摘要
本申请提供了一种岩屑类型识别方法、系统和装置,其中,该方法包括:通过CT扫描设备对目标井在目标地层的钻井过程中产生的实时岩屑进行扫描,得到CT扫描数据;通过预先训练得到的神经网络模型,从CT扫描数据中提取出所述实时岩屑的内部结构特征和外部结构特征;通过所述预先训练得到的神经网络模型,基于实时岩屑的内部结构特征和外部结构特征进行识别,以得到所述实时岩屑的岩屑类型。通过上述方案可以对岩屑类型进行高效、精确和实时识别,尤其对表面特征相似但内部结构差异明显的岩屑具有更高的识别精度,进一步的,通过引入神经网络模型和多源数据的融合,提高了岩屑识别在复杂钻井条件下的适应性。
技术关键词
内部结构特征
CT扫描数据
CT扫描图像
环境参数传感器
深度学习模型
CT扫描设备
岩屑CT扫描
引入神经网络模型
CT装置
电磁扫描装置
识别方法
CT设备
样本
标签
扫描模块
中央处理器
系统为您推荐了相关专利信息
岩体结构面
智能化识别方法
局部特征提取
高维特征向量
空间分布特征
联合预测方法
海杂波幅度
序列特征
统计特征
参数
电力设备表面
缺陷检测方法
深度学习模型
局部纹理特征
缺陷检测系统
国土空间规划
智能集成系统
多源异构数据
深度学习模型
特征值