岩屑地层流体性质评价方法、装置、设备及存储介质与流程

1.本发明涉及油汽勘测技术领域，特别是涉及一种岩屑地层流体性质评价方法、装置、设备及计算机存储介质。


背景技术：

2.对地层中油汽含量进行勘测，是在油井进行油汽开采之前必不可少的步骤，对油汽的开采具有重要的指导意义，因此地层油汽勘测结果的准确度在实际油汽开采的意义重大。
3.目前对地层油汽进行勘测的方式主要包括两种，一种是勘测地层岩屑的放射性数据，基于岩屑的放射性数据，对岩屑地层中的油性进行分析；另一种是利用超声波等在地层中的传输，并通过检测反射回来的声波数据获得测井数据，基于测井数据分析获得地层油性。但是在实际实践应用中发现，这两种勘探的方式确定的地层油性结果准确性并不高。


技术实现要素：

4.本发明的目的是提供一种岩屑地层流体性质评价方法、装置、设备以及计算机可读存储介质，在很大程度上提升了地层岩屑的油性分析评估的准确性。
5.为解决上述技术问题，本发明提供一种岩屑地层流体性质评价方法，包括：
6.采集岩屑样品在紫外光照射下的岩屑荧光图像和白光照射下的岩屑图像；
7.识别所述岩屑荧光图像中的荧光区域，获得荧光区域面积和荧光亮度；
8.根据所述荧光区域面积和所述荧光亮度确定所述岩屑样品对应的含烃丰度；
9.识别所述岩屑图像中各个岩屑颗粒成像区域的几何特征，并根据所述几何特征确定所述岩屑样品的孔隙度；
10.根据所述荧光区域面积、所述含烃丰度、所述孔隙度三种参数中至少任意两种参数确定所述岩屑样品对应的地层油性。
11.可选地，识别所述岩屑荧光图像中的荧光区域，获得荧光区域面积和荧光亮度，包括：
12.利用图像识别技术，分割识别出所述岩屑荧光图像中每个岩屑颗粒对应的荧光区域；
13.对各个所述荧光区域的最大荧光亮度值进行平均值运算，获得的平均值运算结果作为所述荧光亮度；
14.以各个所述荧光区域的面积总和为所述荧光区域面积。
15.可选地，根据所述荧光区域面积和所述荧光亮度确定所述岩屑样品对应的含烃丰度，包括：
16.根据含烃丰度公式确定所述含烃丰度；其中，y为所述含烃丰度；x1为所述荧光区域面积；x2为所述荧光亮度；a为第一常系数；b为第二常系数。
17.可选地，根据所述几何特征确定所述岩屑样品的孔隙度，包括：
18.根据所述几何特征，确定所述岩屑图像中几何形状和圆形形状近似度达到预设近似度的岩屑颗粒所占比例作为所述岩屑颗粒的磨圆度；
19.根据预先确定的岩屑颗粒磨圆度和岩屑颗粒孔隙度之间满足的对应关系式，确定所述岩屑样品对应的孔隙度。
20.可选地，根据所述荧光区域面积、所述含烃丰度、所述孔隙度三种参数中至少两种参数确定所述岩屑样品对应的地层油性，包括：
21.预先基于历史荧光区域面积、历史含烃丰度、历史孔隙度，确定表征荧光区域面积、含烃丰度、孔隙度中至少任意两种参数和地层油性之间对应关系的解释图版；
22.根据所述岩屑样品对应的所述荧光区域面积、所述含烃丰度、所述孔隙度三种参数中至少任意两种参数，在所述解释图版确定出各层所述岩屑样品对应的地层油性。
23.可选地，在确定所述地层油性之后，还包括：
24.输出不同地层深度对应的各层岩屑样品随地层深度变化的地层油性的信息。
25.可选地，采集岩屑样品在紫外光照射下的岩屑荧光图像和白光照射下的岩屑图像，包括：
26.通过显微放大镜采集所述岩屑荧光图像和所述岩屑图像。
27.本技术还提供了一种岩屑地层流体性质评价装置，包括：
28.图像采集模块，用于采集岩屑样品在紫外光照射下的岩屑荧光图像和白光照射下的岩屑图像；
29.荧光识别模块，用于识别所述岩屑荧光图像中的荧光区域，获得荧光区域面积和荧光亮度；
30.第一运算模块，用于根据所述荧光区域面积和所述荧光亮度确定所述岩屑样品对应的含烃丰度；
31.第二运算模块，用于识别所述岩屑图像中各个岩屑颗粒成像区域的几何特征，并根据所述几何特征确定所述岩屑样品的孔隙度；
32.油性分析模块，用于根据所述荧光区域面积、所述含烃丰度、所述孔隙度三种参数中至少任意两种参数确定所述岩屑样品对应的地层油性。
33.本技术还提供了一种岩屑地层流体性质评价设备，包括：
34.存储器，用于存储计算机程序；
35.处理器，用于执行所述计算机程序时实现如上任一项所述岩屑地层流体性质评价方法的步骤。
36.本技术还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上任一项所述岩屑地层流体性质评价方法的步骤。
37.本发明所提供的一种岩屑地层流体性质评价方法，包括采集岩屑样品在紫外光照射下的岩屑荧光图像和白光照射下的岩屑图像；识别岩屑荧光图像中的荧光区域，获得荧光区域面积和荧光亮度；根据荧光区域面积和荧光亮度确定岩屑样品对应的含烃丰度；识别岩屑图像中各个岩屑颗粒成像区域的几何特征，并根据几何特征确定岩屑样品的孔隙度；根据荧光区域面积、含烃丰度、孔隙度三种参数中至少任意两种参数确定岩屑样品对应
的地层油性。
38.本技术中直接采集岩屑样品对应的岩屑图像和岩屑荧光图像，基于岩屑荧光图像和岩屑图像从图像识别的角度直接分析确定岩屑样品的荧光区域面积、含烃丰度以及孔隙度等表征岩屑油性的参数数据，相对于岩屑的放射性等数据而言，本技术中是直接对岩屑样品本身特性进行数据采集分析，噪声因素影响更小，保证了表征岩屑油性的参数数据的准确性，也即保证了基于参数数据确定地层油性的准确性，有利于提升油汽勘测的准确度，降低油汽开采的成本。
39.本技术还提供了一种岩屑地层流体性质评价装置、设备以及计算机可读存储介质，具有上述有益效果。
附图说明
40.为了更清楚的说明本发明实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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，还可以根据这些附图获得其他的附图。
41.图1为本技术实施例提供的岩屑地层流体性质评价方法的流程示意图；
42.图2为本技术实施例提供的含烃丰度和孔隙度对应的地层油性解释图版的示意图；
43.图3为本技术实施例提供的荧光区域面积和孔隙度对应的地层油性解释图版的示意图；
44.图4为本技术实施例提供的荧光区域面积和含烃丰度对应的地层油性解释图版的示意图；
45.图5为本发明实施例提供的岩屑地层流体性质评价装置的结构框图。
具体实施方式
46.目前基于岩屑的放射性分析岩屑的油性主要是利用x射线等光线照射岩屑样品，并通过检测岩屑样品中元素受激发产生的激发光线判断岩屑中的流体性质，主要是指含油量的情况，例如确定岩屑地层属于油层、差油层、水层、干层等等不同油性地层。而在实际应用中采集检测激发光线获得的光谱数据往往包含较多的的噪声数据，而在滤去噪声数据的过程中，也往往会过滤掉较多的有用信息，进而导致基于该光谱数据分析评估出的地层油性的结果准确性不高。
47.而在利用超声波等方式对岩屑油性进行分析时，又因为地层岩屑结果过于复杂导致影响声波反射的因素较多，使得测得的地层油性结果也不准确。
48.为此，本技术中提供了一种分析岩屑地层油性准确度的技术方案。
49.为了使本技术领域的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。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。
50.如图1所示，图1为本技术实施例提供的岩屑地层流体性质评价方法的流程示意
图，该岩屑地层流体性质评价方法可以包括：
51.s11：采集岩屑样品在紫外光照射下的岩屑荧光图像和白光照射下的岩屑图像。
52.在地层油性勘测时，可以通过钻头钻入不同地层深度，获得不同深度的随钻岩屑，该随钻岩屑即为岩屑样品。岩屑样品在紫外光线照射下，基于其内部含碳量的不同会呈现不同亮度和颜色的荧光，含碳量越高荧光亮度越高，表明岩屑中石油(或天然气)含量越高，由此可见在紫外光的照射下岩屑样品显现出的荧光区域在一定程度上的显现了岩屑中的含油情况。
53.对于每一地层深度，可以在多个不同的位置点进行多次采样，以多次采样获得的岩屑样品的油性分析结果综合获得该地层深度对应的油性分析结果。同样的同一采样位置点，可以在多个不同深度的地层各获得一份对应的岩屑样品，那么对不同位置点不同深度的岩屑样品均进行油性分析，即可获得地下三维空间中的地层油性信息。
54.另外，对于岩屑样品而言，是由大量的细小颗粒形成的岩屑，为了获得更清晰的岩屑图像和岩屑荧光图像，在实际进行图像采集时，可以透过显微放大镜分别采集岩屑图像和岩屑荧光图像。
55.s12：识别岩屑荧光图像中的荧光区域，获得荧光区域面积和荧光亮度。
56.一般情况下，含油汽流体的岩屑样品对应的岩屑荧光图像中的荧光区域会显现出亮黄色、黄色、黄绿色、暗绿等等颜色。在识别岩屑荧光图像中的荧光区域时，可以基于岩屑荧光图像中各个像素点对应的r、g、b值的大小确定岩屑荧光图像的各个像素点的颜色；再基于亮黄色、黄色、黄绿色、暗绿分别对应的r、g、b值的区间范围，分割出岩屑荧光图像中荧光区域的像素点，进而实现荧光区域的分割。
57.分割出岩屑荧光图像中的荧光区域，将同一岩屑荧光图像中各个荧光区域的像素面积进行叠加求和，即可确定出荧光区域面积。
58.如前所述，岩屑样品中含油密度越高，荧光亮度越高，而荧光区域面积则在一定程度上反映了岩屑含油量多少。由此可见荧光区域面积也是体现岩屑含油性的重要参数。
59.当然，在实际应用中，也可以采用岩屑荧光图像中荧光区域面积占整个图像面积的百分比代替荧光区域面积作为表征含油量多少的参数。
60.需要说明的是，对于岩屑样品而言，其内部的含油汽并非均匀分布的，因此，在岩屑荧光图像中，每个岩屑颗粒的成像区域中，可能仅仅部分成像区域为荧光区域而其余部分则呈现颜色较深的暗色区域，也即是说对于岩屑样品而言，其荧光区域并不等同于岩屑颗粒的成像区域；并且在同一个岩屑荧光图像中，显然一般是离散分布有多个荧光区域，每个荧光区域中各个像素点的荧光亮度各不相同。
61.在本技术的一种可选地实施例中，可以先确定每个荧光区域中荧光亮度最大的像素点对应的最大荧光亮度值，再以岩屑荧光图像中各个荧光区域对应的最大荧光亮度值进行平均值运算，将平均值运算的结果作为该岩屑荧光图像对应的荧光亮度。
62.可以理解的是，在实际应用中，也并不仅限于这一中确定岩屑荧光图像对应的荧光亮度的方法。例如，对于同一个荧光区域的各个像素点的荧光亮度平均值作为该荧光区域的荧光亮度值；再基于各个荧光区域占总荧光区域面积的大小作为权重系数，对各个荧光亮度值进行加权求和得到岩屑荧光图像对应的荧光亮度。
63.当然，在实际应用中，也并不排除采用其他方式确定岩屑荧光图像对应的荧光亮
度的方式，只要能够表征岩屑荧光图像中整体荧光亮度的特性即可。
64.s13：根据荧光区域面积和荧光亮度确定岩屑样品对应的含烃丰度。
65.在实际进行地层油性勘测时，岩屑样品中的含烃量是确定原油含量的重要指标。在岩屑荧光图像中，荧光区域面积即可视为含烃面积，而不同的荧光亮度对应不同的含烃浓度，由此，即可基于岩屑荧光图像中的荧光区域面积和荧光亮度确定含烃丰度，可以理解的是，本实施例中的含烃丰度即为表征含烃量多少的参数。
66.在本技术的可选地实施例中，该含烃丰度和荧光区域面积以及荧光亮度之间满足含烃丰度公式其中，y为含烃丰度；x1为荧光区域面积；x2为荧光亮度；a为第一常系数；b为第二常系数。
67.那么在实际确定含烃丰度时，即可依据上述含烃丰度公式运算获得。
68.需要说明的是，对于第一常系数a和第二常系数b可以是根据大量的历史岩屑样本数据基于统计学原理确定的。例如先获得历史岩屑样本对应的荧光区域面积以及荧光亮度，再基于实际对该岩屑样本所处地层进行实际开采后确定的含烃丰度，确定荧光区域面积和荧光亮度与含烃丰度之间满足的关系式中的常系数。
69.其次，在实际应用中，含烃丰度也并不仅限于根据上述含烃丰度公式确定。例如，还可以根据大量的带有含烃丰度标签的历史岩屑样本对应的岩屑荧光图像或者是岩屑荧光图像中的荧光区域面积以及荧光亮度，进行神经网络训练，最终确定出岩屑荧光图像(或者是岩屑荧光图像中的荧光区域面积以及荧光亮度)和含烃丰度之间对应关系的神经网络模型，后续对岩屑地层的油性进行评价时，直接利用该神经网络模型即可确定含烃丰度。
70.当然在实际应用中，还可以采用其他方式获得岩屑样品对应的含烃丰度，对此本技术中不一一列举。
71.s14：识别岩屑图像中各个岩屑颗粒成像区域的几何特征，并根据几何特征确定岩屑样品的孔隙度。
72.在地层岩屑中存储的原油是存储在岩屑的孔隙中的，因此岩屑样品中要存储大量原油的必要条件之一是孔隙足够的多，由此岩屑样品的孔隙度作为评价岩屑样品中含油性的依据。
73.在确定岩屑样品的孔隙度时，可以以岩屑样品对应的岩屑颗粒越接近于圆形孔隙度越高这一原理，先确定岩屑图像中的岩屑颗粒的磨圆度，在基于磨圆度确定孔隙度，基体过程可以如下：
74.基于图像识别技术识别岩屑图像中各个岩屑颗粒的几何特征；
75.根据几何特征，确定岩屑图像中几何形状和圆形形状近似度达到预设近似度的岩屑颗粒所占比例作为岩屑颗粒的磨圆度；
76.根据预先确定的岩屑颗粒磨圆度和岩屑颗粒孔隙度之间满足的对应关系式，确定岩屑样品对应的孔隙度。
77.一般情况下，基于常规图像识别原理，基于各个像素点的灰度值即可识别分割出各个岩屑颗粒的成像区域，进而确定各个岩屑颗粒的几何特征。当然为了提升岩屑颗粒的几何特征识别的精准度，在本技术可选地实施例中，也可以先基于大量的历史岩屑图像，先人工标定每一个岩屑颗粒的成像区域标签，再进行计算机学习，获得能够识别岩屑图像中
岩屑颗粒的几何特征的识别模型，那么后续采集到岩屑样品对应的岩屑图像之后，即可直接通过该识别模型识别确定各个岩屑颗粒的成像区域，也即岩屑图像中各个岩屑颗粒的几何特征。
78.还可以利用图像识别技术中的几何纹理识别技术识别各个岩屑颗粒的几何特征，对此，本实施例中不再详细列举。
79.在分割确定岩屑图像中各个岩屑颗粒的成像区域，也即获得各个岩屑颗粒的几何特征之后，可以先对各个岩屑颗粒的边界线进行平滑处理，获得岩屑颗粒的边界线的锯齿状毛刺尽可能的减少，再基于各个岩屑颗粒的边界线变化梯度识别几何图形的方式，确定各个岩屑颗粒接近于圆形的相似度。
80.还可以通过寻找一个圆形覆盖面，并伸缩调整该圆形覆盖面的大小，以该圆形覆盖面和岩屑颗粒重合度最高时作为最终的圆形覆盖面大小，该重合度最高，可以是圆形覆盖面的总面积和岩屑颗粒的成像面积最接近，且该圆形覆盖面覆盖岩屑颗粒的成像区域面积最大；例如可以设定一个重合度参数m＝a*a+b*b，其中a、b分别为两个权重系数，a为圆形覆盖面的总面积和岩屑颗粒的成像面积的比值；b为圆形覆盖面覆盖岩屑颗粒的成像区域和岩屑颗粒的成像面积的比值。当然，为了避免a、b其中一项占比过大，另一项占比过小导致确定的重合参数不准确，可以设定a、b的取值范围作为约束条件，以保证确定出最大的重合度参数中a、b两项参数处于一个均衡的状态。
81.在确定出最大重合度参数对应的圆形覆盖面之后，即可确定该圆形覆盖面和对应的岩屑颗粒的几何形状之间的相似度。例如，可以设定该相似度为n＝1/(c*c+d*d)；其中，c、d分别为两个权重系数，c为圆形覆盖面中和岩屑颗粒不重合的像素区域所占比例；d为岩屑颗粒成像区域中未被圆形覆盖面覆盖的区域所占比例，显然最终确定出的相似度越大，说明该岩屑颗粒越接近于圆形，由此可以设定一个相似度阈值，当相似度达到该相似度阈值，则认为该岩屑颗粒近似为圆形。
82.在确定各个岩屑颗粒接近圆形的程度基础上，再确定整个岩屑图像中接近于圆形的岩屑颗粒的比例，也即是岩屑图像中岩屑颗粒的磨圆度，该磨圆度越大，说明该岩屑样品的孔隙度越高。一般情况下磨圆度和岩屑样品的孔隙度之间是呈正比例关系的，该具体比例关系可以预先基于历史岩屑图像结合对应的地层岩屑实际开采结果分析确定，对此本技术中不做详细赘述。
83.s15：根据荧光区域面积、含烃丰度、孔隙度三种参数中至少任意两种参数确定岩屑样品对应的地层油性。
84.如前所述，对于地层岩屑而言，其含油量或者说其油性情况在荧光区域面积、含烃丰度、以及孔隙度等方面均有所体现。但是仅仅依据单一特征难免存在分析结果不准确的问题。
85.为此，在实际应用中，可以依据上述三个特征中至少两项特征对地层油性进行分析。
86.在本技术的一种可选地实施例中，还可以包括：
87.预先基于历史荧光区域面积、历史含烃丰度、历史孔隙度，确定表征荧光区域面积、含烃丰度、孔隙度中至少任意两种参数和地层油性之间对应关系的解释图版；
88.根据岩屑样品对应的荧光区域面积、含烃丰度、孔隙度三种参数中至少任意两种
参数，在解释图版确定出各层岩屑样品对应的地层油性。
89.参考图2、图3以及图4，图2为本技术实施例提供的含烃丰度和孔隙度对应的地层油性解释图版的示意图；图3为本技术实施例提供的荧光区域面积和孔隙度对应的地层油性解释图版的示意图；图4为本技术实施例提供的荧光区域面积和含烃丰度对应的地层油性解释图版的示意图。
90.需要说明的是，图2至图4可以是预先基于历史采样获得的岩屑样品进行岩屑荧光图像和岩屑图像的采集，获得对应的历史岩屑荧光图像和历史岩屑图像，并按照上述实施例类似的方式确定历史岩屑图像和历史岩屑图像对应的历史荧光区域面积、历史含烃丰度以及历史孔隙度，并根据该历史岩屑样品实际开采确定的岩屑对应的油性作为标签，由此即可基于历史荧光区域面积、历史含烃丰度以及历史孔隙度绘制以含烃丰度和孔隙度为横纵坐标的二维离散点的坐标图，并基于油性标签，对各个离散点所属油性区域进行划分，即可得到含烃丰度和孔隙度对应的地层油性解释图版的示意图。当然，为了保证划分油性区域的准确性，可以依据聚类算法对带有油性标签的历史数据离散点(历史荧光区域面积、历史含烃丰度以及历史孔隙度确定的离散点)对油性区域进行划分；也可以基于神经网络训练实现对油性区域的划分，对此，本技术中不做具体限制。
91.类似的，可以采用相同的方式分别获得荧光区域面积和孔隙度对应的地层油性解释图版以及荧光区域面积和含烃丰度对应的地层油性解释图版。
92.在实际应用过程中，可以基于上述三种解释图版中任意一种图版确定出当前的岩屑样品所属的油性区域，也可以同时基于三种解释版图分别确定出岩屑样品所属的油性区域一种分析结果，并结合三种解释版图确定出岩屑样品所属的三种油性区域分析结果确定出最终的地层油性结果。例如，基于图2和图4中确定出的地层油性为差油层、而图3确定出的地层油性为干层，显然，可以确定出该地层油性为偏向于干层的差油层。
93.另外，还可以基于历史荧光区域面积、历史含烃丰度以及历史孔隙度绘制分别以荧光区域面积、含烃丰度、孔隙度为三个不同方向的坐标的三维空间离散点，并基于油性标签获得三维解释图版；最终在确定岩屑样品对应的地层油性时，直接根据该岩屑样品的荧光区域面积、含烃丰度、孔隙度三个参数数据确定其在三维解释图版中的空间位置确定地层油性。
94.此外，可以理解的是，上述的解释图版仅仅是表征岩屑对应的荧光区域面积、含烃丰度、以及孔隙度和油性之间的对应关系的一种具体表现形式，在实际应用中，并不必然采用解释图版表征这一对应关系，还可以通过列表、运算关系式、甚至基于机器训练学习获得的识别模型等等方式来表征，对此本实施例中不详细的一一列举。
95.如前所述，在实际应用中，对同一地点的地层岩屑的油性分析，需要开采不同地层深度对应岩屑样品进行油性分析。为此在实际应用中，确定出同一采样点不同深度对应的岩屑样品的油性信息后，即可确定该采样点随着地层深度的变化而变化的地层油性信息，有利于工作人员基于随着地层深度的变化而变化的地层油性信息对更深地层的油性进行预测，以获得更全面的地层流体性质信息。
96.目前常规技术中基于测井地层岩屑的放射性以及对声波传播的特性等数据对地层岩屑的含油量性质进行分析，是通过声波或光波数据在传输过程中受岩屑样品的干扰产生具有一定特性的波形数据，基于该波形数据间接分析获得岩屑中含油情况的信息。但是
在实际勘测中可以发现，声波和光波在传输过程中的干扰因素过多，也就造成其对应的波形数据噪声过大，显然基于这样的波形数据进行油性评估的准确性也就相对较低。
97.为此，本技术中直接采集岩屑样品的岩屑荧光图像和岩屑图像，也即是对岩屑样品本身的特性进行分析，受环境以及其他因素干扰更小，由此分析获得的地层岩屑油性分析的结果也就更为准确，从而保证了对地层流体性质评估的准确性。
98.综上所述，本技术中分别在紫外和白光分别获得的岩屑荧光图像和岩屑图像，并基于该岩屑荧光图像和岩屑图像分析确定的荧光区域面积、含烃丰度、以及孔隙度等三个不同能够反映岩屑样品含油特性的参数数据，并最终基于三个参数数据分析确定出岩屑样品对应的地层油性，保证了地层油性分析的准确度，有利于在实际油汽开采过程中节省开采成本。
99.下面对本发明实施例提供的岩屑地层流体性质评价装置进行介绍，下文描述的岩屑地层流体性质评价装置与上文描述的岩屑地层流体性质评价方法可相互对应参照。
100.图5为本发明实施例提供的岩屑地层流体性质评价装置的结构框图，参照图5的岩屑地层流体性质评价装置可以包括：
101.图像采集模块100，用于采集岩屑样品在紫外光照射条件下的岩屑荧光图像和白光照射条件下的岩屑图像；
102.荧光识别模块200，用于识别所述岩屑荧光图像中的荧光区域，获得荧光区域面积和荧光亮度；
103.第一运算模块300，用于根据所述荧光区域面积和所述荧光亮度确定所述岩屑样品对应的含烃丰度；
104.第二运算模块400，用于识别所述岩屑图像中各个岩屑颗粒成像区域的几何特征，并根据所述几何特征确定所述岩屑样品的孔隙度；
105.油性分析模块500，用于根据所述荧光区域面积、所述含烃丰度、所述孔隙度三种参数中至少任意两种参数确定所述岩屑样品对应的地层油性
106.在本技术的一种可选地实施例中，荧光识别模块200用于利用图像识别技术，分割识别出所述岩屑荧光图像中每个岩屑颗粒对应的荧光区域；对各个所述荧光区域的最大荧光亮度值进行平均值运算，获得的平均值运算结果作为所述荧光亮度；以各个所述荧光区域的面积总和为所述荧光区域面积。
107.在本技术的一种可选地实施例中，第一运算模块300用于根据含烃丰度公式确定所述含烃丰度；其中，y为所述含烃丰度；x1为所述荧光区域面积；x2为所述荧光亮度；a为第一常系数；b为第二常系数。
108.在本技术的一种可选地实施例中，第二运算模块400用于根据所述几何特征，确定所述岩屑图像中几何形状和圆形形状近似度达到预设近似度的岩屑颗粒所占比例作为所述岩屑颗粒的磨圆度；根据预先确定的岩屑颗粒磨圆度和岩屑颗粒孔隙度之间满足的对应关系式，确定所述岩屑样品对应的孔隙度。
109.在本技术的一种可选地实施例中，油性分析模块500用于预先基于历史荧光区域面积、历史含烃丰度、历史孔隙度，确定表征荧光区域面积、含烃丰度、孔隙度中至少任意两种参数和地层油性之间对应关系的解释图版；根据所述岩屑样品对应的所述荧光区域面
积、所述含烃丰度、所述孔隙度三种参数中至少任意两种参数，在所述解释图版确定出各层所述岩屑样品对应的地层油性。
110.在本技术的一种可选地实施例中，油性分析模块500用于还输出不同地层深度对应的各层岩屑样品随地层深度变化的地层油性的信息。
111.在本技术的一种可选地实施例中，图像采集模块100用于通过显微放大镜采集所述岩屑荧光图像和所述岩屑图像。
112.本实施例的岩屑地层流体性质评价装置用于实现前述的岩屑地层流体性质评价方法，因此岩屑地层流体性质评价装置中的具体实施方式可见前文中的岩屑地层流体性质评价方法的实施例部分，其具体实施方式可以参照相应的各个部分实施例的描述，在此不再赘述。
113.本技术还提供了一种岩屑地层流体性质评价设备的实施例，该设备可以包括：
114.存储器，用于存储计算机程序；
115.处理器，用于执行所述计算机程序时实现如上任一项所述岩屑地层流体性质评价方法的步骤。
116.本技术的岩屑地层流体性质评价设备中的处理器执行的岩屑地层流体性质评价方法的步骤可以包括：
117.采集岩屑样品在紫外光照射条件下的岩屑荧光图像和白光照射条件下的岩屑图像；
118.识别所述岩屑荧光图像中的荧光区域，获得荧光区域面积和荧光亮度；
119.根据所述荧光区域面积和所述荧光亮度确定所述岩屑样品对应的含烃丰度；
120.识别所述岩屑图像中各个岩屑颗粒成像区域的几何特征，并根据所述几何特征确定所述岩屑样品的孔隙度；
121.根据所述荧光区域面积、所述含烃丰度、所述孔隙度三种参数中至少任意两种参数确定所述岩屑样品对应的地层油性。
122.本技术中的处理器根据岩屑样品的岩屑荧光图像和岩屑图像分析确定岩屑样品对应地层含油的流体性质，相对于常规技术中基于岩屑样品的放射性等信息分析地层含油的性质而言，有利于提升对地层岩屑含油量分析预测的准确性，为油汽开采提供更准确的数据依据。
123.本技术还提供了一种计算机可读存储介质的实施例，该计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如上任一项所述岩屑地层流体性质评价方法的步骤。
124.该计算机可读存储介质可以包括随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd-rom、或技术领域内所公知的任意其它形式的存储介质。
125.需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的
过程、方法、物品或者设备中还存在另外的相同要素。另外，本技术实施例提供的上述技术方案中与现有技术中对应技术方案实现原理一致的部分并未详细说明，以免过多赘述。
126.本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。