CN119487285A 用于钻井切屑中原油的像素级检测的高对比度紫外荧光成像系统和方法 （斯伦贝谢技术有限公司）

2025.01.03PCT/US2023/0235592023.05.25WO2023/230247EN2023.11.30用于钻井切屑中原油的像素级检测的高对LED被配置成用UV辐射照射样品体积，所述UV辐统被配置为基于荧光发射捕获切屑的至少一个处理至少一个UV图像以确定含油切屑的第二像2紫外(UV)源，所述UV源包括UV发光二极管，其中所述UV源被相机系统，所述相机系统包括图像传感器，其中所述相机系统切屑的荧光发射来捕获位于所述样品体积中的UV源被配置成用至少一个预定UV波长带照射样品体积，其中至少一个预UV发光二极管被配置为发射以365nm为中心的UV波长带中的UV辐射，其峰值强度在UV源还包括光学带通滤波器，所述光学带通滤波器被配置成透射至少所述光学带通滤波器被配置为透射以365nm为中心的波长带中的UV辐射，并且基本上光学带通滤波器被配置为阻挡400nm至700nm之间的波长带中其中所述相机系统被进一步配置来捕获位于所述样品体积内并由白光照射的钻井切数据处理系统，所述数据处理系统可操作地耦接到所述成像系统系统被配置来处理如由所述成像系统捕获的位于所述样品体积内并由白光照射的钻井切i)处理由所述成像系统捕获的位于所述样品体积内并由白光照射的钻井切屑的至少ii)处理由所述成像系统捕获的由来自位于所述样品体积中的钻井切屑的荧光发射产3所述数据处理系统被配置成基于第二像素计数与第一像素计数的比率来确定表示所数据处理系统采用第二机器学习模型来确定含油切训练第一机器学习以从不同API的不同纹理、颜色和油的钻井切屑的图像以及相关联训练第二机器学习以从不同纹理、颜色的钻井切屑和不同API的油的图像和相关联的训练第一机器学习模型以确定具有标签数据的所训练第二机器学习模型以确定含油切屑的第二像素计数训练以在给定由白光照射的钻井切屑的图像的情况下确定所有切屑的第一像素计数；和/或络被训练以在给定由UV辐射照射的钻井切屑的图像的情况下确定含油切屑的第二像素计4所述数据处理系统被配置成基于第二像素计数与第一像素计数的比率来确定表示所数据处理系统采用第二机器学习模型来确定含油切训练第一机器学习以从不同API的不同纹理、颜色和油的钻井切屑的图像以及相关联训练第二机器学习以从不同纹理、颜色的钻井切屑和不同API的油的图像和相关联的训练第一机器学习模型以确定具有标签数据的所训练第二机器学习模型以确定含油切屑的第二像素计数训练以在给定由白光照射的钻井切屑的图像的情况下确定所有切屑的第一像素计数；和/或由UV辐射照射的钻井切屑的图像引起来自含油切屑的荧光发射的情况下确定含油切屑的由白光照射的钻井切屑的至少一个图像和基于荧光发射的至少一个图像由成像系统系统被配置来获取位于所述样品体积中并由所述白光源或所述UV源照射而不移动所述钻由白光照射的钻井切屑的至少一个图像和基于荧光发射的至少一个图像由彼此分开5UV发光二极管被配置为发射以365nm为中心的UV波长带中的UV辐射，其峰值强度在UV源被配置成用至少一个预定UV波长带照射样品体积，其中至少一个预UV源还包括光学带通滤波器，所述光学带通滤波器被配置成透射至少所述光学带通滤波器被配置为透射以365nm为中心的波长带中的UV辐射，并且基本上光学带通滤波器被配置为阻挡400nm至700nm之间的波长带中6[0002]本申请要求于2022年5月27日提交的题为“HIGH一CONTRASTULTRAVIOLETFLUORESCENCEIMAGINGSYSTEMSANDMETHODSFORPIXEL一LEVELDETECTIONOFCRUDE[0004]泥浆测井活动可以采用流体分析来提供在钻井时定位含油地层岩石的潜在成功[0006]在实施例中，提供了一种与钻井切屑一起使用的成像系统。成像系统包括紫外基于来自钻井切屑的荧光发射来捕获位于样品体积中的钻井切[0008]在实施例中，UV发光二极管可配置为发射265nm至400nm之间的UV波长带的UV辐7系统还可被配置来捕获位于样品体积内并由处理系统可被配置来处理如由成像系统捕获的位于样品体积内并由白光照射的钻井切屑[0014]i)处理由所述成像系统捕获的位于所述样品体积内并由白光照射的钻井切屑的[0015]ii)处理由所述成像系统捕获的由来自位于所述样品体积中的钻井切屑的荧光发[0016]iii)基于第一像素计数和第二像素计数来确定表示所述钻井切屑的油含量的参[0024]iii)基于第一像素计数和第二像素计数来确定表示所述钻井切屑的油含量的参以从不同API的不同纹理、颜色和油的钻井切屑的图像和相关联的标签数据确定含油切屑8以是被训练来从由UV辐射照射的钻井切屑的图像确定含油切屑的第二像素计数的卷积编品体积的白光源和UV源以及被配置为获取位于样品体积中并由白光源或UV源照射而不移切屑的至少一个图像可由彼此分开且不同的白光成像系统和个预定UV波长带与结合到位于样品体积中的钻井切屑的原油相互作用以引起电磁波谱的[0034]在实施例中，UV发光二极管可配置为发射265nm至400nm之间的UV波长带的UV辐[0037]在实施例中，光学带通滤波器可以被配置为透射以365nm为中心的波长带中的UV[0038]在实施例中，集成WL/UV成像系统(或UV成像系统)还可以包括在样品体积和相机9[0042]图2C是表示可以用作图2A的成像系统的一部分的示例性光学带通滤波器的透射[0044]图4A示出了由图2A的成像系统捕获的图3的钻井切屑的相同样品的示例性紫外[0046]图5示出由图2A的成像系统捕获的钻井切屑的另一个样品的示例性白光(WL)图[0047]图6示出了由图2A的成像系统捕获的图5的钻井切屑的相同样品的示例性紫外[0049]图8示出了由采用UVLED代替荧光灯泡的成像系统捕获的图7的钻井切屑的相同[0051]图10示出了由采用UV荧光环形光的成像系统捕获的图9的钻井切屑的相同样品的[0054]图13是采用WL图像和UV图像的相关成像处理来定量表征切屑的油含量的示例性[0055]图14是使用图2A的成像系统遵循图13的一般工作流程的示例性实验工作流程的[0056]图15描绘了训练机器学习(ML)模型以检测任意WL图像中的所有切屑的像素(即，这些像素是WL图像中的任何切屑的一部分)[0057]图16描绘了训练用于检测任意UV图像中的含油切屑的像素(即，这些像素是UV图[0060]图1示出了根据本公开的井场系统，其中收集并分析来自含烃岩层的钻井切屑以在说明性井场系统中，通过旋转钻井以众所周知的方式形成穿过含烃地下岩层131的钻孔地面系统包括定位在钻孔111上方的平台和井架组件110。组件110包括转盘116、方钻杆钻柱112，然后向上循环通过钻柱112的外部与钻孔111的壁之间的环形区域，如方向箭头润滑钻头105并将钻井切屑(其是由于钻头105的作用而脱离的小块岩石)向上运送到地面。所示实施例的井底组件100可以包括用于井下测量的模块(诸如随钻测井(LWD)模块120、射样品托盘上的切屑的同时获取样品托盘上的切屑的至少一个图像156。UV辐射是电磁辐理和解释，以便表征样品托盘上的切屑的油含量(在钻井过程期间实时执行。提供这种类型的快速地层评估在完井决策中具有潜在的益处，[0064]在其他实施例中，数据处理单元160和/或成像系统152可以位于远离井场的一个被定位在UV发光二极管201和样品体积之间的光学路径中，并且被配置为透射至少一个预带通滤波器203的至少一个预定UV波长带的一个或多个UV波长带内的UV辐射。由UV发光二体积内的样品207(即，样品托盘上的切屑)的图像。光学滤波器209可以定位在样品体积波长带内的UV辐射与样品托盘上的钻井切屑相互作用并激发结合到切屑的原油中的荧光机系统205可以被配置为从样品荧光发射捕获可见光子的图像，其在本文中被称为UV图像[0067]成像系统152还可以包括光阻挡护罩213，其可以覆盖系统并阻挡环境光穿过其滤波器209可以被配置为阻挡UV光穿过其中并进入相[0069]在实施例中，UV发光二极管201可被配置为发射在265nm和400nm之间的波长带中施例中，用于光学带通滤波器203的透射的通过UV波长带可在265nm至400nm的UV波长带中带通滤波器203的透射的窄UV波长带在以365nm为中心的100nm或更小的窄UV波长范围上延[0071]在实施例中，相机系统205可以包括由纽约州Melville,NY)商业销售的具有微距镜头的D85[0074]图5和图6示出了由图2A的成像系统152获取的样品托盘上的切屑的图像。切屑由[0075]重要的是要注意，使用不同颜色的切屑混合物作为样品来测试图2A的成像系统和不含油切屑之间的对比度比从图6的系统(其采用UVLED和光学通带滤波器来照射样品)比较图6的UV图像和图10的图像，使用UV荧光环形灯(图10)在含油和不含油的钻井切屑之间产生对比度，该对比度比从图6的系统(其采用UVLED和光学通带滤波器来照射样品)获光阻挡护罩一起使用或不与光阻挡护罩一起使用。当在没有光阻挡护罩的情况下使用时，[0080]在实施例中，成像工具箱可以被配置成使得能够对来自切屑的油进行像素级检[0081]图14是使用图2A的成像系统152遵循图13的一般工作流程的示例性实验工作流程堆叠配置装载在样品托盘上，使得切屑在空间上分布在样品托盘上并且不位于彼此的顶白光图像和UV图像两者的同时将切屑定位在单独的预处理操作。这样的图像预处理操作可以提供图像校正图像的颜色空间的变换或对UV图像的其它期望的[0096]图15描绘了训练机器学习(ML)模型以检测任意WL图像中的所有切屑的像素(即，这些像素是WL图像中的任何切屑的一部分)[0100]例如，WL图像可以从如由系统152捕获的WL图像的颜色空间(其通常是RGB颜色空间)变换到色调饱和度值(HSV)颜色空间。采用HSV颜色空间的经变换的WL图像在本文中被常在0至100％的范围内并且表示颜色的强度；以及值切屑的周界或边缘边界的像素。在WL图像中多个钻井切屑彼此接触(或彼此重叠)的情况(不是切屑的一部分)。示例性的基于边缘的分割方法的细节在美国专利公开No.2021/[0104]一旦通过图15的操作训练ML模型，就可以部署训练的ML模[0105]在其他实施例中，可以对在框1505中经受图像二值化的WL图像和/或在框1507中[0106]图16描绘了训练用于检测任意UV图像中的含油切屑的像素(即，这些像素是UV图[0110]例如，UV图像可以从如由系统152捕获的UV图像的颜色空间(其通常是RGB颜色空间)变换到色调饱和度值(HSV)颜色空间。采用HSV颜色空间的经变换的UV图像在本文中被的基于边缘的分割方法的细节在美国专利公开No.2021/0248428中进行了描述，共同转让给本申请的受让人并通过引用整体并入本文。素值可以从试错法或通过如NobuyukiOtsu(1979)所描述的Otsu方法来确定“。A[0115]一旦通过图16的操作训练ML模型，就可以部署经训练的ML模型以用于解释UV图[0116]在其它实施例中，可以对在框1605中经受图像二值化的UV图像和/或在框1607中[0120]上述方法和过程中的一些可以被实现为与计算机处理器一起使用的计算机程序列计算机程序指令。这样的计算机指令可以存储在器)中并由计算机处理器执行。计算机指令可以以任何形式分发为具有随附的印刷或电子算法应用于具有岩石和流体样品的高变异性的挑战性现场环境。通过实现高质量数据采申请人的明确意图是不援引35U.S.C.§112第6段用于对本文中的任何权利要求的任何限