钻井过程中对上返岩屑的监测与识别是感知地层变化、及时发现掉块并减缓井壁失稳风险的关键手段。实现快速、客观、自动化的岩屑识别对保障钻井安全、提高钻井效率具有重要意义。目前,岩屑识别主要依赖人工经验判断,存在主观性强、耗时...钻井过程中对上返岩屑的监测与识别是感知地层变化、及时发现掉块并减缓井壁失稳风险的关键手段。实现快速、客观、自动化的岩屑识别对保障钻井安全、提高钻井效率具有重要意义。目前,岩屑识别主要依赖人工经验判断,存在主观性强、耗时长和工作量大等问题。基于实际采集的岩屑图像,提出一种基于Segment Anything Model 2(SAM2)与KMeans聚类算法的岩屑识别模型,实现对岩屑颗粒的精确分割与自动聚类。同时,设计了交互式选择功能,支持工程师快速挑选目标岩屑块,显著提升岩屑块可视化与识别效率。实验结果表明,SAM2在岩屑图像分割任务中表现优异,分割精度较现有主流方法提升3%~6%。在四川威远构SX井的实际岩屑图像测试中,模型聚类识别准确率达83.9%,与人工标注结果高度一致。在典型井段的应用中,模型识别出4类主要岩屑,各类别占比分布与人工判别结果差异较小。研究结果表明,本文提出的模型方法能够有效划分不同粒径岩屑块并合理预测各类岩性占比,有助于辅助工程师快速判定地层岩性,提升钻井过程监测的客观性与实时性。展开更多
文摘钻井过程中对上返岩屑的监测与识别是感知地层变化、及时发现掉块并减缓井壁失稳风险的关键手段。实现快速、客观、自动化的岩屑识别对保障钻井安全、提高钻井效率具有重要意义。目前,岩屑识别主要依赖人工经验判断,存在主观性强、耗时长和工作量大等问题。基于实际采集的岩屑图像,提出一种基于Segment Anything Model 2(SAM2)与KMeans聚类算法的岩屑识别模型,实现对岩屑颗粒的精确分割与自动聚类。同时,设计了交互式选择功能,支持工程师快速挑选目标岩屑块,显著提升岩屑块可视化与识别效率。实验结果表明,SAM2在岩屑图像分割任务中表现优异,分割精度较现有主流方法提升3%~6%。在四川威远构SX井的实际岩屑图像测试中,模型聚类识别准确率达83.9%,与人工标注结果高度一致。在典型井段的应用中,模型识别出4类主要岩屑,各类别占比分布与人工判别结果差异较小。研究结果表明,本文提出的模型方法能够有效划分不同粒径岩屑块并合理预测各类岩性占比,有助于辅助工程师快速判定地层岩性,提升钻井过程监测的客观性与实时性。
