CN115356363B - 一种基于宽离子束抛光-扫描电镜的孔隙结构表征方法 - Google Patents
一种基于宽离子束抛光-扫描电镜的孔隙结构表征方法 Download PDFInfo
- Publication number
- CN115356363B CN115356363B CN202210917749.7A CN202210917749A CN115356363B CN 115356363 B CN115356363 B CN 115356363B CN 202210917749 A CN202210917749 A CN 202210917749A CN 115356363 B CN115356363 B CN 115356363B
- Authority
- CN
- China
- Prior art keywords
- pore
- sample
- mineral
- electron microscope
- porosity
- 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
- 239000011148 porous material Substances 0.000 title claims abstract description 143
- 238000010884 ion-beam technique Methods 0.000 title claims abstract description 24
- 238000012512 characterization method Methods 0.000 title claims abstract description 18
- 229910052500 inorganic mineral Inorganic materials 0.000 claims abstract description 63
- 239000011707 mineral Substances 0.000 claims abstract description 63
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000009826 distribution Methods 0.000 claims abstract description 24
- 230000011218 segmentation Effects 0.000 claims abstract description 16
- WFKWXMTUELFFGS-UHFFFAOYSA-N tungsten Chemical compound [W] WFKWXMTUELFFGS-UHFFFAOYSA-N 0.000 claims abstract description 14
- 229910052721 tungsten Inorganic materials 0.000 claims abstract description 14
- 239000010937 tungsten Substances 0.000 claims abstract description 14
- 238000007747 plating Methods 0.000 claims abstract description 13
- 238000012216 screening Methods 0.000 claims abstract description 7
- 238000005520 cutting process Methods 0.000 claims abstract description 5
- 239000010410 layer Substances 0.000 claims description 26
- 239000002734 clay mineral Substances 0.000 claims description 13
- 238000005498 polishing Methods 0.000 claims description 13
- 238000012937 correction Methods 0.000 claims description 9
- 239000007790 solid phase Substances 0.000 claims description 9
- 239000006185 dispersion Substances 0.000 claims description 7
- 230000004323 axial length Effects 0.000 claims description 6
- 239000003550 marker Substances 0.000 claims description 6
- 239000011229 interlayer Substances 0.000 claims description 5
- 230000006835 compression Effects 0.000 claims description 4
- 238000007906 compression Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 claims description 4
- 238000010894 electron beam technology Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 4
- 244000137852 Petrea volubilis Species 0.000 claims description 3
- 238000004220 aggregation Methods 0.000 claims description 3
- 230000002776 aggregation Effects 0.000 claims description 3
- 238000000265 homogenisation Methods 0.000 claims description 3
- 238000010191 image analysis Methods 0.000 claims description 3
- 239000011435 rock Substances 0.000 abstract description 8
- 238000004458 analytical method Methods 0.000 abstract description 7
- 230000000694 effects Effects 0.000 abstract 1
- 238000011156 evaluation Methods 0.000 abstract 1
- 230000000704 physical effect Effects 0.000 abstract 1
- 238000007781 pre-processing Methods 0.000 abstract 1
- 229910021532 Calcite Inorganic materials 0.000 description 6
- 239000001307 helium Substances 0.000 description 6
- 229910052734 helium Inorganic materials 0.000 description 6
- SWQJXJOGLNCZEY-UHFFFAOYSA-N helium atom Chemical compound [He] SWQJXJOGLNCZEY-UHFFFAOYSA-N 0.000 description 6
- 235000019738 Limestone Nutrition 0.000 description 5
- 239000006028 limestone Substances 0.000 description 5
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 4
- 230000001186 cumulative effect Effects 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 238000002459 porosimetry Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000000875 corresponding effect Effects 0.000 description 3
- 239000012530 fluid Substances 0.000 description 3
- 238000004626 scanning electron microscopy Methods 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 229910002092 carbon dioxide Inorganic materials 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 239000010432 diamond Substances 0.000 description 2
- 229910003460 diamond Inorganic materials 0.000 description 2
- 229910052900 illite Inorganic materials 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000036244 malformation Effects 0.000 description 2
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 description 2
- 229910052753 mercury Inorganic materials 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- JCXJVPUVTGWSNB-UHFFFAOYSA-N nitrogen dioxide Inorganic materials O=[N]=O JCXJVPUVTGWSNB-UHFFFAOYSA-N 0.000 description 2
- VGIBGUSAECPPNB-UHFFFAOYSA-L nonaaluminum;magnesium;tripotassium;1,3-dioxido-2,4,5-trioxa-1,3-disilabicyclo[1.1.1]pentane;iron(2+);oxygen(2-);fluoride;hydroxide Chemical compound [OH-].[O-2].[O-2].[O-2].[O-2].[O-2].[F-].[Mg+2].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[K+].[K+].[K+].[Fe+2].O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2 VGIBGUSAECPPNB-UHFFFAOYSA-L 0.000 description 2
- 239000012071 phase Substances 0.000 description 2
- 229910052683 pyrite Inorganic materials 0.000 description 2
- 239000011028 pyrite Substances 0.000 description 2
- NIFIFKQPDTWWGU-UHFFFAOYSA-N pyrite Chemical compound [Fe+2].[S-][S-] NIFIFKQPDTWWGU-UHFFFAOYSA-N 0.000 description 2
- 238000001179 sorption measurement Methods 0.000 description 2
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000010459 dolomite Substances 0.000 description 1
- 229910000514 dolomite Inorganic materials 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000009533 lab test Methods 0.000 description 1
- 238000003801 milling Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 239000010453 quartz Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 229910052717 sulfur Inorganic materials 0.000 description 1
- 239000011593 sulfur Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/22—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material
- G01N23/225—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material using electron or ion
- G01N23/2251—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material using electron or ion using incident electron beams, e.g. scanning electron microscopy [SEM]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
- G01N1/32—Polishing; Etching
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/08—Investigating permeability, pore-volume, or surface area of porous materials
- G01N15/088—Investigating volume, surface area, size or distribution of pores; Porosimetry
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Dispersion Chemistry (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明公开了一种基于宽离子束抛光‑扫描电镜的孔隙结构表征方法，包括以下步骤：步骤100、对岩心样品切割获得样品薄板，并对所述样品薄板进行预处理获得镀钨抛光面；步骤200、利用扫描电镜对所述样品薄板的镀钨抛光面进行顺次扫描并拼接形成全景图；步骤300、基于阈值分割方法筛选孔隙和划分矿物类型分别形成孔隙图层、矿物类型图层；步骤400、将孔隙图层和矿物类型图层进行叠合分析，并基于二维微观图像的孔隙度预测大尺寸三维柱状样品的孔隙度；本发明提供一种在大面积岩石样品表面直观研究各矿物相中孔隙形态、孔径分布与连通性的方法，岩心耗材少，孔隙度预测准确，可广泛应用于储层物性评价、成岩作用的研究中。
Description
技术领域
本发明涉及石油工程技术领域，具体涉及一种基于宽离子束抛光-扫描电镜的孔隙结构表征方法。
背景技术
孔隙是流体赋存于岩石中的基本储集空间，孔径范围和孔隙结构的连通性控制着流体在储层中的流动和运输。为了量化储层中孔隙度、储集能力、渗流特征之间的关系，对孔隙结构的定量表征显得尤为重要。
近年来压汞测孔隙度法、低压氮气或二氧化碳吸附法被广泛应用于孔隙结构的表征，然而这些方法都是基于对孔隙几何形态简化的假设，缺乏关于孔隙形态和连通性的直观信息。此外，孔隙的出现和分布可能与特定的矿物相有关，而流体侵入技术作用于岩石整体，无法获取相关信息。
随着成像技术的发展，扫描电镜逐渐能够提供高分辨率的图像用于纳米孔隙的研究，而宽离子束抛光技术(Broad ion beam milling，简称BIB)可制备毫米尺寸的平整且无裂缝、划痕的样品表面，将二者相结合可提供一种在相对大面积(平方毫米级别)范围内对样品孔隙结构进行定性和定量表征的方法。
发明内容
本发明的目的在于提供一种基于宽离子束抛光-扫描电镜的孔隙结构表征方法，结合扫描电镜以及宽离子束抛光技术对样品孔隙结构进行定性和定量的表征，以解决现有技术中采用理想化孔隙形态模型、获得的孔隙结构参数少，最终导致难以全面、准确表征岩石孔隙结构的技术问题。
为解决上述技术问题，本发明具体提供下述技术方案：
一种基于宽离子束抛光-扫描电镜的孔隙结构表征方法，包括以下步骤：
步骤100、对岩心样品切割获得样品薄板，并对所述样品薄板的任意一面依次进行砂纸打磨、宽离子束抛光和镀钨获得镀钨抛光面；
步骤200、利用扫描电镜对所述样品薄板的镀钨抛光面进行顺次扫描，并按照扫描顺序拼接形成全景图；
步骤300、基于阈值分割方法筛选孔隙和划分矿物类型，分别形成孔隙图层、矿物类型图层；
步骤400、将孔隙图层和矿物类型图层相叠合，分析不同类型矿物的孔隙度和孔隙结构参数，并基于二维微观图像的孔隙度预测大尺寸三维柱状样品的孔隙度。
进一步地，在步骤200中，利用扫描电镜对所述样品薄板的镀钨抛光面进行扫描的具体包括：
扫描电镜通过发射高能电子束到镀钨抛光面，所述高能电子束与样品表面原子相互作用产生相关的信号；
二次电子探测仪收集二次电子获得样品的孔隙和微观结构信息；
背散射电子探测仪收集背散射电子获取样品的矿物类型和分布信息；
能量色散X射线光谱仪收集特征X射线获取样品的元素丰度信息。
进一步地，利用配备了二次电子探测仪、背散射电子探测仪和能量色散X射线光谱仪的扫描电镜对所述样品薄板进行扫描，且每次扫描的相邻图像之间至少保持10％的图像重叠。
进一步地，按照扫描顺序将扫描获得的图像进行拼接的具体步骤为：
根据图像的重叠程度划定重叠区，并且在每个图像的所述重叠区内通过视觉识别获得标志物，并对每个标志物进行标记和标号；
在不同的图像上将识别的标志物进行匹配，并按照匹配结果在重叠区内进行拼接，并在拼接过程中以相邻标志物为基准对所述图像进行一定范围内的拉伸或压缩校正以完成无缝拼接；
在完成无缝拼接后，利用像素单位对拼接图案进行二次校正形成全景图像。
进一步地，在步骤300中，基于阈值分割筛选的具体步骤为：
对二次电子探测仪获得的全景图像进行阈值分割，根据灰度值的差异区分孔隙和固相，并勾勒出孔隙的边界将孔隙从所述全景图像中筛选出来形成孔隙图层；
对背散射电子探测仪得的全景图像进行阈值分割，根据灰度值的不同将固相划分为不同的矿物类型，并勾勒出每种矿物类型的边界以将不同矿物从所述全景图像中筛选出来形成矿物类型图层，同时利用能量色散X射线光谱仪获得的元素分布图验证不同类型矿物在二维平面上的分布。
进一步地，将所述孔隙图层和所述矿物类型图层进行叠合，并计算各个类型矿物的孔隙度，记录各类矿物的孔隙结构参数。
进一步地，所述孔隙结构参数包括孔隙形态、孔径分布和连通性；
其中，孔隙形态包括短轴长W、长轴长L、面积A、周长P、圆度4πA/P2以及伸长率1-W/L。
进一步地，对比不同尺寸全景图像中孔隙尺寸分布特征的具体方法为：
设不同尺寸全景图像的孔隙尺寸均以指数形式由小至大被分为i个组，其中，第i组(bi，bi+1)的组距为bi，且bi+1＝2bi；
对(bi，bi+1)范围内孔隙出现的频率Ni用组距bi和全景图像的面积Smosaic的乘积作归一化处理，若归一化后的孔隙频率Ni/(bi·Smosaic)与对应孔隙的面积Spore之间满足如下指数关系，则认为孔隙尺寸的分布具有自相似性，所述指数关系为：
其中，i为计量常数，i≥1，D为该指数关系的指数，C为常数。
进一步地，设定粘土矿物的最小层间距为μ，利用全景图像分析获得的指数关系将等效孔隙直径外推至μ，则所得到的孔隙度刚好在测得的大尺寸柱状样品的孔隙度范围内。
进一步地，在阈值分割中基于灰度值进行分割时，首先对灰度值进行频数统计，并按照灰度值的大小顺序排列，根据灰度值的聚集区间确定相邻灰度值的分界值或分界区间；
设定相邻分界值或分界区间之间的灰度值为一个有效区间，对每一个所述有效区间进行均一化处理从而在整个所述全景图像得到轮廓划分以便进行再次校正；
其中，分界区间远小于有效区间。
本发明与现有技术相比较具有如下有益效果：
本发明可实现对相对大面积的样品进行孔隙结构表征和矿物组分分析，并对各个矿物的孔隙结构进行逐一分析；利用归一化的孔隙频率与孔隙面积的指数关系，可实现基于二维微观图像的孔隙度预测大尺寸柱状样品的孔隙度，无需对三维样品进行逐一测量，操作可控性强，复杂度低。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引申获得其它的实施附图。
图1为基于宽离子束抛光-扫描电镜的孔隙结构表征的流程图。
图2为本实施方式中方解石(a)和粘土矿物(b)的孔隙尺寸分布图。
图3为本实施方式中方解石和粘土矿物中归一化的孔隙频率Ni/(bi·Smosaic)与孔隙面积Spore之间的关系。
图4为本实施方式中外推后的累计总孔隙度分布图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明中，其基本流程包括四个方面，按照先后处理的顺序依次为样品制备(包括样品的预处理)、图像的获取、图像处理和孔隙结果的分析。如图1所示，为了更好的说明该表征方法，将结合具体的实例进行说明，本发明提供了一种基于宽离子束抛光-扫描电镜的孔隙结构表征方法，包括以下步骤：
步骤100、对岩心样品切割获得样品薄板，并对所述样品薄板的任意一面依次进行砂纸打磨、宽离子束抛光和镀钨获得镀钨抛光面。
其中，对岩心样品的处理包括切割、砂纸打磨、宽离子束抛光和镀钨，其具体的方法包括如下方式：
首先，使用金刚石锯片从Cobourg灰岩岩心上切割下一块约1×1×1cm3左右的样品薄板，用金刚砂纸对样品薄板的其中一面进行初步打磨；
其次，将手工打磨后的样品薄板置于型号为JEOL SM-09010的宽离子束抛光机上，宽离子束与薄板之间呈高角度，在6kV加速电压下抛光8小时；
最后，在抛光后的样品薄板上均匀涂上一层钨后在型号为Zeiss Supra 55的扫描电镜下进行扫描。
在前述中，切割得到的样品薄板中尽量选择较少或没有裂缝的一面以避免在后续的打磨抛光中造成裂缝扩大或形成新的裂缝。
该扫描过程中获得的信号包括二次电子(secondary electron，简称SE2)、背散射电子(backscatter electron，简称BSE)和特征X射线，该射线通过能量色散X射线光谱仪分析可获得能量色散X射线图(energy-dispersive X-ray，简称EDX)。
步骤200、利用扫描电镜对所述样品薄板的镀钨抛光面进行顺次扫描，并按照扫描顺序拼接形成全景图。
利用扫描电镜对所述样品薄板的镀钨抛光面进行扫描的具体包括：
扫描电镜通过发射高能电子束到镀钨抛光面，这些高能电子与样品表面原子相互作用产生相关的信号。
二次电子探测仪收集二次电子获得样品的孔隙和微观结构信息；
背散射电子探测仪收集背散射电子获取样品的矿物类型和分布信息；
能量色散X射线光谱仪收集特征X射线获取样品的元素丰度信息。
在前述利用配备了二次电子探测仪、背散射电子探测仪和能量色散X射线光谱仪的扫描电镜对所述样品薄板进行扫描，每次扫描的相邻图像之间至少保持10％的图像重叠，一般选择10％～20％，以更好的实现相邻图像在拼接软件中的定位和对齐处理。
对图像进行部分的重叠，目的在于使一定的微观结构特征同时出现在两个相邻的图片上，从而方便图像进行拼接，在本实施方式中采用Autopano Giga2.6软件对获取的上百张图片进行拼接，在拼接的过程为了使得图片能够有序拼接，按照扫描的顺序逐次进行拼接，其拼接的具体方式为：
根据图像的重叠程度划定重叠区，并且在每个图像的所述重叠区内通过视觉识别获得标志物，并对每个标志物进行标记和标号；
在不同的图像上将识别的标志物进行匹配，并按照匹配结果在重叠区内进行拼接，并在拼接过程中以相邻标志物为基准对所述图像进行一定范围的拉伸或压缩校正以完成无缝拼接；
在完成无缝拼接后，利用像素单位对拼接图案进行二次校正形成全景图像。
在本实施例中，为了提高拼接的效率以及拼接后全景图像的不发生畸形变化，首先采用标志物进行粗拉伸使得扫描后的图像能够快速进行拼接形成无缝连接，之后通过像素单位对拼接后的图像进行二次校正形成完整的、精确到像素单位的全景图像，需要说明的是，由于在拼接的过程中不可避免的会产生拉伸或压缩而导致的图像畸形，在该实施例中，主要采用两种方式解决前述问题，第一种方式为以标志物自身或相邻或者区域内的标志物作为基准的连线作为标准进行修正，从而尽最大可能保证有形变图像的拼接；第二种方式为借助重叠区域图像进行图像互补。
在本实施例中，最终形成的全景图像面积约为1mm2，其中包含10个像素面积的孔隙被当作“可识别”的最小孔隙，其等效的圆形孔隙的直径为52nm。
步骤300、基于阈值分割方法筛选孔隙和划分矿物类型，分别形成孔隙图层、矿物类型图层。
基于阈值分割筛选的具体步骤为：
对二次电子探测仪获得的全景图像进行阈值分割，根据灰度值的不同区分孔隙和固相，并勾勒出孔隙的边界将孔隙从所述全景图像中筛选出来形成孔隙图层；
对背散射电子探测仪得的全景图像进行阈值分割，根据灰度值的不同将固相划分为不同的矿物类型，并勾勒出每种矿物类型的边界以将不同矿物类型从所述全景图像中筛选出来形成矿物类型图层，同时利用能量色散X射线光谱仪获得的元素分布图验证每种矿物类型在二维平面上的分布。
在前述中，不论是孔隙的识别还是矿物类型的划分均依赖于灰度识别，然而在实际操作中，由于孔隙和不同类型矿物的灰度值是不确定的，而且可能在一定范围内变化，因此在实际处理的过程中往往难以确定灰度值的分界点或者分界区间(存在过渡带)，不利于孔隙和矿物类型的阈值分割。
为了解决前述问题，在本发明中，在阈值分割中基于灰度值进行分割时，考虑到同一个取样位置的孔隙和矿物基本特征相似，因此根据同一灰度值出现的频数来确定分界值或分界区间。
其具体方式为：
首先对灰度值进行频数统计，并按照灰度值的大小顺序排列，根据灰度值的聚集区间确定相邻灰度值的分界值或分界区间；
设定相邻分界值或分界区间之间的灰度值为一个有效区间，对每一个所述有效区间进行均一化处理从而在整个所述全景图像得到轮廓划分以便进行再次校正。
在前述中，每一个有效区间即对应孔隙或固相，或一种矿物类型，这主要取决于是在二次电子探测仪、背散射电子探测仪中取得的全景图像。
而且，为了进行有效的区分，尽可能缩减边界所占的比例，分界区间远小于有效区间。
在本实施方式中采用ArcMap软件中对SE2图像进行阈值分割，根据灰度值的不同区分开孔隙与固相(包括矿物以及其他组成成分的固态物)。当完成孔隙和固相的区分后，ArcMap软件自带的空间分析工具通过多边形勾勒出孔隙的边界，以这种方式可快速自动将孔隙从图像中筛选出来。
为了提高准确程度，在自动筛选结束后，所有孔隙边界需要进行人工检查，对于少量错误的分割还需要进一步编辑。
同样地，在ArcMap软件中对BSE图像进行阈值分割，根据灰度值的不同将Cobourg灰岩矿物类型划分为方解石、白云石、石英、粘土矿物以及黄铁矿，BSE图像对应的EDX图像用来进一步验证各个矿物相在二维平面上的分布。
如：BSE图像中黄铁矿的分布区对应于EDX图像中铁元素和硫元素的富集区。
步骤400、将孔隙图层和矿物类型图层相叠合，分析不同类型矿物的孔隙度和孔隙参数，并基于二维微观图像的孔隙度预测大尺寸三维柱状样品的孔隙度。
将所述孔隙图层和所述矿物类型图层进行叠合，并计算各个类型矿物的孔隙度，记录各类矿物的孔隙结构参数。
进一步地，所述孔隙结构参数包括孔隙形态、孔径分布和连通性，孔隙的连通性分析局限于二维平面中相邻孔隙之间的连通情况。
其中，孔隙形态包括短轴长W、长轴长L、面积A、周长P、圆度4πA/P2以及伸长率1-W/L。
为了对孔隙的大小进行分类，孔隙尺寸均以指数形式由小至大被分为i个组，其中，第i组(bi，bi+1)的组距为bi，且bi+1＝2bi，如图2所示。在这里需要强调的是，为比较不同尺寸全景图像中孔隙尺寸的分布特征，采用相同的方法进行归一化处理，其具体方式在下文中进一步说明。
当将孔隙尺寸均以指数形式由小至大分为多个组时，对(bi，bi+1)范围内的孔隙出现的频率Ni用组距bi和全景图像的面积Smosaic的乘积作归一化处理，观察归一化后的孔隙频率Ni/(bi·Smosaic)与对应孔隙的面积Spore之间的关系，若满足如下指数关系，则认为孔隙尺寸的分布具有自相似性，所述指数关系为：
其中，i为计量常数，i≥1，D为该指数关系的指数，C为常数。
在本实施方式中，在利用归一化的孔隙频率与孔隙面积的指数关系对孔隙直径进行外推时，需要结合实际岩石样品的矿物组成和矿物内部结构，考虑合理的最小孔隙直径范围。为了预测大尺寸柱状样品的孔隙度范围，需要引入氦孔隙度仪进行测量。
首先对每种类型矿物的孔隙度验证，验证基于二维图像的孔隙度预测与实验室测试结果吻合。在图3中，利用公式y＝-2.59x-1.32，R2＝0.99，计算出Cobourg灰岩的粘土矿物在1nm处的累计孔隙度；还可以用公式y＝-1.93x-3.51，R2＝0.99，计算出Cobourg灰岩的方解石在1nm处的累计孔隙度，对其他类型矿物可以根据上述步骤，实现逐一分析得到所有类型矿物的累计孔隙度，最终验证二维图像获得的总孔隙度与实验室测试的三维样品孔隙度相吻合，证明本方法可以进行有效的预测。
对于氦孔隙度仪而言，氦气理论上能进入的最小孔隙的直径为0.26nm，而宽离子束抛光-扫描电镜技术“可识别”的最小孔隙的等效直径为52nm。岩石中的粘土矿物通常具有最小的孔隙尺寸，Cobourg灰岩的粘土矿物主要由伊利石和伊蒙混层构成，这类TOT类型的粘土矿物的最小层间距为1，单位为nm(岩石中只有粘土矿物是层状结构，一般拥有最小的孔隙尺寸，即最小层间距，本研究假设岩石孔隙尺寸的下限值是由粘土矿物的最小层间距决定的。不同类型岩石的粘土矿物类型不同，所以存在不同的最小层间距)，而其他类型岩石中的粘土矿物最小层间距可能不同，因此对于其他类型岩石，设定其为μ(单位均为nm)。为了对比成像法和氦孔隙度仪得到的孔隙度，首先获得当前分辨率下方解石和粘土矿物各自的孔隙度，其孔隙度之和占总孔隙度的99％以上，利用图像分析得到的指数关系将等效孔隙直径外推到1nm以预测更小孔径范围内的孔隙频率，在此基础上计算方解石和粘土矿物的累计孔隙度之和，刚好在氦孔隙度仪测得的大尺寸柱状样品的孔隙度范围内(如图4所示，其中，两条平行虚线与纵坐标轴的交点代表氦孔隙度仪测得的大尺寸柱状样品的孔隙度范围)。
综合前述，对比传统的压汞测孔隙度法、低压氮气或二氧化碳吸附法，基于宽离子束抛光-扫描电镜的孔隙结构表征提供一种直观研究孔隙形态、孔径分布和连通性的方法。
本发明可实现对大面积范围(几平方毫米)的样品进行孔隙结构表征和矿物组分分析，并对各个矿物的孔隙结构进行逐一分析。
另外，本发明利用归一化的孔隙频率与孔隙面积的指数关系，可基于二维微观图像的孔隙度预测大尺寸柱状样品的孔隙度。
本发明可实现对相对大面积样品进行孔隙结构表征和矿物组分分析，并对各个矿物的孔隙结构进行逐一分析；利用归一化的孔隙频率与孔隙面积的指数关系，可实现基于二维微观图像的孔隙度预测大尺寸柱状样品的孔隙度，无需对三维样品进行逐一测量，操作可控性强，复杂度低。
以上实施例仅为本申请的示例性实施例，不用于限制本申请，本申请的保护范围由权利要求书限定。本领域技术人员可以在本申请的实质和保护范围内，对本申请做出各种修改或等同替换，这种修改或等同替换也应视为落在本申请的保护范围内。
Claims (7)
1.一种基于宽离子束抛光-扫描电镜的孔隙结构表征方法，其特征在于，包括以下步骤：
步骤100、对岩心样品切割获得样品薄板，并对所述样品薄板的任意一面依次进行砂纸打磨、宽离子束抛光和镀钨获得镀钨抛光面；
步骤200、利用扫描电镜对所述样品薄板的镀钨抛光面进行顺次扫描，并按照扫描顺序拼接形成全景图；
步骤300、基于阈值分割方法筛选孔隙和划分矿物类型，分别形成孔隙图层、矿物类型图层；
基于阈值分割筛选的具体步骤为：
对二次电子探测仪获得的全景图像进行阈值分割，根据灰度值的差异区分孔隙和固相，并勾勒出孔隙的边界将孔隙从所述全景图像中筛选出来形成孔隙图层；
对背散射电子探测仪得的全景图像进行阈值分割，根据灰度值的不同将固相划分为不同的矿物类型，并勾勒出每种矿物类型的边界以将不同矿物从所述全景图像中筛选出来形成矿物类型图层，同时利用能量色散X射线光谱仪获得的元素分布图验证不同类型矿物在二维平面上的分布；
将所述孔隙图层和所述矿物类型图层进行叠合，并计算各个类型矿物的孔隙度，记录各类矿物的孔隙结构参数；
步骤400、将孔隙图层和矿物类型图层相叠合，分析不同类型矿物的孔隙度和孔隙结构参数，并基于二维微观图像的孔隙度预测大尺寸三维柱状样品的孔隙度；
对比不同尺寸全景图像中孔隙尺寸分布特征的具体方法为：
统计不同尺寸全景图像中所有孔隙的面积，依照孔隙面积将所有孔隙由小到大分配到i个组中；
其中分配到第i组(bi，bi+1)中的孔隙的频率为Ni，第i组(bi，bi+1)的组距为bi，且bi+1＝2bi，bi为孔隙面积，Ni个孔隙的平均面积为Spore；
对(bi，bi+1)范围内孔隙出现的频率Ni用组距bi和全景图像的面积Smosaic的乘积作归一化处理，若归一化后的孔隙频率Ni/(bi·Smosaic)与第i组中的平均孔隙面积Spore之间满足如下指数关系，则认为孔隙面积的分布具有自相似性，所述指数关系为：
其中，i为计量常数，i≥1，D为该指数关系的指数，C为常数。
2.根据权利要求1所述的一种基于宽离子束抛光-扫描电镜的孔隙结构表征方法，其特征在于，在步骤200中，利用扫描电镜对所述样品薄板的镀钨抛光面进行扫描的具体内容包括：
扫描电镜通过发射高能电子束到镀钨抛光面，所述高能电子束与样品表面原子相互作用产生相关的信号；
二次电子探测仪收集二次电子获得样品的孔隙和微观结构信息；
背散射电子探测仪收集背散射电子获取样品的矿物类型和分布信息；
能量色散X射线光谱仪收集特征X射线获取样品的元素丰度信息。
3.根据权利要求2所述的一种基于宽离子束抛光-扫描电镜的孔隙结构表征方法，其特征在于，利用配备了二次电子探测仪、背散射电子探测仪和能量色散X射线光谱仪的扫描电镜对所述样品薄板进行扫描，且每次扫描的相邻图像之间至少保持10％的图像重叠。
4.根据权利要求3所述的一种基于宽离子束抛光-扫描电镜的孔隙结构表征方法，其特征在于，按照扫描顺序将扫描获得的图像进行拼接的具体步骤为：
根据图像的重叠程度划定重叠区，并且在每个图像的所述重叠区内通过视觉识别获得标志物，并对每个标志物进行标记和标号；
在不同的图像上将识别的标志物进行匹配，并按照匹配结果在重叠区内进行拼接，在拼接过程中以相邻标志物为基准对所述图像进行一定范围内的拉伸或压缩校正以完成无缝拼接；
在完成无缝拼接后，利用像素单位对拼接图案进行二次校正形成全景图像。
5.根据权利要求4所述的一种基于宽离子束抛光-扫描电镜的孔隙结构表征方法，其特征在于，所述孔隙结构参数包括孔隙形态、孔径分布和连通性；
其中，孔隙形态包括短轴长W、长轴长L、面积A、周长P、圆度4πA/P2以及伸长率1-W/L。
6.根据权利要求5所述的一种基于宽离子束抛光-扫描电镜的孔隙结构表征方法，其特征在于，设定粘土矿物的最小层间距为μ，利用全景图像分析获得的指数关系将等效孔隙直径外推至μ，则所得到的孔隙度刚好在测得的大尺寸柱状样品的孔隙度范围内。
7.根据权利要求4所述的一种基于宽离子束抛光-扫描电镜的孔隙结构表征方法，其特征在于，
在阈值分割中基于灰度值进行分割时，首先对灰度值进行频数统计，并按照灰度值的大小顺序排列，根据灰度值的聚集区间确定相邻灰度值的分界值或分界区间；
设定相邻分界值或分界区间之间的灰度值为一个有效区间，对每一个所述有效区间进行均一化处理从而在整个所述全景图像得到轮廓划分以便进行再次校正；
其中，分界区间远小于有效区间。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210917749.7A CN115356363B (zh) | 2022-08-01 | 2022-08-01 | 一种基于宽离子束抛光-扫描电镜的孔隙结构表征方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210917749.7A CN115356363B (zh) | 2022-08-01 | 2022-08-01 | 一种基于宽离子束抛光-扫描电镜的孔隙结构表征方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115356363A CN115356363A (zh) | 2022-11-18 |
| CN115356363B true CN115356363B (zh) | 2023-06-20 |
Family
ID=84032256
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210917749.7A Active CN115356363B (zh) | 2022-08-01 | 2022-08-01 | 一种基于宽离子束抛光-扫描电镜的孔隙结构表征方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115356363B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4037101A (en) * | 1974-11-29 | 1977-07-19 | Agency Of Industrial Science & Technology | Method and apparatus for analyzing fine grained substances |
| US4616134A (en) * | 1984-07-17 | 1986-10-07 | Chevron Research Company | High resolution geologic sample scanning apparatus and process of scanning geologic samples |
| GB8820897D0 (en) * | 1988-09-06 | 1988-10-05 | Shell Int Research | Automated mineral identification & rock characterization process |
| US7006596B1 (en) * | 2003-05-09 | 2006-02-28 | Kla-Tencor Technologies Corporation | Light element measurement |
| CN102620672A (zh) * | 2011-12-01 | 2012-08-01 | 中国人民解放军63653部队 | 图像拼接技术在隧道围岩变形非接触测量中的应用 |
| CN103902953A (zh) * | 2012-12-25 | 2014-07-02 | 深圳先进技术研究院 | 一种屏幕检测***及方法 |
| CN105115874A (zh) * | 2015-08-18 | 2015-12-02 | 中国石油天然气股份有限公司 | 多源信息融合的多组分三维数字岩心构建方法 |
| CN105184303A (zh) * | 2015-04-23 | 2015-12-23 | 南京邮电大学 | 一种基于多模态深度学习的图像标注方法 |
| CN109269953A (zh) * | 2018-08-21 | 2019-01-25 | 中国科学院地质与地球物理研究所 | 岩石无机矿物孔隙分类表征的方法 |
| CN111161295A (zh) * | 2019-12-30 | 2020-05-15 | 神思电子技术股份有限公司 | 一种菜品图像背景剥离方法 |
| WO2021213508A1 (zh) * | 2020-04-24 | 2021-10-28 | 安翰科技(武汉)股份有限公司 | 胶囊内窥镜图像拼接方法、电子设备及可读存储介质 |
| CN113609696A (zh) * | 2021-08-16 | 2021-11-05 | 中国地质大学（北京） | 基于图像融合的多尺度多组分数字岩心构建方法及*** |
| WO2022156537A1 (zh) * | 2021-01-22 | 2022-07-28 | 上海涛影医疗科技有限公司 | 基于狭缝x射线的扫描成像***及方法 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2008118886A1 (en) * | 2007-03-23 | 2008-10-02 | Bioimagene, Inc. | Digital microscope slide scanning system and methods |
| DE102011018496B4 (de) * | 2011-04-23 | 2013-07-18 | Roth + Weber Gmbh | Scan-Verfahren für ein großformatiges Scanner-System mit Stitching-Verfahren |
| JP5907375B2 (ja) * | 2011-12-28 | 2016-04-26 | 株式会社テクノエックス | 蛍光ｘ線分析装置及び蛍光ｘ線分析方法 |
| CN107228816B (zh) * | 2017-06-01 | 2018-11-13 | 中国石油大学(华东) | 一种泥页岩中不同类型孔隙演化评价方法 |
| JP6769402B2 (ja) * | 2017-06-30 | 2020-10-14 | 株式会社島津製作所 | 電子線マイクロアナライザー及びデータ処理プログラム |
| CN107620593A (zh) * | 2017-08-08 | 2018-01-23 | 中国科学院地质与地球物理研究所 | 一种油气田现场随钻岩屑扫描***及方法 |
| US11698336B2 (en) * | 2019-09-30 | 2023-07-11 | Jeol Ltd. | Analysis method and analysis apparatus |
-
2022
- 2022-08-01 CN CN202210917749.7A patent/CN115356363B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4037101A (en) * | 1974-11-29 | 1977-07-19 | Agency Of Industrial Science & Technology | Method and apparatus for analyzing fine grained substances |
| US4616134A (en) * | 1984-07-17 | 1986-10-07 | Chevron Research Company | High resolution geologic sample scanning apparatus and process of scanning geologic samples |
| GB8820897D0 (en) * | 1988-09-06 | 1988-10-05 | Shell Int Research | Automated mineral identification & rock characterization process |
| US7006596B1 (en) * | 2003-05-09 | 2006-02-28 | Kla-Tencor Technologies Corporation | Light element measurement |
| CN102620672A (zh) * | 2011-12-01 | 2012-08-01 | 中国人民解放军63653部队 | 图像拼接技术在隧道围岩变形非接触测量中的应用 |
| CN103902953A (zh) * | 2012-12-25 | 2014-07-02 | 深圳先进技术研究院 | 一种屏幕检测***及方法 |
| CN105184303A (zh) * | 2015-04-23 | 2015-12-23 | 南京邮电大学 | 一种基于多模态深度学习的图像标注方法 |
| CN105115874A (zh) * | 2015-08-18 | 2015-12-02 | 中国石油天然气股份有限公司 | 多源信息融合的多组分三维数字岩心构建方法 |
| CN109269953A (zh) * | 2018-08-21 | 2019-01-25 | 中国科学院地质与地球物理研究所 | 岩石无机矿物孔隙分类表征的方法 |
| CN111161295A (zh) * | 2019-12-30 | 2020-05-15 | 神思电子技术股份有限公司 | 一种菜品图像背景剥离方法 |
| WO2021213508A1 (zh) * | 2020-04-24 | 2021-10-28 | 安翰科技(武汉)股份有限公司 | 胶囊内窥镜图像拼接方法、电子设备及可读存储介质 |
| WO2022156537A1 (zh) * | 2021-01-22 | 2022-07-28 | 上海涛影医疗科技有限公司 | 基于狭缝x射线的扫描成像***及方法 |
| CN113609696A (zh) * | 2021-08-16 | 2021-11-05 | 中国地质大学（北京） | 基于图像融合的多尺度多组分数字岩心构建方法及*** |
Non-Patent Citations (1)
| Title |
|---|
| Stress sensitivity of porosity and permeability of Cobourg limestone;Zhazha Hu;《Engineering Geology》;第273卷;1-17 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115356363A (zh) | 2022-11-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Gaboreau et al. | Optimization of pore-network characterization of a compacted clay material by TEM and FIB/SEM imaging | |
| Reyes et al. | Calibrated X-ray micro-tomography for mineral ore quantification | |
| Sok et al. | Pore scale characterization of carbonates at multiple scales: Integration of Micro-CT, BSEM, and FIBSEM | |
| CN107894433B (zh) | 一种定量表征复相材料主相组织晶粒尺寸的方法 | |
| RU2610216C2 (ru) | Способ и система двойного изображения для генерации многомерного изображения образца | |
| KR102092362B1 (ko) | 단면 가공 방법, 단면 가공 장치 | |
| CN108318514B (zh) | 一种确定笔石体与围岩的属性信息的方法 | |
| CN114599934A (zh) | 用于测量har结构的形状偏差的fib-sem 3d断层成像术 | |
| CN111189864A (zh) | Epma-wdx的全岩矿物识别与平面成像方法及装置 | |
| Mac et al. | 3D imaging techniques for characterising microcracks in cement-based materials | |
| CN104634800A (zh) | 钛钢复合板过渡层厚度定量测定方法 | |
| CN102866170A (zh) | 评价铝镇静钢中游离渗碳体形态、尺寸和分布的方法 | |
| CN109959670B (zh) | 采用电子背散射衍射技术测量双相钢中马氏体含量的方法 | |
| Du et al. | Laboratory application of imaging technology on pavement material analysis in multiple scales: A review | |
| CN115356363B (zh) | 一种基于宽离子束抛光-扫描电镜的孔隙结构表征方法 | |
| KR20150092087A (ko) | 하전 입자 빔 샘플 준비과정에서 커트닝을 감소하기 위한 방법 및 시스템 | |
| US9318395B2 (en) | Systems and methods for preparation of samples for sub-surface defect review | |
| Germinario et al. | Textural and mineralogical analysis of volcanic rocks by µ-XRF mapping | |
| Wawrzeńczyk et al. | A method of analyzing the porous microstructure in air-entrained concrete on the basis on 2D image analysis | |
| KR101397599B1 (ko) | 전자후방산란회절 맵핑 결과 상의 상인식 오류의 필터링 방법 | |
| JP2020169993A (ja) | 焼結鉱の観察評価方法及び焼結鉱の被還元性評価方法 | |
| Medghalchi et al. | Three-dimensional characterisation of deformation-induced damage in dual phase steel using deep learning | |
| Rezaei et al. | Simple laboratory method for measuring pavement macrotexture: pavement cores and aggregate image measurement system | |
| Mulders et al. | Three-dimensional texture analysis | |
| DE102010043226A1 (de) | Verfahren und Auswertungsvorrichtung zur Ermittlung der Lage einer in einem zu untersuchenden Objekt befindlichen Struktur mittels Röntgencomputertomografie |
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 |