Примеры работы с фотографиями керна с использованием алгоритмов компьютерного зрения и нейронных сетей.

Аннотация

Доклад посвящен применению передовых технологий компьютерного зрения и нейронных сетей для анализа фотографий керна. Основная цель работы заключается в том, чтобы с помощью автоматических алгоритмов определить содержание нефти в образцах керна.

Автор демонстрирует примеры образцов керна с содержанием нефти и без, подчеркивая, как различные факторы могут влиять на качество и результаты фотографий. Основная задача, поставленная перед нейронными сетями, — научиться распознавать наличие нефти в керне на основе этих изображений.

Затрагиваются проблемы, возникающие при обучении нейронных сетей, включая сложности в создании универсальной модели, способной точно предсказывать нефтенасыщенность. Автор рассматривает несколько видов нейронных сетей и примеры их обучения:

Полносвязные нейронные сети — обсуждаются их принципы работы, особенности обучения, а также преимущества и недостатки.

Свёрточные нейронные сети — объясняются операции свёртки и подвыборки, которые позволяют сетям эффективно работать с изображениями, выделяя важные особенности на разных уровнях.

Глубокие нейронные сети — обсуждаются их принципы действия и использование «быстрых связей», а также методы увеличения выборки за счет простых геометрических преобразований.

Автор также приводит примеры успешного обучения нейронных сетей на фотографиях, сделанных в ультрафиолетовом и дневном свете. Показывает результаты выбора лучшей модели и результаты проведения тестирования по определению нефтенасыщенности на новой скважине, что подтверждает эффективность нового подхода.

В докладе рассматриваются также проблемы и варианты решений, связанные с извлечением колонки керна из фотографий. Автор обсуждает использование готовых алгоритмов, таких как преобразование Хаффа и оператор поиска границ Кэнни, которые позволяют извлечь колонку керна без использования нейронных сетей. Приведены результаты работы рассмотренных алгоритмов.