当前中国大多数油田已经进入到开发中—后期高含水阶段，复杂的地质情况加大了开采难度，使得油田的水驱采收率较低。荧光薄片是研究储层原油性质、分布特征以及孔隙结构的重要手段。但目前荧光薄片数据处理仍以人工方式为主，分析效率低且受人为因素影响。中国石油大学（华东）孙歧峰副教授针对传统荧光薄片分析方法的弊端，提出一种基于卷积神经网络的无监督分割方法，实现荧光图像中颗粒、孔隙、油质沥青、胶质沥青、沥青质沥青的自动划分与定量分析，减少分类过程中的人为主观性影响，对于指导油田后续开发和提高采收率具有重要的现实意义。相关研究认识刊登在《石油学报》第45卷第3期。
研究团队通过建立荧光颜色图版与标准色系图谱，确定出不同组分的划分标准。经过优化聚类，结合RGB颜色空间距离与角度计算色差等提出了一种基于卷积神经网络的无监督分割方法，实现了对荧光薄片图像中剩余油、孔隙、颗粒的自动划分及定量分析。
根据荧光图像中剩余油的成像特点，通过相似性与连续性特点进行约束，使得聚类结果更加准确，该约束条件也可适用于其他具有相似特征的显微图像处理。
通过样本实验，从像素准确率、类别平均像素准确率、平均交并比、时延等角度进行评价对比，证明所提出的方法能够有效地提取荧光薄片图像的语义信息从而进行分类，具有较好的实际应用能力。
论文链接：http://www.syxb-cps.com.cn/CN/10.7623/syxb202403005
