位置，具体步骤包括:
S6311：初始化图像所有像素点的区域序号为0，从颗粒图像中最左上的点开始，逐行进行扫描，将扫描到的第一个像素值为0的点作为起始点，并标记该点的区域序号为1；
S6312：扫描下一个点；如果该点像素值为0，则判断此点八邻域中各点的情况；如其中有一点的区域序号不为0，则令该点的区域序号与之相同；如果该点的八邻域中所有点的区域序号都为0，则该点属于新的区域，令其区域序号为当前区域序号最大值加1；
S6313：将颗粒图像中所有点扫描完毕后，将压裂支撑剂颗粒图像中的不同压裂支撑剂颗粒按照区域位置进行标记。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110010789.9A CN112802043B (zh) | 2021-01-06 | 2021-01-06 | 一种基于形状参数的压裂支撑剂球度测量方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110010789.9A CN112802043B (zh) | 2021-01-06 | 2021-01-06 | 一种基于形状参数的压裂支撑剂球度测量方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112802043A CN112802043A (zh) | 2021-05-14 |
| CN112802043B true CN112802043B (zh) | 2024-05-28 |
Family
ID=75808422
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110010789.9A Active CN112802043B (zh) | 2021-01-06 | 2021-01-06 | 一种基于形状参数的压裂支撑剂球度测量方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112802043B (zh) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106442230A (zh) * | 2016-10-11 | 2017-02-22 | 中国石油大学(华东) | 一种基于图像处理技术的压裂支撑剂圆度、球度检定方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| BR0301036B1 (pt) * | 2003-04-29 | 2013-09-10 | propante para fraturamento hidráulico de poços de petróleo ou de gás, bem como método para reduzir ou eliminar o fenômeno de reversão de fluxo em poços de petróleo ou de gás | |
| US20070114029A1 (en) * | 2005-11-18 | 2007-05-24 | Kazi M S | Hydraulic fracturing proppants and methods of use |
-
2021
- 2021-01-06 CN CN202110010789.9A patent/CN112802043B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106442230A (zh) * | 2016-10-11 | 2017-02-22 | 中国石油大学(华东) | 一种基于图像处理技术的压裂支撑剂圆度、球度检定方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112802043A (zh) | 2021-05-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114419025A (zh) | 一种基于图像处理的纤维板质量评估方法 | |
| CN112819809B (zh) | 一种岩石中矿物颗粒形态量化方法 | |
| CN108052886A (zh) | 一种小麦条锈病菌夏孢子自动统计计数方法 | |
| CN112132159A (zh) | 一种连续剖面点云特征分析的路面坑槽提取方法 | |
| CN112085699B (zh) | 一种基于二维图像的路面裂缝提取方法 | |
| CN110211128B (zh) | 基于遥感影像和dem的黄土高原梯田提取方法 | |
| CN112950659B (zh) | 一种用于压裂支撑剂显微放大的图像处理方法 | |
| CN114152211B (zh) | 一种基于显微图像处理的压裂支撑剂圆度测量方法 | |
| CN112802043B (zh) | 一种基于形状参数的压裂支撑剂球度测量方法 | |
| CN106324708B (zh) | 雨量记录图纸的数字化方法、装置 | |
| CN107507192B (zh) | 一种水稻剑叶夹角在体测量便携装置及在体测量方法 | |
| CN113744219A (zh) | 一种基于改进的分形学的岩石节理裂隙整体复杂度测量分析方法 | |
| CN107977968A (zh) | 基于建筑物阴影信息挖掘的建筑物分层检测方法 | |
| CN116660263A (zh) | 一种基于数字图像处理的注浆效果评价方法 | |
| CN113313727A (zh) | 结合形态学梯度的双门限阈值爆堆岩石块度图像分割方法 | |
| CN113762276B (zh) | 一种电力作业梯子角度检测方法 | |
| CN115640546A (zh) | 一种图像与特征信息融合的岩性识别方法 | |
| CN109615630A (zh) | 基于图像处理技术的半连续铸造铝硅合金微观组织分析方法 | |
| CN115641448A (zh) | 一种基于无人机遥感快速识别电力线下树障高度的方法 | |
| CN111915630B (zh) | 一种基于数据与模型联合驱动的陶瓷材料晶粒分割算法 | |
| Doulamis et al. | Generalized multiscale connected operators with applications to granulometric image analysis | |
| CN110335278B (zh) | 一种量化肿瘤微环境的胶质方向特征的方法 | |
| CN112613464A (zh) | 一种基于无人机影像匹配点云的高原梯田提取方法 | |
| Sun et al. | Automatic pavement cracks detection system based on Visual Studio C++ 6.0 | |
| CN104424639B (zh) | 基于形态学腐蚀的叶柄与叶片分割方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |