石油学报

作者：赵娅, 管玉, 贾迪

单位：东北石油大学计算机与信息技术学院 黑龙江大庆 163318

关键词：微观剩余油,图像识别,边缘感知增强,卷积神经网络,视觉变换器

基金：赵娅,女,1980年1月生,2019年获东北石油大学博士学位,现为东北石油大学副教授,主要从事智能信息处理、机器学习、深度学习方面的研究工作。Email:261980020273@nepu.edu.cn

摘要： 在石油开发领域,微观剩余油的精确识别和分类对提高油田开采效率和采收率至关重要。但传统的剩余油识别技术存在识别效率低、精度不高、资源消耗大等问题,限制了其在油田应用中的实际效果。因此,提出了一种基于卷积神经网络(CNN)与视觉变换器(ViT)的微观剩余油图像分类网络LLGFormer,该网络架构通过融合局部与全局特征,显著提高了分类精度,同时改善了运行效率。首先,设计了边缘感知增强模块,增强了图像的边缘纹理信息;然后,通过LLGFormer数据块并行,提取剩余油的局部与全局特征。此外,引入贡献判别网络,指导ViT分支关注有效信息,并采用分步计算策略降低模型的计算量。在自制的微观剩余油数据集和公共数据集上实验验证了LLGFormer的有效性。研究结果表明,LLGFormer在微观剩余油图像的处理速度和性能平衡方面具有显著优势,为石油行业中微观剩余油的自动化识别与分类提供了新的技术途径。

来源：2024年第12期

《石油学报》期刊编辑部

查看石油学报杂志2024年第12期