Сделано в России. Специалисты «Газпром нефти» научили программу распознавать горные породы по фото

12:07
/
18
/

«Газпром нефть» успешно испытала новую технологию на основе машинного обучения и цифрового зрения для исследования горных пород на месторождениях Западной Сибири. Проект доказал возможность в 7 раз ускорить лабораторный анализ полноразмерного керна для принятия решения по дальнейшей программе его исследования. Для этого керны извлекают из скважин и «оцифровывают» с помощью специальной фотосъемки. Накопленный массив изображений анализируется автоматической системой, которая распознает на фото литологические слои, определяет их название, целостность и другие характеристики.

В комплексе с другими разработками «Газпром нефти» новая система, по предварительным оценкам, позволит ежегодно экономить на лабораторных исследованиях около 85 млн рублей.

Для обучения математической модели центром разработки и монетизации данных «Газпром нефти» был разработан классификатор литологических слоев — принципы, по которым тот или иной элемент на фотографии среза керна нужно соотносить с определенными характеристиками геологической породы. Набор данных из более чем 17 тыс. фотографий керна в дневном и ультрафиолетовом свете был подготовлен в партнерстве с геологическим факультетом МГУ им. М. В. Ломоносова.

Керн — образец горной породы цилиндрической формы, извлеченный из скважины в процессе бурения. Это единственный прямой источник информации о недрах, который можно извлечь на поверхность. На его исследованиях основываются ключевые производственные решения при разработке нефтяных и газовых месторождений. До сих пор послойное описание керна составлялось исключительно экспертом-геологом. Этот процесс было крайне сложно автоматизировать: характеристика горной породы определяется множеством не всегда очевидных признаков, многие фрагменты слоев крайне неоднородны, и часто экспертное решение при их анализе принималось на основе субъективного опыта. Новая разработка дата-сайентистов «Газпром нефти» позволила анализировать изображения керна с помощью математический модели и системы цифрового зрения.

Пост сделан с содействием блогера Human RS!

+2
Нет комментариев. Ваш будет первым!