一种基于机器视觉实时监测井眼清洁的方法

技术领域

本发明涉及钻井施工技术领域，具体公开了一种基于机器视觉实时监测井眼清洁的方法。

背景技术

在钻井施工过程中，大位移井在工作时由于井眼长度长、最终井斜角过大，岩屑很容易在大斜度和水平井段沉积下来，形成岩屑床，造成井眼不清洁，导致钻头反复切削，引起卡钻，井眼堵塞，地层破裂，井漏等现象，所以当井眼不清洁时，我们要及时发现并采取应对措施。

现有技术中，工程上一般采用岩屑称重的方法来计算环空岩屑密度来判断井眼是否清洁，但是这种方法不能够实时地监测井眼清洁，且称重过程繁琐，效率低。为了克服以上问题，提供一种基于机器视觉实时监测井眼清洁的方法，运用了机器视觉对振动筛的筛面状态进行监测，来判断井眼是否清洁，实时监测井眼清洁状况。

发明内容

本发明意在提供一种基于机器视觉实时监测井眼清洁的方法，通过机器视觉和图像识别技术，实时地监测井眼是否清洁。

为了达到上述目的，本发明的基础方案如下：一种基于机器视觉实时监测井眼清洁的方法，包括以下步骤，

S101：采集振动筛筛面岩屑图像；

S102：针对采集的图像进行图像对比度增强处理；

S103：将对比度增强处理后的图像进行灰度化和二值化处理；

S104：将灰度化和二值化处理后的图像进行岩屑边缘检测和形态学处理；

S105：将岩屑边缘检测和形态学处理后的图像进行平滑滤波处理和像素标记；

S106：计算出图像中岩屑面积，计算出返出泥浆岩屑浓度，判断井眼是否清洁。

进一步，S101中，岩屑图像采集的时间间隔为T/2,其中T为传送带周期。

进一步，S102中，在增强岩屑图像对比度的过程中gamma值设定为0.2，增强明亮度。

进一步，S103中，二值化处理时阈值选取为0.4，减少图像失真度。

进一步，S104中,岩屑边缘检测后，用strel函数进行缝隙填补，其中采用方形结构元，宽度设置为3个像素。

进一步，S106中，针对处理后的岩屑图像，每一块岩屑面积计算公式如下：

式中，S

进一步，计算出每一块岩屑面积后，估算振动筛上的泥浆浓度：

式中，S

若η>5％,则判断井眼为清洁状态，若η<5％,则判断井眼为不清洁。

本发明的原理以及有益效果：本方案充分利用了机器视觉的效率高，精度高的特点，采集振动筛筛面上的岩屑图像，计算出返出岩屑的含量，同时计算出返出泥浆岩屑浓度来判断井眼是否清洁。是一种非接触测量方法，相较于质量流量计测固相的方法更加安全可靠；相较于岩屑称重的方法，更加快速，能够实时地监测井眼清洁状态。

当然，实施申请的方案并不一定需要同时达到以上所述的所有技术效果。

附图说明

图1为本发明实施例中的流程图；

图2为本发明实施例中的岩屑示意图；

图3为本发明实施例中的岩屑图像增强对比图；

图4为本发明实施例中的岩屑图像灰度化图；

图5为本发明实施例中的岩屑图像二值化图；

图6为本发明实施例中的岩屑边缘提取图；

图7为本发明实施例中的岩屑缝隙填补图；

图8为本发实施例中明岩屑填充图；

图9为本发明实施例中的岩屑滤波图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，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。

在本发明的描述中，需要理解的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

实施例：

基本如附图1：一种基于机器视觉实时监测井眼清洁的方法，包括如下步骤，

S101：采集振动筛筛面岩屑图像；

S102：针对采集的图像进行图像对比度增强处理；

S103：将对比度增强处理后的图像进行灰度化和二值化处理，；

S104：将灰度化和二值化处理后的图像进行岩屑边缘检测和形态学处理；

S105：将岩屑边缘检测和形态学处理后的图像进行平滑滤波处理和像素标记；

S106：计算出图像中岩屑面积，计算出返出泥浆岩屑浓度，判断井眼是否清洁。

具体实施方式如下：

S101：将工业防爆摄像头安装在振动筛筛面正上方，以时间间隔为T/2，T为传送带传送周期，采集振动筛的筛面上的岩屑图像，如图2所示，各种形状的岩屑都在振动筛上不均匀分布。

S102：针对采集的振动筛的筛面图像进行预处理，如图3所示，使用Imadjust函数增强图像的对比度，在增强图像对比度的过程中将gamma值设定为0.2，增强明亮度，使图像中的岩屑和其他区域对比更加清晰。

S103：对增强对比度后的岩屑图像进行灰度化和二值化处理，二值化处理时阈值选取为0.4，可以更好地减少图像的失真度，图像灰度化和二值化的结果如图4、图5所示。

S104：再对处理后的岩屑图像进行边缘检测，选择canny算子进行边缘检测，定位所有的边缘点，降低错误率，使得定位边缘更加接近岩屑真实边缘，岩屑图像的边缘提取结果如图6所示。

在对岩屑图像进行边缘提取后，再进行图像的形态处理，用strel函数进行缝隙填补，其中采用方形结构元，宽度设置为3个像素，完成缝隙填补，填补后的岩屑图像如图7所示。增加岩屑边缘的宽度，将不封闭的区域封闭，便于图像的填充。

再对岩屑内部进行填充，得到完整的岩屑图像如图8所示，便于后面对岩屑图像进行像素标记，计算岩屑的面积。

S105：对填充后的图像进行自适应高斯滤波处理，以去除图像中的高斯噪声。首先利用二维高斯滤波函数生成高斯核函数：

式中，k为高斯核半径，σ为标准差。当卷积窗口滑动时，鉴于高斯核系数权值与方差呈正比例关系特性，可以根据方差的大小求得高斯核标准差σ。图像某区域内方差的大小计算公式为：

式中S

式中，由于D(i，j)是常量，R(i，j)则是一个关于高斯核半径k与标准差σ的函数，即

当R＝1时，高斯核中参数的权重大小与像素值权重最接近，此时，该处的标准差σ即由S(x，y)区域内的像素值的方差D求得。以此类推，反复迭代，从而形成一种自适应高斯滤波，最后对岩屑图像的像素点全部卷积后完成高斯滤波处理，滤波后的岩屑图像如图9所示，能够很好地消除前期图像处理中产生的高斯噪声，减小寻找连通区域的误差。

运用bwlabel函数寻找连通区域，选择4连通进行像素标记，同时计算出填充区域的总像素点个P

S106：得到图像中岩屑的总像素点后，计算每一块岩屑面积计算：

式中，P

计算出每一块岩屑面积后，估算返出的泥浆浓度：

式中，S

若η>5％,则判断井眼为清洁状态；若η<5％,则判断井眼为不清洁。

通过判断返出泥浆岩屑浓度来判断井眼是否清洁，以采取相应的应对措施，减少损失，使得钻井能够顺利进行。

本实施例中，优势在于充分利用了机器视觉的效率高，精度高的特点，采集振动筛筛面上的岩屑图像，计算出返出泥浆岩屑的含量，同时计算出返出泥浆岩屑浓度来判断井眼是否清洁。是一种非接触测量方法，相较于质量流量计测固相的方法更加安全可靠；相较于岩屑称重的方法，更加快速，而且能够实时地监测井眼是否清洁。

以上所述的仅是本发明的实施例，方案中公知的具体结构和/或特性等常识在此未作过多描述。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。