SA520420347B1 - تحليل آلي لصور قطاع صخري رقيق باستخدام تقنيات تعليم آلة متطورة - Google Patents
تحليل آلي لصور قطاع صخري رقيق باستخدام تقنيات تعليم آلة متطورة Download PDFInfo
- Publication number
- SA520420347B1 SA520420347B1 SA520420347A SA520420347A SA520420347B1 SA 520420347 B1 SA520420347 B1 SA 520420347B1 SA 520420347 A SA520420347 A SA 520420347A SA 520420347 A SA520420347 A SA 520420347A SA 520420347 B1 SA520420347 B1 SA 520420347B1
- Authority
- SA
- Saudi Arabia
- Prior art keywords
- image
- thin section
- petrographic thin
- grains
- thin
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 80
- 238000004458 analytical method Methods 0.000 title claims abstract description 70
- 238000010801 machine learning Methods 0.000 title description 10
- 239000013598 vector Substances 0.000 claims abstract description 53
- 239000011435 rock Substances 0.000 claims abstract description 27
- 238000003860 storage Methods 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims description 33
- 238000004422 calculation algorithm Methods 0.000 claims description 32
- 238000012916 structural analysis Methods 0.000 claims description 26
- 239000008187 granular material Substances 0.000 claims description 21
- 239000011148 porous material Substances 0.000 claims description 19
- 230000011218 segmentation Effects 0.000 claims description 16
- UQSXHKLRYXJYBZ-UHFFFAOYSA-N iron oxide Inorganic materials [Fe]=O UQSXHKLRYXJYBZ-UHFFFAOYSA-N 0.000 claims description 14
- 235000013980 iron oxide Nutrition 0.000 claims description 14
- VBMVTYDPPZVILR-UHFFFAOYSA-N iron(2+);oxygen(2-) Chemical class [O-2].[Fe+2] VBMVTYDPPZVILR-UHFFFAOYSA-N 0.000 claims description 14
- 230000002776 aggregation Effects 0.000 claims description 5
- 238000013467 fragmentation Methods 0.000 claims description 5
- 238000006062 fragmentation reaction Methods 0.000 claims description 5
- 238000004220 aggregation Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 2
- 239000012634 fragment Substances 0.000 claims description 2
- 235000017399 Caesalpinia tinctoria Nutrition 0.000 claims 1
- 241000511343 Chondrostoma nasus Species 0.000 claims 1
- 241001633942 Dais Species 0.000 claims 1
- 241000196324 Embryophyta Species 0.000 claims 1
- 235000004434 Gaultheria shallon Nutrition 0.000 claims 1
- 244000037922 Gaultheria shallon Species 0.000 claims 1
- 235000016496 Panda oleosa Nutrition 0.000 claims 1
- 240000000220 Panda oleosa Species 0.000 claims 1
- 241000388430 Tara Species 0.000 claims 1
- 125000003368 amide group Chemical group 0.000 claims 1
- 235000009508 confectionery Nutrition 0.000 claims 1
- 235000020030 perry Nutrition 0.000 claims 1
- 239000011800 void material Substances 0.000 claims 1
- 238000004590 computer program Methods 0.000 abstract description 14
- 230000000875 corresponding effect Effects 0.000 description 38
- 230000008569 process Effects 0.000 description 27
- 239000002131 composite material Substances 0.000 description 10
- 238000010191 image analysis Methods 0.000 description 9
- 230000000873 masking effect Effects 0.000 description 7
- 239000002245 particle Substances 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 230000026676 system process Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 239000010409 thin film Substances 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 239000004215 Carbon black (E152) Substances 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000001149 cognitive effect Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 230000005684 electric field Effects 0.000 description 2
- 229930195733 hydrocarbon Natural products 0.000 description 2
- 150000002430 hydrocarbons Chemical class 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000035699 permeability Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 101100234002 Drosophila melanogaster Shal gene Proteins 0.000 description 1
- 101100289061 Drosophila melanogaster lili gene Proteins 0.000 description 1
- 241000234435 Lilium Species 0.000 description 1
- 235000015076 Shorea robusta Nutrition 0.000 description 1
- 244000166071 Shorea robusta Species 0.000 description 1
- 241000009334 Singa Species 0.000 description 1
- RRLHMJHRFMHVNM-BQVXCWBNSA-N [(2s,3r,6r)-6-[5-[5-hydroxy-3-(4-hydroxyphenyl)-4-oxochromen-7-yl]oxypentoxy]-2-methyl-3,6-dihydro-2h-pyran-3-yl] acetate Chemical compound C1=C[C@@H](OC(C)=O)[C@H](C)O[C@H]1OCCCCCOC1=CC(O)=C2C(=O)C(C=3C=CC(O)=CC=3)=COC2=C1 RRLHMJHRFMHVNM-BQVXCWBNSA-N 0.000 description 1
- 238000005054 agglomeration Methods 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 239000004567 concrete Substances 0.000 description 1
- 239000011162 core material Substances 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000005188 flotation Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000005194 fractionation Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000010348 incorporation Methods 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 210000002966 serum Anatomy 0.000 description 1
- 230000004936 stimulating effect Effects 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B21/00—Microscopes
- G02B21/36—Microscopes arranged for photographic purposes or projection purposes or digital imaging or video purposes including associated control and data processing arrangements
- G02B21/365—Control or image processing arrangements for digital or video microscopes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/174—Segmentation; Edge detection involving the use of two or more images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/145—Illumination specially adapted for pattern recognition, e.g. using gratings
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/24—Earth materials
- G01N33/241—Earth materials for hydrocarbon content
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B21/00—Microscopes
- G02B21/0004—Microscopes specially adapted for specific applications
- G02B21/0092—Polarisation microscopes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10141—Special mode during image acquisition
- G06T2207/10152—Varying illumination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20152—Watershed segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30242—Counting objects in image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Quality & Reliability (AREA)
- Chemical & Material Sciences (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Analytical Chemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Optics & Photonics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
يتعلق الاختراع الحالي بطرق، نظم systems ، وجهاز apparatus ، بما في ذلك برامج كمبيوتر مشفرة computer programs encoded على وسط تخزين كمبيوتر computer storage medium ، للتحليل الآلي automated analysis لصور قطاع صخري رقيق petrographic thin section . في جانب، تتضمن الطريقة تحديد صورة أولى لقطاع صخري رقيق (128) لعينة صخرية rock sample (130) ، وتحديد متجه سمة (112) لكل بكسل pixel للصورة الأولى . يتم تحديد مناطق مختلفة متعددة لقطاع صخري رقيق (128) بواسطة تجميع البكسلات pixels للصورة الأولى على أساس متجهات السمة (112)، حيث تناظر إحدى المناطق لحبيبات في القطاع الصخري الرقيق (128) . تتضمن الطريقة أيضاً تحديد صورة ثانية لقطاع صخري رقيق (128)، بما في ذلك دمج صور لقطاع صخري رقيق (128) تم الحصول عليها باستخدام ضوء قطبي مستوي plane-polarized light وضوء قطبي عرضي cross-polarized light. تتم تجزئة الحبيبات (120) المتعددة من الصورة الثانية لقطاع صخري رقيق (128) على أساس المناطق المختلفة المتعددة من الصورة الأولى، ويتم تحديد خصائص الحبيبات المجزئة segmented grains (306) . شكل 1.
Description
تحليل آلي لصور قطاع صخري )38( باستخدام تقنيات تعليم آلة متطورة Automated Analysis of Petrographic Thin Section Images Using Advanced Machine Learning Techniques الوصف الكامل خلفية الاختراع تتعلق المواصفة بطرق لتحليل صور صخرية ذات قطاع رقيق analyzing petrographic thin section images . تعد أحد المشكلات العامة فى عمل الصخور الجغرافية geological petrography work هى تحليل القطاعات الرقيقة of thin sections 55/ا808. يمكن استخدام تحليل القطاع الرقيق لتحديد خواص القطاع الرقيق Jie التركيبة المعدنية وقوامها . يمكن أن توجد موائع هيدروكريونية Hydrocarbon fluids في أحياز المسام المرئية pore spaces visible في القطاعات الرقيقة. أصبحت دراسة القطاعات الرقيقة الجيولوجية أحد أهم النظم للتنقيب عن الهيدروكريونات .hydrocarbon exploration
0 بصورة تقليدية؛ يتم إجراء تحليل القطاع الرقيق بواسطة طريقة عد النقاط. يتم fale عد النقاط في القطاعات dad) من خلال seal ميكانيكية أو ميكانيكية كهربائية mechanical or electromechanical devices مثبتة بمجهر. يمكن أن تكون الأجهزة الميكانيكية والميكانيكية الكهربائية مرتفعة التكلفة للغاية وتوفر أداء محدد. تكون النتائج النهائية لتحليل عد النقاط ذاتية وتعتمد على خبرة المستخدم الذي يقوم بعد النقاط.
5 يكشف الطلب الأمريكي رقم 2017091958 عن تقنيات لتحليل قائم على الصور image— based analysis لقطاع صخري رقيق petrographic thin section تشتمل على )1( الحصول على العديد من الصور من glad صخري رقيق dual صخرية sample 1004 من منطقة جوفية subterranean zone ؛ )2( التلاعب بالعديد من الصور للحصول على صورة مركبة composite image ؛ (3) تحسين الصورة المركبة لاشتقاق صورة أولية؛ (4) تحديد؛ في
الصورة الأولية؛ PiXel Jus أولي معين لمجموعة من البكسلات المتجاورة التي تشتمل على صورة حبة من مجموعة حبيبات die الصخور في الصورة الأولية seed image ؛ (5) تحديد شكل الحبوب»؛ باستخدام خوارزمية algorithm محددة بناءً على البكسل الأولي seed pixel ؛ )6( تحديد حجم الحبوب بناءً على شكل الحبوب grain ؛ و(7) تحضير تحديد حجم الحبوب لعرضها على المستخدم. يكشف الطلب الامريكي رقم 2007133866 عن طريقة وجهاز لتصنيف المواد الجيولوجية geological materials باستخدام تقنيات dallas الصور image processing techniques تقوم الطريقة والجهاز بتصنيف المواد الصخرية بما في ذلك الأحجار؛ العينات الصخرية rock samples « والأسطح Li, rock surfaces LAL للنوع والحالة من خلال تطبيق تقنيات معالجة الصور بالتتابع؛ مثل تحليل مساحة اللون؛ تحليل قياس الحبيبات» استخراج معلمات النسيج واستخراج إحصاءات النسيج؛ إلى الصور الرقمية من المواد الرقمية . نظرًا OY الطريقة والجهاز يستخرجان الأرقام الكمية التي تمثل منطقة الصورة بأكملها من خلال تطبيق تقنيات معالجة الصور المختلفة؛ Jie تحليل مساحة اللون؛ قياس الحبيبات؛ استخراج معلمة النسيج واستخراج إحصاءات النسيج؛ على الصور الرقمية للمواد الصخرية؛ يمكن تصنيف المواد 5 الصخرية؛ وهو أمر غير ممكن باستخدام تقنية معالجة الصور التقليدية. يتعلق الطلب الامريكي رقم 2008187219 بطريقة تجزئة غرض الفيديو video object 007 تستفيد من خصائص الحافة edge واللون color جنبًا إلى جنب مع اكتشاف الحواف واكتشاف التغيير لتحسين دقة تجزئة غرض الفيديو في المواقف الممطرة. تتضمن طريقة تجزئة جسم الفيديو الخاصة بالاختراع الحالي تحليل معلومات اللون HSI-color information 0 للأجسام المستخرجة مبدثيًا للحصول على ميزات الجسم المتحرك moving object ؛ إجراء الكشف عن الحواف للحصول على حواف الجسم المتحرك لتقليل تأثير الخلط بين قطرات المطر والأجسام المتحركة في الخلفية الديناميكية الممطرة rainy dynamic background ؛ shal اكتشاف منطقة الكائن لإنشاء قناع كائن دقيق لحل مشكلة الخلفية المكشوفة ومشكلة الجسم الثابت؛ واستخدام طريقة المطابقة القائمة على الصندوق المحيط لحل مشكلة الانعكاس للجسم 5 المتحرك في الأرض الممطرة .moving object in the rained ground
الوصف العام للاختراع تصف هذه المواصفة نظام يتم تنفيذه كبرامج كمبيوتر على واحد أو أكثر من أجهزة الكمبيوتر في واحد أو أكثر من المواقع التي تقوم بتحليل آلي لصور قطاع صخري رقيق petrographic . thin section images
وفقاً لجانب أول يتم توفير طريقة للتحليل آلي لصور قطاع صخري رقيق. تتضمن الطريقة تحديد صورة أولى لقطاع صخري رقيق petrographic thin section لعينة صخرية rock sample ٠ على سبيل المثال؛ بواسطة مجهر استقطاب microscope 0018112109. يتم تحديد متجه السمة لكل بكسل للصورة الأولى» حيث يتم تحديد متجه السمة لكل بكسل pixel مناظر على أساس اللون على الأقل على سبيل المثال؛ الإضاءة واللونية المعروضة بواسطة البكسل المناظر.
0 يتم تحديد مناطق مختلفة متعددة لقطاع صخري رقيق بواسطة تجميع على سبيل المثال؛ بواسطة خوارزمية تجميع clustering algorithm متوسطات- ما البكسلات للصورة الأولى على أساس متجهات السمة للبكسلات للصورة الأولى. تتناظر أحد المناطق لحبيبات في القطاع الصخري الرقيق؛ ويمكن أن تتناظر مناطق أخرى مع؛ على سبيل المثال؛ المسام pores ؛ أنواع الطمي 5 ء أو أكاسيد الحديد oxides 1200 في القطاع الصخري الرقيق .
5 يتم تحديد صورة ثانية لقطاع صخري رقيق petrographic thin section بواسطة دمج صو لقطاع صخري رقيق تم الحصول عليها بواسطة ضوءٍ قطبي مستوي plane-polarized light وضوءٍ قطبي عرضي light 811280ا00م-00055. تتم تجزئة الحبيبات من الصورة الثانية لقطاع صخري رقيق باستخدام طريقة تجزئة (على سبيل المثال» طريقة تقسيم المياة) .يتم تعزيز التجزئة بواسطة تضمين المناطق المحددة من الصورة الأولى؛ بما في ذلك المناطق المناظرة لحبيبات في
0 القطاع الرقيق. يتم تحديد خصائص الحبيبات المجزئة segmented grains على أساس تجزئة الحبيبة.
في بعض التنفيذات»؛ يتم تحديد نسب نسبية للمناطق المختلفة المتعددة لقطاع صخري رقيق. في بعض التنفيذات؛ تتضمن خصائص الحبيبات المجزئة؛ لكل من الحبيبات؛ واحدة على الأقل من: مساحة؛ dame قطر محور igh قطر محور ual أو الاستدارة.
في بعض التنفيذات»؛ تكون الصورة الأولى عبارة عن صورة لقطاع صخري رقيق تم الحصول
عليها (على سبيل المثال؛ بواسطة مجهر استقطاب) باستخدام ضوء قطبي مستوي plane—
. polarized light
في an التنفيذ ات ؛ يتم الحصول على كل صورة مكتسبة بواسطة ضوء قطبي مستعرض (على سبيل (JB المستخدم لتحديد الصورة الثانية) تم تدوير القطاع الصخري الرقيق إلى زاوية مختلفة
بالنسبة للزاوية المرجعية. بالتالي يمكن تسجيل كل من الصور المذكورة إلى صورة مرجعية .
في بعض التنفيذات؛ يتم استخدام المناطق المحددة للقطاع الرقيق وخصائص الحبيبات المجزئة
segmented grains لتقييم جودة الخزان.
وفقاً لجانب ثانييتم توفير نظام الذي يقوم بعمليات الطريقة الموصوفة سابقاً.
0 يتضمن النظام جهاز معالجة بيانات data processing apparatus ووسط تخزين مقروء بالكمبيوتر غير مؤقت hon—transitory computer readable storage medium فى اتصال بيانات مع جهاز معالجة البيانات. يخزن وسط التخزين غير المؤقت تعليمات ALB للتنفيذ بواسطة جهاز معالجة البيانات. عندما ينفذ جهاز معالجة البيانات التعليمات المخزنة بواسطة وسط التخزين غير المؤقت؛ يقوم جهاز معالجة البيانات بعمليات الطريقة الموصوفة سابقاً .
5 وفقاً لجانب ثالث؛ يتم توفير وسط تخزين مقروء بالكمبيوتر غير مؤقت non-transitory computer readable storage medium يخزن وسط التخزين غير المؤقت تعليمات قابلة للتنفيذ بواسطة جهاز معالجة بيانات. عند تنفيذ التعليمات؛ يقوم جهاز معالجة البيانات بعمليات الطريقة الموصوفة سابقاً . يمكن تنفيذ نماذج محددة للموضوع المذكور في هذه المواصفة لتحقيق واحد أو أكثر من السمات
Adal 0 يستخدم نظام تحليل القطاع الرقيق كما تم الوصف في هذه المواصفة تعلم آلي متطور وطرق dallas صورة آلية لمعالجة صور ذات قطاع رقيق وتحقيق عدة سمات مقارنةٌ بالنظم اليدوية لتحليل صورة ذات قطاع رقيق. في البداية؛ يمكن تنفيذ نظام تحليل القطاع الرقيق كما تم الوصف
في هذه المواصفة sha) مقدار تحليل صورة قطاع رقيق أسرع من الطرق اليدوية لتحليل صورة
ذات قطاع رقيق (مثل طرق عد النقاط). على سبيل المثال؛ يمكن تنفيذ نظام تحليل القطاع
الرقيق كما تم الوصف في هذه المواصفة لمعالجة صور ذات قطاع رقيق في دقيقتين أو أقل؛ بينما
يمكن أن تستغرق طرق عد نقاط تقليدية عد النقاط (التي تتطلب عالم جيولوجي للفحص اليدوي ل صور ذات قطاع رقيق عند عدد كبير من النقاط المختلفة) ما يصل إلى 4 ساعات. (Lili يمكن
أن يكون نظام تحليل القطاع الرقيق كما تم الوصف في هذه المواصفة أكثر دقة من الطرق اليدوية
لتحليل صورة ذات قطاع رقيق. على سبيل المثال؛ تعتمد نظام تحليل القطاع الرقيق كما تم
الوصف في هذه المواصفة على تعلم آلي وخوارزميات تحليل صورة آلية ويالتالي تجنب مصادر
الخطاً البشري التي توجد في الطرق اليدوية لتحليل صورة ذات قطاع رقيق. على سبيل المثال؛
0 تفرض طرق عد النقاط لتحليل صورة ذات قطاع رقيق عبء إدراكي مرتفع على المستخدم الذي يقوم بطريقة عد النقاط؛ وزيادة احتمالية الأخطاء البشرية Jie قيام المستخدم بالعد غير الصحيح لعدد الحبيبات أو المسام في منطقة صورة ذات قطاع رقيق. ll يكون نظام تحليل القطاع الرقيق كما تم الوصف في هذه المواصفة متوافق ويعمل على إزالة الانحرافات المحتملة الموجودة في الطرق اليدوية لتحليل صورة ذات قطاع رقيق. على سبيل المثال» يمكن of يحدد المستخدم
5 الذي يقوم بطريقة عد النقاط عدة مرات على صورة ذات قطاع رقيق مفردة لتحديد تقدير خصائص صورة ذات قطاع رقيق (على سبيل (JU متوسط قطر الحبيبات في القطاع الرقيق) قيم مختلفة كل مرة. على النقيض» سوف يحدد نظام تحليل القطاع الرقيق كما تم الوصف في هذه المواصفة التقديرات المتوافقة ذات خصائص متشابهة. يقوم نظام تحليل القطاع الرقيق كما تم الوصف في هذه المواصفة بتحليل شامل لخصائص القطاع
0 الرقيق؛ بما في ذلك كلا الخواص التركيبية للقطاع الرقيق (على سبيل المثال» ein القطاع الرقيق المشغول بواسطة المسام) وخواص الحبيبات للقطاع الرقيق (على سبيل المثال؛ توزيع أقطار حبيبة في القطاع الرقيق). على النقيض؛ تقوم العديد من نظم تحليل القطاع الرقيق التقليدية القليل من التحليل الشامل بواسطة تحديد القليل من الخواص ذات الصلة للقطاعات الرقيقة. يكون نظام تحليل القطاع الرقيق كما تم الوصف في هذه المواصفة آلية بشكل تام وبالتالي التمكين
5 .من المزيد من الاستخدام الكفؤ للموارد الحاسوبية مقارنة بالنظم التقليدية غير الآلية LIS تتطلب
النظم التقليدية غير الآلية كلياً تدخل المستخدم (على سبيل (Jill للمعايرة اليدوية متغيرات النظام). يكون تدخل المستخدم مستهلك للوقت (من المحتمل أن يتراوح من ثواني إلى ساعات)؛ وأثناء Jax المستخدم لم يتم استخدام المصادر الحاسوبية للنظام التقليدية المذكورة (على سبيل المثال؛ قدرة معالجة). حيث يكون نظام تحليل القطاع الرقيق كما تم الوصف في هذه المواصفة آلي بشكل تام بحيث يعمل بصورة مستمرة ويستخدم مصادر حاسوبية بشكل أكثر فاعلية.
يتم توضيح تفاصيل واحد أو أكثر من النماذج لموضوع المواصفة في الرسومات والوصف المرفق. تتضح سمات؛ وجوانب» ومزايا أخرى لموضوع الاختراع من الوصف وعناصر الحماية. شرح مختصر للرسومات شكل 1 عبارة عن توضيح لمثال نظام تحليل القطاع الرقيق .
0 شكل 2 عبارة عن مخطط سير عمليات لعملية مصال لتحديد بيانات تركيبية للقطاع الرقيق . شكل 3 عبارة عن مخطط سير عمليات لعملية مثال لتحديد بيانات بنيوية للحبيبة للقطاع الرقيق. شكل 4 عبارة عن مخطط سير عمليات لعملية مثال لتحديد صورة تحليل بنيوي للقطاع الرقيق . شكل 5 عبارة عن مخطط سير عمليات لعملية مثال لتحديد منطقة القطاع الرقيق بواسطة تجميع . تشير الأرقام المرجعية والاتجاهات المشابهة في العديد من الرسومات إلى عناصر مشابهة.
5 الوصف التفصيلى: شكل 1 يوضح مثال نظام تحليل القطاع الرقيق section analysis system 100. يكون نظام تحليل القطاع الرقيق 100 عبارة عن مثال لنظام تم تنفيذه كبرامج كمبيوتر على واحد أو أكثر من Seal الكمبيوتر في واحد أو أكثر من المواقع حيث يتم تنفيذ النظم؛ والمكونات؛ والتقنيات الموصوفة Lad بعد.
0 يعالج نظام تحليل القطاع الرقيق 100 صور ذات قطاع رقيق 102 لقطاع رقيق 128 من عينة صخرية rock sample 130 باستخدام نظام تحليل تركيبي compositional analysis
system 134 ونظام تحليل بنيوي textural analysis system 136 لتوليد كبيانات مخرج خواص مميزة للقطاع الرقيق 128. يولد نظام التحليل التركيبي 134 بيانات تركيبية 126 التي تشير إلى نسب نسبية للقطاع الرقيق 102 الذي يتم شغله بواسطة كل من مكونات القطاع الرقيق المتعدد؛ مثل: حبيبات؛ المسام؛ أنواع الطمي؛ وأكاسيد الحديد. يولد نظام التحليل البنيوي 136 بيانات بنيوية للحبيبة 124 تتضمن بيانات تميز واحدة أو أكثر من المناطق؛ المحيطات؛ الأقطار
طويلة المحور؛ الأقطار قصيرة المحور»ء أو استدارة الحبيبات في القطاع الرقيق 128. (Ka الحصول على عينات صخرية Rock samples 130 من منكشفات الصخرء المواد اللبية؛ فتات الحفرء أو من أي مصدر آخر للعينات الصخرية . يتم توليد القطاع الرقيق 128 للعينة الصخرية 130 بواسطة تثبيت العينة الصخرية 130 على
0 شربحة زجاجية glass slide باستخدام أي عملية توليد قطاع رقيق ملائمة. في بعض الحالات؛ عند الحصول على العينة الصخرية rock sample 130 بالقرب من خزان البترول» يمكن استخدام البيانات التركيبية compositional data 126 والبيانات البنيوية للحبيبة grain texture data 124 المولدة بواسطة النظام 100 لتقييم جودة الخزان» إجراءات تحفيز خزان مستوي» تقييم إحتمالية لتلف التكوين على الخزان» أو sale) إنشاء shall الما بعدية والتاريخ
5 الكيميائي الجغرافي للخزان. على سبيل المثال؛ تشير البيانات التركيبية 126 إلى النسب النسبية للقطاع الرقيق 102 التي يتم شغلها بواسطة الحبيبات والمسام؛ وبالتالي تمييز المسامية ودمج العينة الصخرية 130؛ والتي تشير إلى جودة الخزان. كمثال آخرء تشير البيانات التركيبية 126 إلى النسب النسبية للقطاع الرقيق 102؛ وبواسطة مد العينة الصخرية 130( التي يتم شغلها بواسطة الطمي. يكون حجم
0 الطمي في العينة الصخرية 130 مؤشر لجودة (al حيث يشغل الطمي أحياز مسام التي يمكن شغلها بشكل آخر بواسطة البترول. كمثال «AT يمكن أن تشير البيانات البنيوية للحبيبة 124 إلى أقطار الحبيبات في القطاع الرقيق 128؛ وبواسطة امتداد العينة الصخرية 130« وبالتالي تشير إلى نفاذية العينة الصخرية 130( والتي تكون عامل هام يؤثر على وجودة الخزان. على وجه
الخصوص؛ يمكن أن يشير حجم الحبيبة الكبير إلى نفاذية صخرية مرتفعةوبالتالي تقترح جودة
خزان أعلى .
يتم توليد العديد من صور ذات قطاع رقيق 102 للقطاع الرقيق 128 بواسطة مجهر استقطاب
2. يتم تشكيل مجهر الاستقطاب 132 لتوليد صور ذات قطاع رقيق 102 بواسطة الحصول على صورة مكبرة للقطاع الرقيق 128 مع تعرض القطاع الرقيق 128 إلى ضوء قطبي-<خطي
(أي؛ ضوء حيث يكون المجال المغناطيسي أو الكهربائي مقيد على المستوى بطول اتجاه
الانتشار). تتضمن صور ذات قطاع رقيق 102 صور للقطاع الرقيق 128 التي تم الحصول
عليها عندما ash مجهر الاستقطاب 132 بتعريض القطاع الرقيق 128 إلى him abd spn
وصور ذات قطاع رقيق 128 التي تم الحصول عليها عندما يقوم مجهر الاستقطاب 132
0 بتعريض القطاع الرقيق 128 إلى ضوءٍ قطبي مستعرض. يتم الحصول على صور ذات قطاع رقيق المختلفة 102 بواسطة تدوير موضع القطاع الرقيق 128 في مجهر الاستقطاب إلى زوايا مختلفة بالنسبة للزاوية المرجعية والحصول على صور للقطاع الرقيق 128 بينما يتم التدوير إلى الزوايا المختلفة. يمكن أن تتضمن انزوايا المختلفة الزوايا °0 22.5 °45 67.5" أو أي زوايا ملائمة آخرى. تكون صور ذات قطاع رقيق 102 عبارة عن صور ملونة؛ أي صور التي
5 تتضمن بيانات لون من قنوات لون مختلفة لكل بكسل pixel صورة. على سبيل المثال» يمكن أن تكون صور ذات قطاع رقيق 102 عبارة عن صورة أحمر -أخضر -ازرق red—green-blue (('RGBY) بعبارة أخرى؛ صور التي تتضمن بيانات لون لقناة ذات لون «ead قناة ذات لون اخضرء Bldg ذات لون ازرق لكل بكسل pixel صورة .كمثال AT ¢ يمكن أن تكون صور ذات قطاع رقيق 102 عبارة عن صور التي تتضمن بيانات لون لقناة luminosity channel
.chromaticity channel aul الإضاءة وقناة 0
يتضمن النظام 100 محرك معالجة أولية للصورة 104 بعبارة أخرى تم تشكيله لمعالجة صور ذات قطاع رقيق 102 لتحويلها إلى نسق الإضاءة- اللونية (إذا اقتضت الضرورة) باستخدام أي تقنية تحويل لون-حيز ملائمة. تشير تقنية تحويل لون-حيز إلى تحول حسابي بعبارة أخرى مستخدم على البكسلات للصورة المجسدة وفقاً نسق صورة واحد لتجسيده وفقاً لنسق صورة آخر. 5 تتضمن أمثلة أنساق الصورة نسج لون رمادي متدرج؛ نسق لون (RGB ونسق الإضاءة- اللونية.
يوفر النظام 100 صورة تحليل تركيبي 106 إلى نظام التحليل التركيبي 134. dng عام؛ يمكن
أن تكون صورة التحليل التركيبي 106 عبارة عن أي صورة معالجة مسبقاً (بعبارة أخرى؛ بواسطة
محرك المعالجة الأولية للصورة 104) ذات قطاع رقيق أو توليفة من صور ذات قطاع رقيق. على
سبيل المثال» يمكن أن تكون صورة التحليل التركيبي 106 عبارة عن صورة ذات قطاع رقيق بعبارة أخرى تم الحصول عليها بواسطة ضوءٍ قطبي مستوي .plane—polarized light
يعالج نظام التحليل التركيبي 134 صورة التحليل التركيبي 106 لتوليد كمخرج بيانات تركيبية
6. تشير البيانات التركيبية 126 إلى النسب النسبية للقطاع الرقيق 102 التي يتم شغلها
بواسطة مكونات القطاع الرقيق المناظرة Jie حبيبات؛ المسام؛ أنواع الطمي؛ وأكاسيد الحديد. في
بعض الحالات؛ تشير البيانات التركيبية 126 بصورة إضافية إلى النسب النسبية للقطاع الرقيق
0 102 التي يتم شغلها بواسطة مكونات إضافية؛ Jie أسمنت. dag عام؛ (Sa تطبيق الوصف التالي بصورة مماثلة لتحديد بيانات تركيبية لأي عدد من مكونات القطاع الرقيق المختلفة. يوفر نظام التحليل التركيبي 134 صورة التحليل التركيبي compositional analysis image 6 كمخرج لمحرك توليد سمة 110 بعبارة أخرى تم تشكيله لتحديد متجه سمة 112 (بعبارة أخرى؛ تجميعة مرتبة من القيم العددية) لكل بكسل مناظر من صورة التحليل التركيبي 106 على
5 أساس مكونات اللون على الأقل لكل بكسل مناظر؛ كما سيتم الوصف بمزيد من التفصيل فيما بعد . يوفر نظام التحليل التركيبي 134 متجهات السمة 112 للبكسلات المناظرة لصورة التحليل التركيبي 106 كمخرج إلى محرك تجميع 114 بعبارة أخرى تم تشكيله لتجميع البكسلات لصورة التحليل التركيبي 106 (باستخدام خوازمية تجميع تعلم آلي) على أساس متجهات السمة 112
0 للبكسلات pixels لصورة التحليل التركيبي 106. يولد محرك التجميع 114 مكونات صورة مجمعة 118 التي تشير؛ لكل بكسل مناظر إلة صورة التحليل التركيبي 106؛ بحيث يتناظر البكسل مع مكون قطاع رقيق محدد . يوفر نظام التحليل التركيبي 134 مكونات الصورة المجمعة clustered image components 118 كمخرج إلى محرك معالجة صورة 140. يعالج محرك معالجة الصورة
0 مكونات الصورة المجمعة 118 وذلك :(1) لتحويلها إلى نسق تخزين الذي يمكن معالجته
باستخدام محرك تحليل مكون 138؛ و (2) توليد صورة تحليل بنيوية 108 (لتوفيرها كمخرج إلى
نظام التحليل البنيوي 136). dng عام؛ يولد محرك dallas الصورة 140 صورة التحليل البنيوية
8 بواسطة دمج :(1) واحدة أو أكثر من صور ذات قطاع رقيق المعالجة مسبقاً 102؛ و (2)
صورة حجب على أساس مكونات الصورة المجمعة 118. يتم وصف مثال عملية لتحديد صورة
تحليل بنيوي للقطاع الرقيق بالرجوع إلى شكل 4.
يتم تشكيل مكون تحليل الصورة 138 لمعالجة تجسيد مكونات الصورة المجمعة 118 التي تم
إخراجها بواسطة محرك معالجة الصورة 140 لتحديد البيانات التركيبية 126. لتحديد cell
النسبية للقطاع الرقيق 128 بعبارة أخرى التي يتم شغلها بواسطة مكون محدد على سبيل المثال؛ 0 حبيبات grains ؛ المسام pores « أنواع الطمي clays ؛ أو أكاسيد الحديد iron oxides ؛
يحدد مكون تحليل الصورة 138 gia من البكسلات لصورة تحليل تركيبي 106 التي تتناظر مع
مكون محدد على أساس مكونات الصورة المجمعة.
يتم وصف عملية مثال لتحديد بيانات تركيبية للقطاع الرقيق بالرجوع إلى شكل 2.
يعالج نظام التحليل البنيوي textural analysis system 136 صورة التحليل البنيوية 108 5 (توليده بواسطة محرك dallas الصورة 140( لتوليد كمخرج بيانات بنيوية للحبيبة grain
texture data 124. تتضمن البيانات البنيوية للحبيبة 124 بيانات تميز واحدة أو أكثر من
المساحات؛ المحيطات؛ الأقطار طويلة المحور؛ الأقطار قصيرة المحور؛ أو استدارة الحبيبات في
القطاع الرقيق 128.
يوفر نظام التحليل البنيوي 136 صورة التحليل البنيوية 108 كمخرج إلى محرك التجزئة 116 0 بعبارة أخرى تم تشكيله لمعالجة المخرج لتوليد كمخرج تجزئة حبيبة 120. تتضمن تجزئة الحبيبة
0 بيانات فهرسة حبيبات للقطاع الرقيق 128 (بعبارة أخرى » البيانات التي ترتبط JS حبيبة
للقطاع الرقيق 128 لقيم مؤشر عددية مختلفة) وتشير» لكل بكسل مناظر لصورة التحليل البنيوية
8 إما أن البكسل لا يتناظر مع الحبيبة أو أن البكسل يتناظر مع حبيبة محددة للقطاع الرقيق
.8
يوفر نظام التحليل البنيوي 136 تجزئة الحبيبة 120 كمخرج إلى محرك تحليل الحبيبة 122 بعبارة
أخرى تم تشكيله لمعالجة المخرج لتوليد كمخرج البيانات البنيوية للحبيبة 124. لتحديد خواص
الحبيبات للقطاع الرقيق 102 le) سبيل المثال؛ المساحات؛ المحيطات؛ الأقطار طويلة المحور؛
الأقطار قصيرة المحور» أو استدارة الحبيبات)» يقوم محرك تحليل الحبيبة 122 بالمعالجة الفردية لكل من حبيبات القطاع الرقيق 128 المفهرسة بواسطة تجزئة الحبيبة 120 ويحدد الخواص
المناظرة للحبيبة.
يتم وصف عملية مثال لتحديد بيانات بنيوية للحبيبة للقطاع الرقيق بالرجوع إلى شكل 3.
شكل 2 عبارة عن مخطط سير عمليات لعملية مثال لتحديد بيانات تركيبية للقطاع الرقيق.
للملائمة». سوف يتم وصف العملية 200 بأنه يتم إجراؤها بواسطة نظام لواحد أ, أكثر من أجهزة
0 الكمبيوتر الموضوعة في واحد أو أكثر من المواقع. على سبيل المثال؛ يمكن أن يقوم نظام تحليل تركيبي؛ على سبيل المثال؛ نظام التحليل التركيبي 134 لشكل 1؛ المبرمج بصورة ملائمة وفقاً لهذه المواصفة؛ بالعملية 200.
يحدد النظام متجه سمة لكل بكسل مناظرلصورة التحليل التركيبي (202). dag عام؛ يتضمن متجه السمة لكل بكسل مناظر لصورة التحليل التركيبي مكونات اللون المناظرة للبكسل المناظر.
5 على سبيل المثال؛ إذا كانت صورة التحليل التركيبي عبارة عن صورة الإضاءة-اللونية؛ فيتضمن متجه السمة للبكسل المناظر قيم الإضاءة والقنوات اللونية للبكسل المناظر. في بعض التنفيذات؛ يتضمن متجه السمة لكل بكسل مناظر لصورة التحليل التركيبي سمات أخرى مشتقة من مكان قريب للبكسل المناظر في صورة التحليل التركيبي؛ Jie معدلات شدة متوسط اللون والتغير في معدلات شدة اللون في الأماكن المجاورة للبكسل المناظر.
0 في بعض التنفيذات؛ يحدد النظام المناطق لصورة التحليل التركيبي المناظرة لمكون أكاسيد الحديد iron oxides بواسطة تحديد أي من البكسلات لصورة التحليل التركيبي يكون لها متجه سمة بعبارة أخرى بشكل كافي بالتشابه مع متجه daw مرجعي مناظر مع أكاسيد الحديد iron 5 (204). على سبيل المثال؛ بالنسبة لصور التحليل التركيبي المحددة؛ يكون لأكاسيد الحديد لون أسود؛ Lai لا يكون للمكونات الأخرى للقطاع الرقيق (على سبيل المثال؛ المسام؛
— 3 1 — حبيبات؛ وأنواع الطمي) لون أسود. في هذا المثال؛ يمكن أن يحدد النظام أن البكسلات التي يكون لها سمات لون متشابهة بشكل كافي مع اللون الأسود تتناظر مع أكاسيد الحديد. في تنفيذات أخرى؛ لا يقوم النظام 204 وكذلك لا يحدد المناطق لصورة التحليل التركيبي المناظرة لكل مكون قطاع رقيق مختلف (بما في ذلك المناطق المناظرة لأكاسيد الحديد) بواسطة تجميع البكسلات؛ كما تم الوصف بالإشارة إلى 206. يحدد النظام المناطق لصورة التحليل التركيبي المناظرة لمكونات القطاع الرقيق المناظرة مثل حبيبات؛ المسام؛ أنواع الطمي؛ وفي بعض الحالات؛ أكاسيد الحديد iron oxides بواسطة تجميع البكسلات لصورة التحليل التركيبي على أساسمتجهات السمة لها (206). يتم وصف عملية مثال لتحديد منطقة القطاع الرقيق بواسطة تجميع بالرجوع إلى شكل 5. 0 يحدد النظام الخواص التركيبية للقطاع الرقيق على أساس Ghd) المحددة (بعبارة أخرى؛
المناطق المناظرة لكل مكون قطاع رقيق مختلف) (208). تتضمن الخواص التركيبية للقطاع الرقيق النسب النسبية للقطاع الرقيق التي يتم شغلها بواسطة مكونات القطاع الرقيق المختلف. على وجه الخصوص» لتحديد نسبة القطاع الرقيق أي المشغول بواسطة المكون ©؛ يحسب النظام:
عدد البكسلات pixels فى
%100 x C منطقة
إجمالى عدد البكسلات حيث يمكن أن يتناظر المكون © مع الحبيبات؛ المسام؛ أنواع الطمي؛ أكاسيد الحديد؛ أو أي مكون
5 1 ذي صلة AT . في بعض التنفيذات؛ يمكن أن يحسب النظام الخواص التركيبية الأخرى للقطاع الرقيق؛ ie المساحة المطلقة (على سبيل المثال» بقيمة Ale مترات مربعة) لكل منطقة للقطاع الرقيق المناظر لكل مكون مناظر.
شكل 3 عبارة عن مخطط سير عمليات لعملية مثال لتحديد بيانات بنيوية للحبيبة للقطاع الرقيق. للملائمة؛ سوف يتم وصف العملية 300 Cua يتم إجراؤها بواسطة نظام لواحدة أو أكثر من أجهزة الكمبيوتر الموجودة في واحد أو أكثر من المواقع. على سبيل المثال؛ يقوم نظام التحليل البنيوي؛ على سبيل (Jal) نظام التحليل (gal) 136 لشكل 1 المبرمج بصورة ملائمة وفقاً لهذه المواصفة؛ بالعملية 300.
يستقبل النظام صورة تحليل بنيوي ale dag .)302( textural analysis image يتم توليد التحليل البنيوي بواسطة دمج واحدة أو أكثر من صور ذات قطاع رقيق مع صورة حجب لواحد أو أكثر من مكونات القطاع الرقيق. يتم وصف عملية مثال لتحديد صورة تحليل بنيوي للقطاع الرقيق بالرجوع إلى شكل 4.
0 يقوم النظام بتجزئة الحبيبات الفردية من صورة التحليل البنيوية textural analysis image (304). تتضمن تجزئة الحبيبات من صورة التحليل البنيوية توليد بيانات فهرسة حبيبات للقطاع الرقيق (بعبارة أخرى؛ البيانات التي ترتبط بكل حبيبة للقطاع الرقيق لقيمة مؤشر عددية مختلفة) والبيانات التي تشير إلى» لكل بكسل مناظر لصورة التحليل البنيوية؛ أن أي البكسل لا يتناظر مع الحبيبة (بعبارة أخرى؛ يكون البكسل عبارة عن بكسل خلفية) أو أن البكسل يتناظر مع حبيبة
5 محددة للقطاع الرقيق (بعبارة أخرى؛ حبيبة تمت الإشارة إليها بواسطة قيمة عددية محددة). يعمل النظام على تجزئة الحبيبات باستخدام أي خوارزمية تجزئثة segmentation algorithm ملائمة . cole dag تكون خوارزمية التجزئة عبارة عن لوغارتمية التي تكون آلية بصورة أساسية (بعبارة أخرى؛ خوارزمية التي تتطلب القليل أو عدم التدخل البشري). على سبيل المثال؛ يعمل النظام على تجزئة الحبيبات من صورة التحليل البنيوية التي تستخدم طريقة معالجة صورة؛ مثل 8
0 خوارزمية مقسم المياه watershed segmentation algorithm . في هذا المثال؛ يعالج النظام صورة التحليل البنيوية لتوليد صورة حافة؛ حيث تترابط شدة البكسل مع احتمالية أن البكسل ينتمي إلى حافة صورة التحليل البنيوية .بحيث تحديد صورة الحافة الحبيبات للقطاع الرقيق» وبتم تطبيق خوارزمية مقسم المياه على صورة الحافة لتجزئة الحبيبات. بوجدٍ عام؛ تحدد خوارزميات تقسيم المياة تجزئة صورة إلى مناطق مختلفة بواسطة تحديد مناطق لصورة مغلفة بحدود مميزة بواسطة
معدلات شدة مرتفعة البكسل على سبيل (Jal بواسطة خوارزمية طفو flooding algorithm
— 5 1 — على سبيل الأمثلة الأخرى؛ يمكن أن يجزاً النظام الحبيبات من صورة التحليل البنيوية باستخدام طرق تجزئة تعلم آلي» مثل طرق تجزئة شبكة عصبية أو غابة عشوائية. يحدد النظام سمات الحبيبات المجزئة segmented grains (306). تتضمن خصائص الحبيبات المجزئة واحدة أو SST من المساحات؛ المحيطات؛ الأقطار طويلة المحور؛ الأقطار قصيرة المحور» واستدارة الحبيبات. يعالج النظام بصورة فردية كل من الحبيبات المجزئة وتحدد
الخواص المناظرة للحبيبة. على سبيل المثال» يمكن أن يحدد النظام مساحة الحبيبة المجزئة بواسطة ضرب عدد البكسلات فى الحبيبة المحزئة بواسطة المساحة المشغولة بواسطة بكسل مفرد single pixel . في بعض التنفيذات؛ يحدد النظام خواص تكتل الحبيبات المجزئة. على سبيل المثال» يمكن أن
0 يحدد النظام توزيع المساحات للحبيبات المجزئة؛ المساحة المتوسطة للحبيبات المجزئة؛ أو التغير فى المساحات للحبيبات المجزئة segmented grains شكل 4 عبارة عن مخطط سير عمليات لعملية مثال لتحديد صورة تحليل بنيوي للقطاع الرقيق. للملائمة ¢ سوف يتم وصف العملية 400 حيث يتم إجراؤها بواسطة نظام لواحدة أو أكثر من أجهزة الكمبيوتر الموجودة في واحد أو أكثر من المواقع. على سبيل المثال» يمكن أن يقوم نظام تحليل
5 القطاع الرقيق؛ على سبيل المثال؛ نظام تحليل القطاع الرقيق 100 لشكل 1( المبرمج بصورة ملائمة وفقاً لهذه المواصفة؛ بالعملية 400. يستقبل النظام العديد من صور ذات قطاع رقيق المولدة بواسطة مجهر استقطاب ومكونات صورة مجمعة (التي تشير إلى المناطق للقطاع الرقيق المناظرة لمكونات القطاع الرقيق المختلف) (402).
يتم تشكيل مجهر ا لاستقطاب لتوليد صور ذات Wad 2 رقيق بواسطة الحصول على صورة مكبرة للقطاع الرقيق مع تعريض القطاع الرقيق إلى ضوءٍ قطبي-خطي (بعبارة (AT ضوءٍ حيث يتم تقييد متجه المجال المغناطيسي أو الكهربائي على مستوى بطول اتجاة الانتشار). تتضمن صور
بتعريض القطاع الرقيق إلى ضوء قطبي-خطي وصور ذات قطاع رقيق الذي تم الحصول عليه
عندما يقوم مجهر الاستقطاب بتعريض القطاع الرقيق للضوء القطبي المستعرض.
يتم الحصول على صور ذات قطاع رقيق مختلفة بواسطة تدوير الموضع للقطاع الرقيق في مجهر
الاستقطاب إلى زوايا مختلفة في مجهر الاستقطاب بالنسبة للزاوية المرجعية والحصول على صور لقطاع الرقيق بينما يتم تدويرها إلى الزوايا المختلفة. يمكن أن تتضمن الزوايا المختلفة الزوايا 0*؛
5 ), 45*؛ °67.5 أو أي زوايا ملائمة آخرى. تكون صور القطاع الرقيق عبارة عن صور
لون» بعبارة أخرى؛ صور التي تتضمن lily لون من قنوات لون مختلفة لكل بكسل صورة. على
سبيل (JE) يمكن أن تكون صور القطاع الرقيق Ble عن صور صورة أحمر -أخضر -ازرق
(('RGB)red-green—blue بعبارة أخرى؛ الصور التي تتضمن بيانات لون لقناة ذات لون
0 أحمرء قناة ذات لون اخضرء وقناة ذات لون ازرق لكل بكسل صورة. كمثال آخر؛ يمكن أن تكون صور القطاع الرقيق عبارة عن صور تتضمن بيانات لون لقناة الإضاءة luminosity channel والقناة اللونية .chromaticity channel يسجل النظام العديد من صور القطاع الرقيق إلى صور ذات قطاع رقيق مرجعية (404). بوجهٍ ale يمكن أن تكون صور القطاع الرقيق المرجعية عبارة عن أي صورة ذات قطاع رقيق. في
5 بعض الحالات؛ تكون الصورة ذات القطاع الرقيق المرجعية عبارة عن صورة التحليل التركيبي. يمكن أن يستخدم النظامأي خوارزمة تسجيل ملائمة. يمكن أن تستخدم خوارزمية التسجيل تحول التسجيل الخطي؛ تحول التسجيل المرن؛ أو أي تحول تسجيل ملائم آخر. يمكن أن تتضمن خوارزمية التسجيل مجموع وظيفة هدف اختلافات مربعة؛ وظيفة هدف معلومات متبادلة؛ أو أي وظيفة مستهدفة ملائمة أخرى .
(Ka 0 الحصول على كل من صور القطاع الرقيق المتعددة أثناء التدوير إلى زاوية مختلفة في مجهر الاستقطاب. في بعض التنفيذات؛ يعمل النظام على عدم تدوير كل من صور القطاع Gl المتعددة بالنسبة للصور ذات القطاع الرقيق المرجعية قبل تسجيلها على صور القطاع الرقيق المرجعية. يعمل النظام على التدوير العكسي لصورة ذات قطاع رقيق بالنسبة للصور ذات القطاع الرقيق المرجعية بواسطة تحديد الاختلاف بين زاوية الاستحواذ للصورة ذات القطاع الرقيق والصورة
5 ذات القطاع الرقيق المرجعية؛ والتدوير الرقمي للقطاع الرقيق بواسطة مقابل الزاوية المحددة. على
— 7 1 — سبيل المثال» إذا حدد النظام أن الاختلاف بين زاوية الاستحواذ للصورة ذات القطاع الرقيق والصورة ذات القطاع الرقيق المرجعية تبلغ 35 "باتجاه عقارب الساعة؛ فيعمل النظام على تدوير الصورة ذات القطاع الرقيق 35" عكس -اتجاه عقارب الساعة . يدمج النظام صور القطاع الرقيق المسجلة لتوليد صورة مركبة )406( . في يعض الحالات؛ قبل دمج صور القطاع الرقيق المسجلة؛ يحولها النظام إلى صورة ذات لون رمادي متدرج مناظرة . فى بعض التنفيذات؛ يدمج النظام صور القطاع الرقيق المسجلة بواسطة أخذ متوسط منها (بعبارة (al بواسطة ضبط قيمة كل بكسل للصورة المدمجة لتكون متوسط القيم للبكسلات المناظرة للصور ذات القطاع الرقيق المسجلة). في بعض التنفيذات»؛ يدمج النظام الصورة الرقيقة المسجلة بواسطة حساب المتوسط لها (بعبارة coal بواسطة ضبط القيمة لكل بكسل للصورة المدمجة ليكون 0 عبارة عن متوسط القيم للبكسلات المناظرة للصور ذات القطاع الرقيق المسجلة). يولد النظام صورة حجب من مكونات الصورة المجمعة )408( . على dag الخصوص 3 يولد النظام صورة حجب لمكون الحبيبة للقطاع الرقيق؛ مكون المسام للقطاع الرقيق؛ أو كلاهما. تشير صورة الحجب لواحد أو أكثر من مكونات القطاع الرقيق إلى صورة حيث تنتمي البكسلات إلدواحد أو أكثر من المكونات التي يكون لها قيمة محددة مسبقاً أولى (على سبيل المثال؛ ad 5 واحد) ولا an البكسلات إلى واحد أو أكثر من المكونات التي يكون لها قيمة محددة مسبقاً ثانية (على سبيل المثال؛ قيمة الصفر) . يدمج النظام الصورة المركبة وصورة الحجب لتوليد صورة تحليل بنيوي (410). يمكن دمج الصورة المركبة وصورة الحجب بأي طريقة ملائمة. على سبيل المثال ¢ يمكن دمج الصورة المركبة وصورة الحجب بواسطة ضبط القيمة لكل يكسل 0 لصورة التحليل البنيويةلتكون عبارة عن المنتج لقيم البكسلات المناظرة للصورة المركبة وصورة canal بالتالى توضيح منطقة الحبيبة فى صورة التحليل البنيوية . شكل 5 عبارة عن مخطط سير عمليات لعملية مثال لتحديد منطقة القطاع الرقيق بواسطة تجميع. متجهات سمة لبكسلات صورة للقطاع الرقيق (Ao) سبيل المثال» صورة التحليل التركيبي 106).
— 8 1 — للملائمة ¢ سوف يتم وصف العملية 500 حيث يتم إجراؤها بواسطة نظام لواحدة أو أكثر من أجهزة الكمبيوتر الموجودة في واحد أو أكثر من المواقع. على سبيل المثال» يمكن أن يقوم نظام التحليل التركيبي على سبيل المثال؛ نظام التحليل التركيبي 4 لشكل 1 المبرمج بصورة ملائمة وفقاً لهذه المواصفة؛ بالعملية 500.
asain 5 النظام البكسلات لصورة asl) 2 الرقيق إلى مجموعات مختلفة بواسطة تجميع متجهات السمة لها )502( يشير متجه السمة لبكسل إلى تجميعة مرتبة من القيم العددية المرتبطة بالبكسل. يشير تجميع البكسلات للصورة على أساس متجهات السمة لها إلى تخصيص كل من البكسلات للصورة إلى عدد محدد مسبقاً لمجموعات مختلفة. يتم إجراء التخصيص المذكور لتقليل الاختلافات بين متجهات السمة للبكسلات داخل مجموعات وتحسين الاختلافات بين متجهات
0 السمات للبكسلات بين مجموعات مختلفة. يمكن أن يستخدم النظام أي خوارزمية تجميع clustering algorithm _ملائمة لتجميع البكسلات على أساس متجهات السمة لها. على سبيل (Jal يمكن أن يستخدم النظام خوارزمية تجميع متوسطات -»ا؛ خوارزمية تحقيق أقصى قدر للتوقع» أو خوازمية تجميع تعتمد على الشبكات العصبية neural networks . في بعض الحالات؛ يتم إجراء خوازمية التجميع لعدد محدد مسبقاً من التكرارات. في بعض
15 الحالات؛ يتم إجراء خوازمية التجميع حتى يتم تفرق المجموعات المتوقعة بواسطةخوارزمية التجميع . على سبيل المثال» يمكن تحديد تفرق خوارزمية التجميع إذا كان الاختلاف في تخصيصض البكسلات للمجموعات بين التكرارات أقل من القيمة الحدية المحددة مسبقاً . يختار النظام عدد من المجموعات المحددة مسبقاً في خوارزمية التجميع على أساس عدد مكونات صورة مجمعة المراد تحديدها-- على سبيل المثال؛ إذا كانت مكونات الصورة المجمعة المراد
0 تحديدها تتناظر إلى حبيبات grains ؛ المسام pores ؛ أنواع الطمي clays ؛ يختار النظام عدد المجموعات المحددة مسبقاً ليبلغ ثلاث . يحدد النظام متجة سمة نموذجى مناظر لكل مجموعة لعدد محدد مسبقاً من المجموعات )504( . على سبيل المثال» يمكن تحديد متجه السمة النموذجى لمجموعة كمتوسط لمتجهات السمة
للبكسلات المخصصة للمجموعة .كمثال آخر؛ يمكن تحديد متجه السمة النموذجي لمجموعة كمركز متوسط لمتجهات السمة للبكسلات المخصصة للمجموعة. يحدد النظام مكونات الصورة المجمعة بواسطة تحديد مكون القطاع الرقيق على سبيل المثال؛ حبيبات grains ؛ المسام pores ؛ أنواع الطمي clays مناظر لكل مجموعة (506). على dag 5 الخصوص» يقارن النظام متجهات السمة النموذجية لكل مجموعة مع متجهات السمة المرجعية لكل مكون. يتناظر متجة السمة المرجعي المختلف مع كل مكون. على سبيل المثال؛ إذا كانت المكونات عبارة عن المسام؛ الحبيبات؛ وأنواع الطمي؛ فسوف يتناظر متجه السمة المرجعي الأول مع المسام؛ وسوف يتناظر متجه السمة المرجعي الثاني مع الحبيبات؛ وسوف يتناظر متجه السمة المرجعي الثالث مع أنواع الطمي. يكون متجه السمة المرجعي لمكون عبارة عن متجه سمة بعبارة 0 أخرى معروف (على سبيل (JE من التجارب السابقة) ليجسد تقريباً متجهات السمة للبكسلات المناظرة للمكون. يحدد النظام أن البكسلات في مجموعة محددة (كما تم التحديد بواسطة التجميع) تتناظر مع مكون محدد إذا كان متجه السمة النموذجي للمجموعة مشابه بدرجة كافية مع متجه السمة المرجعي للمكون المحدد. يمكن أن يحدد النظام أن متجة السمة النموذجي يكون متشابه بدرجة كافية مع متجه سمة مرجعي إذا كانت المسافة بين متجة السمة النموذجي ومتجه السمة المرجعي (على سبيل المثال؛ كما تم التحديد بواسطة قياس المسافة الإقليدية) أقل من القيمة الحدية المحددة مسبقاً . تستخدم هذه المواصفة التعبير "تم "ALS بالاشتراك مع نظم ومكونات برنامج الكمبيوتر. بالنسبة لنظام واحد أو أكثر من أجهزة الكمبيوتر المراد تشكيلها لإجراء عمليات أو وسائل أفعال محددة التي قام النظام بتركيبها على malin برامج ثابتة؛ الأجزاء الصلبة؛ أو توليفة منها التي تؤدي في 0 العملية إلى قيام النظام بالعمليات أو الأفعال. بالنسبة لواحد أو أكثر من برامج الكمبيوتر المراد تشكيلها لإجراء عمليات أو سائل أفعال محددة بحيث يتضمن واحد أو أكثر من البرامج التعليمات التي عند تنفيذها جهاز dallas بيانات data processing apparatus » تؤدي إلى قيام الجهاز بالعمليات أو الإجراءات. يمكن تنفيذ النماذج لموضوع الاختراع والعمليات الوظيفية الموصوفة في هذه المواصفة في دائرة 5 إلكترونية رقمية؛ في برنامج كمبيوتر dune ملموس أو برامج ثابتة؛ في الأجزاء الصلبة للكمبيوتر»
La في ذلك التركيبات التي تم الكشف عنها في هذه المواصفة والمكافئات البنائية لهاء أو في توليفة من واحدة أو أكثر منها. يمكن تنفيذ النماذج لموضوع الاختراع الموصوفة في هذه المواصفة في صورة واحد أو أكثر من برامج الكمبيوتر» بعبارة AT واحدة أو SST من الوحدات النمطية لتعليمات برنامج الكمبيوتر المشفرة على وسط تخزين غير مؤقت ملموس للتنفيذ بواسطة؛ أو للتحكم في عملية؛ جهاز معالجة بيانات. يمكن أن يكون وسط تخزين الكمبيوتر عبارة عن جهاز تخزين مقروء بماكينة ¢ ركيزة تخزين مقروءة بماكينة؛ جهاز ذاكرة وصول عشوائي أو متسلسل» أو توليفة من واحدة أو JST منهما. على نحو بديل أو بصورة إضافية؛ يمكن تشفير تعليمات ld) على إشارة منتشرة مولدة بشكل صناعي؛ على سبيل المثال؛ إشارة كهربائية أو كهرومغناطيسية electromagnetic signal ¢ أو ضوئية Age بماكينة؛ بعبارة أخرى مولدة لتشفير معلومات للنقل 0 إلى جهاز استقبال مناسب للتنفيذ بواسطة جهاز data processing «lly dallas .apparatus يشير التعبير "جهاز معالجة بيانات" إلى معالجة بيانات الأجزاء الصلبة ويتضمن جميع أنواع الأجهزة؛ والماكينات لمعالجة البيانات؛ التي تتضمن على سبيل المثال معالج قابل للبرمجة؛ كمبيوتر» أو العديد من أجهزة المعالجة أو الكمبيوتر. يمكن أن يكون الجهاز ple Lad عن؛ أو 5 يتضمن أيضاً دائرة منطقة ذات غرض (pals على سبيل (Jal مصفوفات البوابات المبرمجة حقلياً (FPGA) field programmable gate array أو دائرة مدمجة محددة الاستخدام .(ASIC) application-specific integrated circuit يمكن أن يتضمن الجهاز بشكل اختياري؛ بالإضافة إلى الأجزاء الصلبة؛ شفرة التي تعمل على إيجاد وسط تنفيذ لبرامج الكمبيوتر» على سبيل المثال» شفرة تُشكل برامج ثابتة للمعالج» حزمة بروتوكولية protocol stack ¢ نظام 0 تحكم في قاعدة البيانات database management system ؛ نظام تشغيل operating 70 » أو توليفة من واحدة أو أكثر منهما. يمكن كتابة برنامج كمبيوتر» الذي تمت الإشارة إليه أو وصفة كبرنامج؛ تطبيق برنامج؛ تطبيق؛ وحدة نمطية ؛ وحدة نمطية لبرنامج software module « نص برمجي script ¢ أو شفرة code » في أي صورة من لغة البرمجة (على سبيل (JB لغات مجمعة أو مفسرة؛ أو لغات إجرائية أو 5 غير إجرائية). يمكن استخدام برنامج الكمبيوتر في أي صورة؛ بما في ذلك برنامج بمفردع أو
— 1 2 — كوحدة نمطية ؛ مكون؛ برنامج فرعي ¢ أو وحدة أخرى مناسبة للاستخدام في وسط كمبيوتر. يمكن أن يتناظر البرنامج؛ ولكن لا يتطلب؛ مع ملف في نظام الملف. يمكن تخزين البرنامج في en على ملف يحفظ البرامج أو البيانات الأخرى؛ على سبيل المثال» واحد أو أكثر من النصوص البرمجية المخزنة في وثيقة ذات لغة ترميزية؛ في ملف مفرد مخصص للبرنامج محل الاهتمام؛ أو فى العديد من الملفات المتناسقة؛ على سبيل (JU ملفات تخزن واحدة أو أكثر من الوحدات النمطية؛ البرامج الفرعية؛ أو أجزاء من الشفرة. يمكن استخدام برنامج كمبيوتر للتنفيذ على كمبيوتر أو على مجموعة من أجهزة الكمبيوتر التي توجد عند موضع أو موزعة عبر عدة مواضع والمتصلة بينياً بواسطة شبكة اتصال بيانات. في هذه المواصفة يتم استخدام التعبير 'محرك" على نطاق عريض ليشير إلى نظام أساسه 0 برنامج؛ نظام فرعي» أو عملية بعبارة أخرى مبرمج إجراء واحد أو أكثر من الوظائف المحددة. dag عام؛ سوف يتم تنفيذ المحرك في صورة واحدة أو أكثر من الوحدات النمطية أو مكونات البرنامج, التي تم تركيبها على واحد أو أكثر من أجهزة الكمبيوتر في واحد أو أكثر من المواقع. في بعض الحالات؛ سوف يتم تخصيص واحد أو أكثر من أجهزة الكمبيوتر لمحرك محدد؛ فى حالات أخرى » يمكن تركيب العديد من المحركات وتشغيلها على نفس الكمبيوتر أو نفس أجهزة الكمبيوتر. 5 1 يمكن إجراء العمليات ومخططات السير المنطقية الموصوفة في هذه المواصفة بواسطة واحدة أو أكثر من eal الكمبيوتر القابلة للبرمجة التي تنفذ واحد أو أكثر من برامج الكمبيوتر لإجراء وظائف بواسطة التشغيل على بيانات مدخل وتوليد مخرج. يمكن أيضاً إجراء العمليات ومخططات سير العمليات المنطقية بواسطة دائرة منطقة ذات غرض خاص» على سبيل Jad مصفوفات البوابيات المبرمجة حقلياً (FPGA) field programmable gate array أو الدائرة المتكاملة 0 محددة التطبيقات «(ASIC) Application Specific Integrated Circuit أو بواسطة توليفة من دائرة منطقة ذات غرض خاص وواحد أو أكثر من أجهزة الكمبيوتر القابلة للبرمجة. يمكن أن تعتمد أجهزة الكمبيوتر المناسبة لتنفيذ برنامج كمبيوتر على المعالجات الدقيقة ذات الغرض العام أو الخاص أو كلاهماء أو أي نوع آخر من وحدة معالجة مركزية. dag عام سوف تستقبل وحدة المعالجة المركزية تعليمات وبيانات من ذاكرة القراءة فقط أو ذاكرة الوصول العشوائي 5 أو كلاهما. تكون العناصر الأساسية للكمبيوتر عبارة عن وحدة معالجة مركزية لإجراء أو تنفيذ
تعليمات وواحد أو أكثر من أجهزة الذاكرة لتخزين التعليمات والبيانات. يمكن إكمال وحدة المعالجة المركزية والذاكرة بواسطة؛ أو دمجها في؛ دائرة منطقة ذات غرض خاص. cole dag سوف يتضمن الكمبيوتر أيضاً (أو يكون مقترن بشكل فعال لمشاركة البيانات مع) واحدة أو أكثر من أجهزة تخزين الكتلة لتخزين بيانات» على سبيل (Jal أقراص مغناطيسية؛ أقراص مغناطيسية ضوئية؛ أو أقراص ضوئية. مع ذلك؛ لا يحتاج الكمبيوتر إلى الأجهزة المذكورة. علاوة على ذلك؛
يمكن إدخال الكمبيوتر في جهاز آخر؛ على سبيل (JB هاتف متنقل؛ مساعد رقمي شخصي ((PDA)personal digital assistant مشغل صوتي أو فيديو متحرك»؛ لوحة تحكم في المباريات؛ مستقبل نظام تحديد موضع عالمي «(GPS) Global Positioning System أو جهاز تخزين محمول»؛ على سبيل المثال» قرص ومضي لناقل تسلسلي عام universal serial
0 58(0005ل)؛ وذلك لذكر القليل. تتضمن الأوساط المقروءة بالكمبيوتر المناسبة لتخزين تعليمات وبيانات برنامج كمبيوتر جميع صور ذاكرة غير متحركة» أوساط وأجهزة ذاكرة؛ La في ذلك على سبيل المثالأجهزة ذاكرة شبه موصلة؛ على سبيل المثال»؛ ذاكرة القراءة فقط القابلة للمسح والبرمجة Electrically eS (EEPROM) Erasable Programmable Read Only Memory و ذاكرة القراءة فقط
5 القابلة للبرمجة «(EPROM) Electrical Programmable Read Only Memory وأجهزة ذاكرة ومضية؛ أقراص مغناطيسية؛ على سبيل المثال» أقراص صلبة داخلية أو أقراص قابلة للإزالة؛ أقراص مغناطيسية-ضوئية؛ (abil اقراص مضغوطة للقراءة فقط Compact Disc CD-ROMs read—only-memory و قرص مضغوطة للقراءة فقط read-only— - memory القرص الرقمي متعدد الأغراض (DVD) digital versatile disc .
Jelinll 0 مع المستخدم؛ يمكن تنفيذ النماذج لموضوع الاختراع الموصوفة في هذه المواصفة على كمبيوتر يتضمن جهاز (me على سبيل المثال» أنبوب أشعة سلبية القطب cathode ray (CRT) tube أو شاشة عرض بلورية سائلة LCD) liquid crystal display )؛ لعرض معلومات على المستخدم ولوحة مفاتيح وجهاز مؤشر» على سبيل المثال» فأرة أو كرة تتبع؛ التي يمكن للمستخدم أن يوفر من خلالها مدخل إلى كمبيوتر. يمكن استخدام أنواع أخرى من الأجهزة
5 تتوفير تفاعل مع المستخدم أيضاً؛ على سبيل Jl يمكن أن تكون التعليقات المتوفرة للمستخدم
Ble عن أي صورة من التعليقات الاستشعارية؛ على سبيل المثال» تعليقات مرئية؛ تعليقات صوتية؛ أو تعليقات ملموسة؛ ويمكن استقبال مدخل من المستخدم في أي صورة؛ بما في ذلك مدخل صوتي؛ عبارة؛ أو مدخل ملموس. بالإضافة إلى ذلك؛ يمكن أن يتفاعل الكمبيوتر مع المستخدم بواسطة إرسال وثائق إلى واستقبال وثائث من جهاز مستخدم بواسطة المستخدم؛ على مبيل (Jd) بواسطة إرسال صفحات ويب إلى متصفح ويب على جهاز المستخدم استجابة للطلبات المستقبلة من متصفح الويب. كذلك؛ يمكن أن يتفاعل الكمبيوتر مع المستخدم بواسطة إرسال رسائل نصية أو صور أخرى من الرسائل إلى جهاز شخصي؛ على سبيل المثال» هاتف ذكي بعبارة أخرى تشغيل تطبيق إرسال الرسائل؛ واستقبال رسائل استجابة من المستخدم رداً عليها. يمكن أن يتضمن جهاز معالجة بيانات data processing apparatus _لتنفيذ نماذج التعلم 0 الآلي؛ على سبيل (Ja) وحدات تعجيل الأجزاء الصلبة ذات الغرض الخاص لمعالجة الأجزاء المشتركة والحساب المكثف لحمل العمل لتدريب أو إنتاج التعلم الآلي Ae) سبيل المثال؛ الاستدلال). يمكن تنفيذ نماذج التعلم الآلي وتوظيفها باستخدام إطار تعلم آلي؛ على سبيل المثال؛ إطار TensorFlow « إطار Microsoft Cognitive Toolkit « إطار (Apache Singa أو إطار Apache MXNet 5 يمكن تنفيذ النماذج لموضوع الاختراع الموصوفة في هذه المواصفة في نظام كمبيوتر يتضمن مكون خلفي؛ على سبيل المثال؛ كخادم بيانات؛ أو الذي يتضمن مكون برنامج وسيط» على سبيل (Jal) خادم تطبيق؛ أو الذي يتضمن مكون أمامي؛ على سبيل (Jia) كجهاز كمبيوتر تابع له واجهة مستخدم رسومية؛ متصفح شبكة؛ أو تطبيق يتفاعل من خلاله المستخدم في التنفيذ موضوع 0 الاختراع الموصوف في هذه المواصفة؛ أو أي توليفة من واحد أو أكثر من المكونات الخلفية؛ الوسطىء أو الأمامية. يمكن توصيل المكونات بينياً بواسطة أي صورة أو وسط لتوصيل البيانات الرقمية؛ على سبيل المثال؛ شبكة اتصال. تتضمن أمثلة شبكات الاتصال شبكة محلية local (LAN) area network وشبكة واسعة النطاق (WAN) wide area network على سبيل المثال؛ إنترنت.
يتضمن نظام الحاسب الآلي أجهزة تابعة وخوادم. يكون الجهاز التابع والخادم بعيدين بوجه عام عن بعضهما البعض ويتفاعل بصورة نمطية من خلال شبكة اتصال. تظهر علاقة الجهاز التابع والخادم من خلال برامج الكمبيوتر التي يتم تشغيلها على أجهزة الكمبيوتر المناظرة والتي يكون لها علاقة جهاز تابع-خادم مع بعضها البعض. في بعض النماذج؛ يعمل الخادم على تقل البيانات؛
على سبيل المثال» صفحة لغة ترميز النصوص التشعبية hypertext markup language (71111/1-7)؛ إلى جهاز مستخدم؛ على سبيل المثال؛ لعرض البيانات واستقبال Jade مستخدم من مستخدم يتفاعل مع الجهاز؛ والذي يعمل كجهاز تابع. يمكن استقبال البيانات المولدة على جهاز المستخدم؛ على سبيل المثال؛ Lam لتفاعل المستخدم؛ عند خادم الجهاز من الجهاز. رغم أن هذه المواصفة تتضمن العديد من تفاصيل التنفيذات الخاصة؛ لا يجب أن يقيد ذلك مجال
0 الوصف في لمواصفة أو مجال ما ذكر في عناصر الحماية؛ ولكن يكون الوصف خاص بنماذج محددة. يمكن أيضاً تنفيذ السمات المحددة الموصوفة في هذه المواصفة في سياق النماذج المنفصلة بالاشتراك مع النموذج المفرد. على النقيض؛ يمكن أيضاً تنفيذ العديد من السمات الموصوفة في سياق نموذج مفرد في العديد من النماذج بصورة منفصلة أو في أي توليفة فرعية مناسبة. علاوة على ذلك؛ رغم وصف السمات سابقاً بأنها تؤثر في توليفات محددة ويتم ذكر ذلك
5 في البداية؛ يمكن الاستغناء عن واحدة أو أكثر من السمات من للمجموعة المذكورة في بعض الحالات من المجموعة؛ ويمكن أن تتعلق المجموعة المذكورة بمجموعة فرعية أو صورة متغيرة للمجموعة الفرعية. على غرار ذلك؛ رغم تصوير العمليات في الرسومات وذكرها في عناصر الحماية بترتيب محدد؛ يتطلب ذلك إجراء تلك العمليات بترتيب محدد موضح أو بترتيب متتالي؛ أو يتم إجراء جميع
0 العمليات؛ لتحقيق نتائج مطلوية. في حالات محددة؛ تكون العمليات متعددة الوظائف والمتوازية نافعة. علاوة على ذلك؛ لا يتطلب فصل العديد من الوحدات النمطية والمكونات للنظام في النماذج الموصوفة سابقاً الفصل في جميع النماذج؛ ويتضح أنه يمكن دمج مكونات البرنامج والنظم dag عام bas في منتج برنامج مفرد أو تجميعها في العديد من منتجات البرامج. تم وصف النماذج المحددة للاختراع. تكون النماذج الأخرى في نطاق مجال عناصر الحماية التالية.
5 على سبيل JE) يمكن إجراء الأفعال الواردة في عناصر الحماية بترتيب مختلف وتحقق نفس
— 5 2 — النتائج المطلوية. كمثال» لا تتطلب العمليات المصورة في الأشكال المرفقة أي ترتيب محدد موضح؛ أو ترتيب متتالي؛ لتحقيق النتائج المطلوية. في بعض الحالات؛ يمكن أن تكون الوظائف المتعددة والمعالجة المتوازية نافعة.
Claims (1)
- عناصر الحماية 1- طريقة للتحليل الآلي sal automated analysis قطاع صخري رقيق petrographic «thin section images تشتمل الطريقة على: تحديد صورة أولى لقطاع صخري رقيق petrographic thin section لعينة صخرية rock sample ؛ تحديد متجه سمة لكل بكسل pixel للصورة الأولى» حيث يتم تحديد متجه السمة لكل بكسل pixel مناظر على أساس واحد على الأقل من خصائص اللون للبكسل pixel المناظر؛ تحديد مناطق مختلفة متعددة لقطاع صخري رقيق petrographic thin section بواسطة تجميع البكسلات pixels للصورة الأولى على أساس متجهات السمة للبكسلات pixels للصورة الأولى على مجموعة من التكرارات التجميعية باستخدام تقنية التجميع التكراري؛ حيث تكون إحدى 0 مناطق منطقة الحبيبات grain region التي تناظر حبيبات في القطاع الصخري الرقيق petrographic thin section ؛ و تحديد صورة ثانية لقطاع صخري رقيق petrographic thin section « تشتمل على: دمج صور لقطاع صخري رقيق petrographic thin section تم الحصول عليها بواسطة ضوء قطبي مستوي light 01876-00181260 وضوء قطبي عرضي tcross—polarized light 5 تجزثة العديد من حبيبات من الصورة الثانية لقطاع صخري رقيق petrographic thin section على أساس المناطق المختلفة المتعددة من الصورة الأولى؛ تشتمل على: إنشاء صورة قناع استنادًا إلى مناطق مختلفة متعددة من الصورة الأولى» حيث: (1) يكون لبكسلات pixels صورة القناع المضمنة في منطقة الحبيبات grain region قيمة أولية محددة مسبقًاء و(2) يكون لبكسلات 5 صورة القناع غير المضمنة في منطقة الحبيبات dad grain region ثانية مختلفة محددة 0 مسبقًاء إبراز منطقة الحبيبات grain region في الصورة الثانية عن طريق تطبيق صورة القناع على الصورة الثانية؛ و بعد تطبيق صورة القناع على الصورة الثانية؛ تجزئة الحبيبات المتعددة من الصورة الثانية باستخدام خوارزمية التجزئة segmentation algorithm ؛ و 5 تحديد خصائص الحبيبات المجزئة segmented grains .— 7 2 — 2- الطريقة وفقاً لعنصر الحماية of حيث تتناظر المناطق المختلفة المتعددة لقطاع صخري رقيق petrographic thin section مع واحدة على الأقل من حبيبات grains ؛ المسام pores ؛ أنواع الطمي clays ؛ أو أكاسيد الحديد iron oxides 3- الطريقة وفقاً لعنصر الحماية 2؛ تشتمل أيضاً على تحديد النسب النسبية للمناطق المختلفة المتعددة لقطاع صخري رقيق petrographic thin section . 4- الطريقة وفقاً لعنصر الحماية 1؛ حيث تتضمن خصائص الحبيبات المجزئة segmented 5 »+ لكل من العديد من الحبيبات»؛ واحدة على الأقل من المساحة؛ caine قطر محور 0 1 طويل 4 قطر محور قصير 4 أو الاستدارة . 5- الطريقة وفقاً لعنصر الحماية 1 حيث يشتمل تجميع البكسلات pixels للصورة الأولى على استخدام خوارزمية تجميع clustering algorithm متوسطات -») على البكسلات pixels للصورة الأولى. 6- الطريقة وفقاً لعنصر الحماية 1؛ حيث تتم تجزئة الحبيبات المتعددة باستخدام خوارزمية مقسم المياه segmentation algorithm 11/21615-160. 7- الطريقة وفقاً لعنصر الحماية 1 حيث تكون الصورة الأولى عبارة عن صورة لقطاع صخري 0 رقيق petrographic thin section 23 الحصول عليها بواسطة ضوءٍ قطبي مستوي plane—.polarized light 8- الطريقة وفقاً لعنصر الحماية 1؛ حيث يتم الحصول على كل صورة مكتسبة بواسطة ضوءٍ aad مستعرض عند تدوير القطاع الصخري الرقيق petrographic thin section إلى زاوية 5 مختلفة بالنسبة للزاوية المرجعية؛ وتحديد صورة ثانية لقطاع صخري رقيق petrographic thin section تشتمل أيضاً على تسجيل العديد من الصور المكتسبة على الصورة المرجعية.9- الطريقة وفقاً لعنصر الحماية 1؛ حيث يتم استخدام المناطق المختلفة المتعددة المحددة للقطاع الرقيق وخصائص الحبيبات المجزئة segmented grains لتقييم جودة الخزان. als -0 يشتمل على: جهاز معالجة بيانات ¢data processing apparatus و وسط تخزين gg je بالكمبيوتر غير مؤقت non-transitory computer readable storage medium في اتصال بيانات مع جهاز dallas البيانات data processing 5 يخزن تعليمات قابلة للتنفيذ بواسطة جهاز معالجة البيانات والذي عند التنفيذ المذكور يدفع جهاز معالجة البيانات إلى إجراء عمليات تشتمل على:0 تحديد صورة أولى لقطاع صخري رقيق petrographic thin section لعينة صخرية rock sample ؛ تحديد متجه سمة لكل بكسل pixel للصورة الأولى» حيث يتم تحديد متجه السمة لكل بكسل pixel مناظر على أساس واحد على الأقل من خصائص اللون للبكسل pixel المناظر؛ تحديد مناطق مختلفة متعددة لقطاع صخري رقيق petrographic thin section بواسطة5 تجميع البكسلات pixels للصورة الأولى على أساس متجهات السمة للبكسلات pixels للصورة الأولى على مجموعة من التكرارات التجميعية باستخدام تقنية التجميع التكراري؛ حيث تكون إحدى مناطق منطقة الحبيبات grain region التي تناظر حبيبات في القطاع الصخري الرقيق petrographic thin section ؛ و تحديد صورة ثانية لقطاع صخري رقيق petrographic thin section « تشتمل على:0 دمج صور لقطاع صخري رقيق petrographic thin section تم الحصول عليها بواسطة ضوء قطبي مستوي light 01876-00181260 وضوء قطبي عرضي tcross—polarized light تجزئة العديد من حبيبات من الصورة الثانية لقطاع صخري رقيق petrographic thin section على أساس المناطق المختلفة المتعددة من الصورة الأولى؛ تشتمل على: إنشاء صورة قناع استنادًا إلى مناطق مختلفة متعددة من الصورة الأولى» حيث: (1) يكون لبكسلات pixels صورة القناع5 المضمنة في منطقة الحبيبات grain region قيمة أولية محددة مسبقًاء و(2) يكون لبكسلاتصورة القناع غير المضمنة في منطقة الحبيبات dad grain region ثانية مختلفة محددة مسبقًا؛ إبراز منطقة الحبيبات grain region في الصورة الثانية عن طريق تطبيق صورة القناع على الصورة الثانية؛ و 5 بعد تطبيق صورة القناع على الصورة (Aull تجزئة الحبيبات المتعددة من الصورة الثانية باستخدام خوارزمية التجزئة segmentation algorithm ؛ و تحديد خصائص الحبيبات المجزئة segmented grains . 1- النظام وفقاً لعنصر الحماية 10؛ حيث تتناظر المناطق المختلفة المتعددة لقطاع صخري 0 رقيق petrographic thin section مع واحدة على الأقل من حبيبات grains ¢ المسام pores « أنواع الطمي clays ؛ أو أكاسيد الحديد iron oxides 2- النظام وفقاً لعنصر الحماية 11؛ يشتمل أيضاً على تحديد النسب النسبية للمناطق المختلفة المتعددة لقطاع صخري رقيق petrographic thin section .3- النظام وفقاً لعنصر الحماية 10؛ حيث تتضمن خصائص الحبيبات المجزئة segmented grains لكل من العديد من حبيبات؛ واحدة على الأقل من المساحة؛ محيط» قطر محور طويل؛ قطر محور قصير» أو الاستدارة. 0 14- النظام وفقاً لعنصر الحماية 10( حيث يشتمل تجميع البكسلات pixels للصورة الأولى على تطبيق خوارزمية تجميع متوسطات - ما على البكسلات pixels للصورة الأولى. 5- النظام وفقاً لعنصر الحماية 10( حيث تتم تجزئة الحبيبات المتعددة باستخدام خوارزمية مقسم المياه segmentation algorithm 11/21615-160.6- النظام وفقاً لعنصر الحماية 10( حيث يتم استخدام المناطق المختلفة المتعددة المحددة للقطاع الرقيق وخصائص الحبيبات المجزثة segmented grains لتقييم جودة الخزان. 7- وسط تخزين مقروء بالكمبيوتر غير مؤقت يخزن تعليمات قابلة للتنفيذ بواسطة جهاز معالجة بيانات processing apparatus 9818والذي عند التنفيذ يدفع جهاز معالجة البيانات data 5 0100655/700إلى إجراء عمليات تشتمل على: تحديد صورة أولى لقطاع صخري رقيق petrographic thin section لعينة صخرية rock sample ؛ تحديد متجه سمة لكل بكسل pixel للصورة الأولى» حيث يتم تحديد متجه السمة لكل بكسل pixel 0 مناظر على أساس واحد على الأقل من خصائص اللون للبكسل pixel المناظر؛ تحديد مناطق مختلفة متعددة لقطاع صخري رقيق petrographic thin section بواسطة تجميع البكسلات pixels للصورة الأولى على أساس متجهات السمة للبكسلات pixels للصورة الأولى على مجموعة من التكرارات التجميعية باستخدام تقنية التجميع التكراري؛ حيث تكون إحدى مناطق منطقة الحبيبات grain region التي تناظر حبيبات في القطاع الصخري الرقيق petrographic thin section 5 ؛ و تحديد صورة ثانية لقطاع صخري رقيق petrographic thin section « تشتمل على: دمج صور لقطاع صخري رقيق petrographic thin section 5 الحصول عليها بواسطة ضوء قطبي مستوي light 01876-00181260 وضوء قطبي عرضي tcross—polarized light تجزئة العديد من حبيبات من الصورة الثانية لقطاع صخري رقيق petrographic thin section 0 على أساس المناطق المختلفة المتعددة من الصورة الأولى؛ تشتمل على: إنشاء صورة قناع استنادًا إلى مناطق مختلفة متعددة من الصورة الأولى» حيث: (1) يكون لبكسلات pixels صورة القناع المضمنة في منطقة الحبيبات grain region قيمة أولية محددة مسبقًاء و(2) يكون لبكسلات 5 صورة القناع غير المضمنة في منطقة الحبيبات dad grain region ثانية مختلفة محددة مسبقًا؛ 5 بإبراز منطقة الحبيبات grain region في الصورة الثانية عن طريق تطبيق صورة القناع على الصورة الثانية؛ و— 1 3 — بعد تطبيق صورة القناع على الصورة الثانية؛ تجزئة الحبيبات المتعددة من الصورة الثانية باستخدام خوارزمية التجزئة segmentation algorithm ؛ و تحديد خصائص الحبيبات المجزئة segmented grains .18- الوسط وفقاً لعنصر الحماية 17؛ حيث تتناظر المناطق المختلفة المتعددة لقطاع صخري رقيق petrographic thin section مع واحدة على الأقل من حبيبات grains ؛ المسام pores أنواع الطمي clays ؛ أو أكاسيد الحديد iron oxides 9- الوسط وفقاً لعنصر الحماية 18؛ يشتمل أيضاً على تحديد النسب النسبية للمناطق المختلفة0 المتعددة لقطاع صخري رقيق petrographic thin section . 0- الوسط Gg لعنصر الحماية 17( Cus يتم استخدام المناطق المختلفة المتعددة المحددة للقطاع الرقيق وخصائص الحبيبات المجزثة segmented grains لتقييم جودة الخزان.Yaa خياب tase ترج wad إ نت الام تحليل فطاع ريق إ لان اا اا اي اا سان ل ال كان ا ات نا الا ا إ ge 8 توليد ia fois ١ محرك معالية id i ] 1 1 متجهات t Sat للصورة إ امكو ثاثا وز Wana تب AY نز عقا ضاي ا جا . i 0 ب" : جل لمجي حب 1 . نظام ER حر ين 1 0 سور تحليل لركيبية اميد 4 $Y : i Yad i ‘ { ; i § : i وين LLL bes { محدك معاتجة lag . Byes الركيبية { SR Bl NE > سر بها Sl ae حلي وات ا : ايح ِ i ا يي 7 FR wo { ا ii . i YA i i di إ ا i PITTI SII TAT nas on { م bE ge i Fa sad i i i إ صا ا ry i مجر ل لجر i ; Sb ! يخ ٍ إ i 1 إ i i i Soria f i ; 6 وونة ججيات 1 A i ha ¥ J Ta = { i : i i od wee Cos a egw 1 تجليل i Shon sarily gids EEE) i زف تحتين بيات ؛: i ll yx ! كد ! an ] i ٠ — { كيه i Ae TP 1 1 ] اتا on و إ vsToe TY 1 يات ا لحاس اح Cosy RAD ل ا لوس يخا TeX Sad Soha اك ات ا أ ل Rall م ان 5 RAE RAR $Y Fed SEAR 5 Ail Malet جد Borsa { REE RN ARNE ليبيد لجييب جبيد جببتثت يجيي بيب FRR بيب PERRY يبيد جببيب | REE SRN يجيي RE دييبج يجيي ا Oy . اتج لاق roel nai Nat ai i <5 555 i I Tans NRE ART ARR SR yo a eae EN ل الع كه كل لابج ل جا يرم الخ Fatasel 7 SEN شي امد ال Sead يج id ay aH NEARY ب No deed = BRR AAA JAR حلي re on Nk SEAR SNE dad AFL wd adie ا ا Ra Fass SAE IR لم Aa عند Nenad SERPS Yes* SRR G i ا 3 مح i te بسن و اح 3 Adair SISK اد ا Jil § hea HS متي موز 7 8 ee Tod 01 + بط عي domed hoe 3 § : متا د اك تعر ا : Mate pat الأرثية من Cs جز ~ § Te اد للاخ a ا 1 EEECWR REEL Wik EL \ 0 7 الا الخ ois, ® Fw Toki— 5 3 — = جا« $ a ee صور القطاع الرثية, والمكونات المجمعة uid fost استقبال صور القطاع الرفيق والمكونات المجمعة ض |S . سجل صورة القطاع الرقيق على صورة قطاع | cus aps رثيق بواسطة دمج صور. القطاع dS sa قم بتوليد صورة | ten , & ia Lath الرقيق بتوليد صورةٍ غلاف من مكونات الصورة المجمعة] ABLE 0A كم بتوليد صورة تحليل بنيوية بواسطة دمج صورة | gy, مركبة وصورة غلاف ض Feشكل ؛_— 6 3 _— 3 و th 1 Sk ع م خصص البكسلات إلى مجموعات مختلفة duly ف aa 1 يع در جل الا 8 لها we . 0 = * i + ٍ 4ه 1 نا حدد dais سمة ra ad لكل مجموغة en حدد مناطق قطاع رقيق بواسطة تحديد مكون J 0 : ض مناظر لكل مجموعة شكل <الحاضهة الهيلة السعودية الملضية الفكرية Swed Authority for intallentual Property pW RE .¥ + \ ا 0 § ام 5 + < Ne ge ”بن اج > عي كي الج دا لي ايام TEE ببح ةا Nase eg + Ed - 2 - 3 .++ .* وذلك بشرط تسديد المقابل المالي السنوي للبراءة وعدم بطلانها of سقوطها لمخالفتها ع لأي من أحكام نظام براءات الاختراع والتصميمات التخطيطية للدارات المتكاملة والأصناف ع النباتية والنماذج الصناعية أو لائحته التنفيذية. »> صادرة عن + ب ب ٠. ب الهيئة السعودية للملكية الفكرية > > > ”+ ص ب 101١ .| لريا 1*١ uo ؛ المملكة | لعربية | لسعودية [email protected]
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/955,072 US11010883B2 (en) | 2018-04-17 | 2018-04-17 | Automated analysis of petrographic thin section images using advanced machine learning techniques |
Publications (1)
Publication Number | Publication Date |
---|---|
SA520420347B1 true SA520420347B1 (ar) | 2023-03-08 |
Family
ID=66440114
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
SA520420347A SA520420347B1 (ar) | 2018-04-17 | 2020-10-13 | تحليل آلي لصور قطاع صخري رقيق باستخدام تقنيات تعليم آلة متطورة |
Country Status (6)
Country | Link |
---|---|
US (1) | US11010883B2 (ar) |
EP (1) | EP3781944A1 (ar) |
JP (1) | JP7449869B2 (ar) |
CA (1) | CA3097338A1 (ar) |
SA (1) | SA520420347B1 (ar) |
WO (1) | WO2019204005A1 (ar) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020131694A1 (en) * | 2018-12-18 | 2020-06-25 | Shell Oil Company | Method for digitally characterizing the permeability of rock |
CN111189830B (zh) * | 2020-01-19 | 2022-08-19 | 山东省地质矿产勘查开发局第一地质大队 | 一种中性火山岩-安山岩的鉴定方法 |
US11339651B2 (en) * | 2020-02-13 | 2022-05-24 | Saudi Arabian Oil Company | Systems and methods for generating continuous grain size logs from petrographic thin section images |
US11126819B1 (en) * | 2020-07-09 | 2021-09-21 | Saudi Arabian Oil Company | Systems and methods for optimizing camera and microscope configurations for capturing thin section images |
CN111965255B (zh) * | 2020-08-14 | 2023-04-14 | 广西大学 | 压剪滑移式岩溶危岩失稳预警的声响多前兆方法及装置 |
US11668847B2 (en) | 2021-01-04 | 2023-06-06 | Saudi Arabian Oil Company | Generating synthetic geological formation images based on rock fragment images |
CN113435456A (zh) * | 2021-02-08 | 2021-09-24 | 中国石油化工股份有限公司 | 基于机器学习的岩石薄片组分识别方法、装置及介质 |
CN113569623A (zh) * | 2021-06-11 | 2021-10-29 | 中国石油化工股份有限公司 | 材料组分的确定方法、装置、终端及可读存储介质 |
CN114897917B (zh) * | 2022-07-13 | 2022-10-28 | 西南石油大学 | 一种多层次的岩石铸体薄片图像分割方法 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4783751A (en) | 1983-08-17 | 1988-11-08 | University Of South Carolina | Analysis of pore complexes |
US4868883A (en) | 1985-12-30 | 1989-09-19 | Exxon Production Research Company | Analysis of thin section images |
FR2776393B1 (fr) | 1998-03-20 | 2001-09-07 | Inst Francais Du Petrole | Methode pour former automatiquement un modele simulant la structure stratigraphique d'une zone souterraine |
US6246963B1 (en) | 1999-01-29 | 2001-06-12 | Timothy A. Cross | Method for predicting stratigraphy |
US6754588B2 (en) | 1999-01-29 | 2004-06-22 | Platte River Associates, Inc. | Method of predicting three-dimensional stratigraphy using inverse optimization techniques |
US7424367B2 (en) | 2004-05-27 | 2008-09-09 | Exxonmobil Upstream Research Company | Method for predicting lithology and porosity from seismic reflection data |
EP1938281B1 (en) | 2004-09-10 | 2015-01-21 | ExxonMobil Upstream Research Company | Geologic models of subsurface sedimentray volumes |
KR100772506B1 (ko) * | 2005-12-08 | 2007-11-01 | 한국전자통신연구원 | 영상처리를 이용한 지질재료 분류 방법 및 그 장치 |
TW200834459A (en) * | 2007-02-05 | 2008-08-16 | Huper Lab Co Ltd | Video object segmentation method applied for rainy situations |
US20090164186A1 (en) | 2007-12-20 | 2009-06-25 | Bhp Billiton Innovation Pty Ltd. | Method for determining improved estimates of properties of a model |
CA2720117C (en) | 2008-05-05 | 2017-11-28 | Exxonmobil Upstream Research Company | Systems, methods, and computer program products for modeling dynamic systems by visualizing a parameter space and narrowing the parameter space |
US8583410B2 (en) | 2010-05-28 | 2013-11-12 | Ingrain, Inc. | Method for obtaining consistent and integrated physical properties of porous media |
AU2012357785B2 (en) | 2011-12-20 | 2014-12-04 | Shell Internationale Research Maatschappij B.V. | Automated calibration of a Stratigraphic Forward Modelling (SFM) tool using a Neighborhood Algorithm with explicit escape clauses |
US9430499B2 (en) * | 2014-02-18 | 2016-08-30 | Environmental Systems Research Institute, Inc. | Automated feature extraction from imagery |
EP2930543B1 (de) | 2014-04-10 | 2021-09-15 | Müller-Elektronik GmbH | Fallrohrsensor und Verfahren zur Einzelkornerkennung |
US9626771B2 (en) * | 2015-05-20 | 2017-04-18 | Saudi Arabian Oil Company | Image-based analysis of a geological thin section |
-
2018
- 2018-04-17 US US15/955,072 patent/US11010883B2/en active Active
-
2019
- 2019-03-29 CA CA3097338A patent/CA3097338A1/en active Pending
- 2019-03-29 EP EP19722727.5A patent/EP3781944A1/en active Pending
- 2019-03-29 JP JP2020557198A patent/JP7449869B2/ja active Active
- 2019-03-29 WO PCT/US2019/024755 patent/WO2019204005A1/en unknown
-
2020
- 2020-10-13 SA SA520420347A patent/SA520420347B1/ar unknown
Also Published As
Publication number | Publication date |
---|---|
CA3097338A1 (en) | 2019-10-24 |
JP2021522563A (ja) | 2021-08-30 |
EP3781944A1 (en) | 2021-02-24 |
US11010883B2 (en) | 2021-05-18 |
US20190318467A1 (en) | 2019-10-17 |
JP7449869B2 (ja) | 2024-03-14 |
WO2019204005A1 (en) | 2019-10-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
SA520420347B1 (ar) | تحليل آلي لصور قطاع صخري رقيق باستخدام تقنيات تعليم آلة متطورة | |
Lormand et al. | Weka trainable segmentation plugin in ImageJ: a semi-automatic tool applied to crystal size distributions of microlites in volcanic rocks | |
Salih et al. | Spectral mixture analysis (SMA) and change vector analysis (CVA) methods for monitoring and mapping land degradation/desertification in arid and semiarid areas (Sudan), using Landsat imagery | |
Carneiro et al. | Semiautomated geologic mapping using self-organizing maps and airborne geophysics in the Brazilian Amazon | |
Behrens et al. | The relevant range of scales for multi-scale contextual spatial modelling | |
Tighe et al. | Georeferenced soil provenancing with digital signatures | |
Mohammadpour et al. | Automatic lineament extraction method in mineral exploration using CANNY algorithm and hough transform | |
Zhu et al. | Information extraction of high resolution remote sensing images based on the calculation of optimal segmentation parameters | |
Mondejar et al. | Estimating topsoil texture fractions by digital soil mapping-a response to the long outdated soil map in the Philippines | |
Tholen et al. | Megaripple mechanics: Bimodal transport ingrained in bimodal sands | |
Goodbody et al. | sgsR: a structurally guided sampling toolbox for LiDAR-based forest inventories | |
Yıldız et al. | Cold gas and dust: Hunting spiral-like structures in early-type galaxies | |
Godinho et al. | 3D quantitative mineral characterization of particles using X-ray computed tomography | |
CN109839356B (zh) | 基于WorldView-3卫星数据的矿化蚀变信息提取方法 | |
Barbier et al. | Attenuating the bidirectional texture variation of satellite images of tropical forest canopies | |
Guo et al. | Unsupervised clustering and analysis of WISE spiral galaxies | |
CN115082299B (zh) | 非严格对齐的小样本不同源图像转换方法、***及设备 | |
De Siqueira et al. | Segmentation of scanning electron microscopy images from natural rubber samples with gold nanoparticles using starlet wavelets | |
Li et al. | A LLS operator based S‐I WT de‐noising algorithm applied in EDXRF | |
Alekseev et al. | Multi-mineral segmentation of SEM images using deep learning techniques | |
Ross et al. | Precision and accuracy of modal analysis methods for clastic deposits and rocks: A statistical and numerical modeling approach | |
Oštir et al. | Confidence maps: a tool to evaluate archaeological data’s relevance in spatial analysis | |
Mikšová et al. | Identification of mineralization in geochemistry along a transect based on the spatial curvature of log-ratios | |
Irgenfried et al. | A framework for storage, visualization and analysis of multispectral data | |
Aly et al. | Ensemble Data Analytics Approaches for Fast Parametrization Screening and Validation |