一种通过计算机视觉技术测量岩芯长度的方法与流程

[0001]
本发明涉及计算机视觉技术领域，具体为一种通过计算机视觉技术测量岩芯长度的方法。


背景技术：

[0002]
在矿产勘探和开发过程中，需要按地质设计的地层层位和深度，开展钻井工作，钻取出的岩石样品被称为岩芯，岩芯是了解地下油层及所含流体特征最直观、最实际的资料，在对岩石质量进行评估的时候，岩芯的长度是非常重要的参数；目前主要还是通过钻探机取出的岩芯然后进行手工测量或是通过硬件相关设备在钻探中得到相关数据，如此效率比较慢且成本高昂。


技术实现要素：

[0003]
本发明提供一种通过计算机视觉技术测量岩芯长度的方法，可以有效解决上述背景技术中提出目前主要还是通过钻探机取出的岩芯然后进行手工测量或是通过硬件相关设备在钻探中得到相关数据，如此效率比较慢且成本高昂的问题。
[0004]
为实现上述目的，本发明提供如下技术方案：一种通过计算机视觉技术测量岩芯长度的方法，包括如下步骤：s1、得到一张内含岩芯的图片，选定的参照为盛放岩芯的托盘；s2、选定托盘的4个顶点为关键点，选用经典的hourglass网络结构来实现检测，通过训练后生成模型a，而对于岩芯的检测则使用传统的cascade_mask_crnn网络模型，通过训练学习后生成模型b；s3、通过上一步生成的模型a进行托盘的检测，得到托盘的4个关键点，通过opencv图形库提供的getperspectivetransform方法，将这个关键点，分别为左上角，右上角，右下角和左下角，与预设的四个点坐标，分别为(0,0)，(1000,0)，(1000,600)和(0,600)来计算变换矩阵m，再通过使用opencv提供的warpperspective方法来对图像使用矩阵m进行转换，从而实现矫正，并且因此去掉托盘以外的部分；s4、将s3得到的图片输入模型b进行岩芯检测，输出岩芯的轮廓和位置；s5、得到上一步的岩芯的相关数据，对每一个岩芯，获取其中间1/3的部分，将这部分的长度计算平均长度，为整个岩芯的长度。
[0005]
根据上述技术方案，所述s1中选定参照物应该选择是有规范尺寸的，且在拍照的时候能够和岩芯放在一起的物体，选择托盘是因为其可以保证和岩芯在同一平面，并且岩芯的放置方式使得其很容易和托盘保持水平，从而特定的4个关键点可以选择托盘的四个顶点。
[0006]
根据上述技术方案，所述s2中在关键点检测方面，使用了经典的hourglass网络，一共使用了8个stacked hourglass模块，其模块数量越多，检测结果越精确，但是所需时间和成本越高；
在岩芯检测方面，使用了cascade_mask_crnn网络，该网络采用resnet-50结构，其层数最大可达152层，但是50层的结构的检测结果已经较为满意，层数越多，结果越精确，但是所需时间和成本也会越高。
[0007]
根据上述技术方案，所述s3中将其与预设坐标进行转换之后的，原本有一定倾斜的托盘被矫正，并且托盘以外的部分已经被裁去；由于最终目的是得到岩芯的尺寸信息，在矫正之后的图片可能被拉伸或者压缩，此时不影响最终的检测效果。
[0008]
根据上述技术方案，所述s4中岩芯检测结果，得到每个岩芯的mask。
[0009]
根据上述技术方案，所述s5中最终长度取该部分的平均长度，最终得到的像素长度信息还需要与计算出的比例尺r一起计算出实际长度，其中岩芯外围的框表明该数据所属岩芯，不参与长度运算，长度单位是mm。
[0010]
根据上述技术方案，所述比例尺r为像素长度/实际长度。
[0011]
与现有技术相比，本发明的有益效果：本发明结构科学合理，使用安全方便，能够对岩芯图片进行批量的计算岩芯的长度，使用者仅需要提供岩芯的清晰的完整的图片和输入相应的标定参照物的尺寸信息，方便快捷，操作简单，便于快速的提取数据。
附图说明
[0012]
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。
[0013]
在附图中：图1是本发明实例的流程示意图；图2是包含岩芯的图片a；图3是图片a中的识别出的关键点示意图；图4是图片a经过关键点进行矫正后的示意图；图5是图片a经过岩芯检测的结果示意图；图6是图片a岩芯长度估算的有效长度示意图；图7是图片a的岩芯长度计算的最终结果。
具体实施方式
[0014]
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
[0015]
实施例：如图1-2所示，本发明提供技术方案，一种通过计算机视觉技术测量岩芯长度的方法，包括如下步骤：s1、得到一张内含岩芯的图片，选定的参照为盛放岩芯的托盘；s2、选定托盘的4个顶点为关键点，选用经典的hourglass网络结构来实现检测，通过训练后生成模型a，而对于岩芯的检测则使用传统的cascade_mask_crnn网络模型，通过训练学习后生成模型b；s3、通过上一步生成的模型a进行托盘的检测，得到托盘的4个关键点，通过opencv图形库提供的getperspectivetransform方法，将这个关键点，分别为左上角，右上角，右下角和
左下角，与预设的四个点坐标，分别为(0,0)，(1000,0)，(1000,600)和(0,600)来计算变换矩阵m，再通过使用opencv提供的warpperspective方法来对图像使用矩阵m进行转换，从而实现矫正，并且因此去掉托盘以外的部分；s4、将s3得到的图片输入模型b进行岩芯检测，输出岩芯的轮廓和位置；s5、得到上一步的岩芯的相关数据，对每一个岩芯，获取其中间1/3的部分，将这部分的长度计算平均长度，为整个岩芯的长度。
[0016]
根据上述技术方案，s1中选定参照物应该选择是有规范尺寸的，且在拍照的时候能够和岩芯放在一起的物体，选择托盘是因为其可以保证和岩芯在同一平面，并且岩芯的放置方式使得其很容易和托盘保持水平，从而特定的4个关键点可以选择托盘的四个顶点。
[0017]
根据上述技术方案，s2中在关键点检测方面，使用了经典的hourglass网络，一共使用了8个stacked hourglass模块，其模块数量越多，检测结果越精确，但是所需时间和成本越高；在岩芯检测方面，使用了cascade_mask_crnn网络，该网络采用resnet-50结构，其层数最大可达152层，但是50层的结构的检测结果已经较为满意，层数越多，结果越精确，但是所需时间和成本也会越高。
[0018]
如图3-4所示，根据上述技术方案，s3中将其与预设坐标进行转换之后的，原本有一定倾斜的托盘被矫正，并且托盘以外的部分已经被裁去；由于最终目的是得到岩芯的尺寸信息，在矫正之后的图片可能被拉伸或者压缩，此时不影响最终的检测效果。
[0019]
如图5所示，根据上述技术方案，s4中岩芯检测结果，得到每个岩芯的mask。
[0020]
如图6-7所示，根据上述技术方案，s5中最终长度取该部分的平均长度，最终得到的像素长度信息还需要与计算出的比例尺r一起计算出实际长度，其中岩芯外围的框表明该数据所属岩芯，不参与长度运算，长度单位是mm。
[0021]
根据上述技术方案，比例尺r为像素长度/实际长度。
[0022]
与现有技术相比，本发明的有益效果：本发明结构科学合理，使用安全方便，能够对岩芯图片进行批量的计算岩芯的长度，使用者仅需要提供岩芯的清晰的完整的图片和输入相应的标定参照物的尺寸信息，方便快捷，操作简单，便于快速的提取数据。
[0023]
最后应说明的是：以上所述仅为本发明的优选实例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。