(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211314366.7 (22)申请日 2022.10.26 (71)申请人 中石化经纬有限公司 地址 266000 山东省青岛市 市南区台湾路4 号 申请人 中国石油大 学 （华东） (72)发明人 吴柏志　董经利　孙建孟　宿振国　 罗歆　 (74)专利代理 机构 青岛智地领创专利代理有限 公司 37252 专利代理师 陈海滨 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01)G06V 10/74(2022.01) G06N 3/08(2006.01) (54)发明名称 一种用于随钻测井图像地层分类的自动分 类方法 (57)摘要 本发明公开了一种用于随钻测井图像地层 分类的自动分类方法， 涉及油气勘探技术领域。 本发明通过标注岩心刻度随钻电成像测井图像 生成图像标签， 构建岩性类别识别数据库后， 构 建窗口注 意力机制分类网络， 引入 经训练的超参 数元网络作为窗口注意力机制分类网络迁移学 习的对象， 利用岩性类别识别数据库训练窗口注 意力机制 网络进行岩石图像自动识别分类并验 证训练后窗口注意力机制网络的性能， 再基于知 识蒸馏理论改进窗口注意力机制分类网络的分 类器， 构建并调试自适应岩性分类网络模型后， 利用自适应岩性分类网络模型确定随钻电成像 测井图像的岩性。 本发明实现了对岩性类别与随 钻测井图像的精准匹配， 提高了岩性分类的准确 性， 有利于储层的高效评价。 权利要求书4页 说明书10页 附图5页 CN 115393656 A 2022.11.25 CN 115393656 A 1.一种用于随钻测井图像地层分类的自动分类方法， 其特 征在于， 具体包括以下步骤： 步骤1， 获取岩心刻度随钻电成像测井图像， 采集不同岩性类别所对应的岩心刻度随钻 电成像测井图像， 结合岩心资料对岩心刻度随钻电成像测井图像进行标注， 生成随钻电成 像测井图像标签， 构建岩性类别识别数据库， 并将岩性类别识别数据库划分为训练集和测 试集； 步骤2， 构建窗口注意力 机制分类网络， 窗口注意力机制分类网络内设置有窗口注意力 机制网络、 标准化层、 全局池化层、 全连接层和分类器， 引入经计算机视觉系统识别项目数 据集训练后的超参数元网络作为窗口注意力机制网络迁移学习的对象， 利用训练集训练 窗 口注意力机制分类网络对岩心刻度随钻电成像测井图像自动识别分类， 并对窗口注意力机 制分类网络进行超参数优选后， 再利用验证集测试训练后窗口注意力机制分类网络的性 能， 输出验证后的窗口注意力机制分类网络； 步骤3， 基于知识蒸馏理论改进步骤2中输出窗口注意力机制分类网络中的分类器， 结 合随钻电成像测井图像的纵向属性， 构建自适应岩性分类网络模型， 并对自适应岩性分类 网络模型进行调试； 步骤4， 将待预测的随钻电成像测井图像输入至调试后的自适应岩性分类网络模型中， 利用自适应岩性分类网络模型对待预测的随钻电成像测井图像中的岩性进 行分类， 输出待 预测的随钻电成像测井图像的岩性分类结果。 2.根据权利要求1所述的一种用于随钻测井图像地层分类的自动分类方法， 其特征在 于， 所述步骤1中， 具体包括以下步骤： 步骤1.1， 获取随钻电成像测井图像和多个深度 段的岩心照片， 根据不同深度 段的岩心 照片， 分别针对各深度段利用岩心照片对随钻电成像测井图像进行刻度， 得到岩心刻度随 钻电成像测井图像； 步骤1.2， 结合岩心资料对岩心刻度随钻电成像测井图像进行标注， 确定岩心刻度随钻 电成像测井图像中的岩心类别后， 生成随钻电成像测井图像标签， 构建岩性类别识别数据 库； 步骤1.3， 将 岩性类别识别数据库划分为训练集和 测试集。 3.根据权利要求2所述的一种用于随钻测井图像地层分类的自动分类方法， 其特征在 于， 所述训练集中岩心刻度随钻电成像测井图像的数量为岩性类别识别数据库中岩心刻度 随钻电成像测井图像数量的70%， 测试集中岩心刻度随钻电成像测 井图像的数量为岩性类 别识别数据库中岩心刻度随钻电成像测井图像数量的3 0%。 4.根据权利要求1所述的一种用于随钻测井图像地层分类的自动分类方法， 其特征在 于， 所述步骤2中， 具体包括以下步骤： 步骤2.1， 构建窗口注意力机制分类网络， 窗口注意力 机制分类网络内设置有窗口注意 力机制网络、 标准化层、 全局池化层、 全连接层和分类器； 所述窗口注意力机制网络包括分 区注意力机制模块、 第一拼接注意力机制模块、 第二拼接注意力机制模块和第三拼接注意 力机制模块， 分区注意力机制模块、 第一拼接注 意力机制模块、 第二拼接注意力机制模块和 第三拼接注意力机制模块依次连接； 步骤2.2， 引入经计算机视觉系统识别项目数据集训练后的超参数元网络作为窗口注 意力机制网络迁移学习的对象， 利用训练集训练 窗口注意力机制分类网络对岩心刻度随钻权　利　要　求　书 1/4 页 2 CN 115393656 A 2电成像测井图像自动识别分类， 通过反向传播与梯度下降算法对窗口注意力机制分类网络 的权值进行更新， 计算窗口注意力机制分类网络的损失值， 若窗口注意力机制分类网络的 损失值小于预设阈值， 则停止对窗口注意力机制分类网络的训练， 否则， 则对窗口注意力机 制分类网络进行超参数优选， 继续利用训练集训练窗口注意力机制分类网络； 窗口注意力机制分类网络的损失函数为：              （1） 式中， 为窗口注意力机制分类网络的损失值， 为岩性类别数字标签， 为岩性类别 数字标签所对应的概 率值， 为对数函数， n为岩性类别的个数， i为岩性类别的序号； 步骤2.3， 利用验证集测试训练后窗口注意力 机制分类网络的性能， 若训练后窗口注意 力机制分类网络的损失值小于预设阈值， 则进入步骤2.4， 否则， 则返回步骤2.2 中， 继续利 用训练集训练窗口注意力机制分类网络； 步骤2.4， 输出验证后的窗口注意力机制分类网络 。 5.根据权利要求4所述的一种用于随钻测井图像地层分类的自动分类方法， 其特征在 于， 所述分区注意力机制模块包括块状分区层、 线性嵌入层和两个窗口注意力机制模块， 块 状分区层用于对岩心刻度随钻电成像测井图像进 行分块处理， 线性嵌入层用于改变输出特 征图的通道数； 所述第一拼接注意力 机制模块、 第 二拼接注意力 机制模块和第 三拼接注意力 机制模块 均采用块状拼接层后连接窗口注意力机制模块的结构， 第一拼接注意力机制模块和第三拼 接注意力机制模块内均设置有一个块状拼接层和两个窗口注意力机制模块， 第二拼接注意 力机制模块内设置有一个块状拼接层和六个窗口注意力机制模块； 所述窗口注意力机制模块采用由多层感知机与窗口注意力机制层组成的组合结构后 串联由多层感知机与偏移窗口注意力机制层组成的组合结构， 窗口注意力机制层和偏移窗 口注意力机制层的前后均设置有标准 化层。 6.根据权利要求4所述的一种用于随钻测井图像地层分类的自动分类方法， 其特征在 于， 所述步骤2.2中， 将训练集中的岩心刻度随钻电成像测井图像输入窗口注 意力机制分类 网络中， 岩心刻度随钻电成像测井图像的原始长度为 h、 原始宽度为 w、 原始通道数为3， 窗口 注意力机制分类网络对岩心刻度随钻电成像测井图像的处 理包括四个阶段； 分区注意力 机制模块用于对岩心刻度随钻电成像测井图像进行第 一阶段的处理， 当岩 心刻度随钻电成像测井图像输入至 分区注意力机制模块时， 分区注意力机制模块的块状分 区层通过对岩心刻度随钻电成像测井图像进 行二维卷积运算， 将岩心刻度随钻电成像测井 图像划分为多个尺寸为4 ×4像素、 长度为 、 宽度为 、 通道数为48的特征图， 特征图经 过线性嵌入层在长度维度和宽度维度上展开， 得到经线性嵌入层展开后特征图的长度为 、 宽度为 、 通道数为 C， 经分区注意力机制模块内的各窗口注意力机制模块处理后输 入至第一 拼接注意力机制模块中；权　利　要　求　书 2/4 页 3 CN 115393656 A 3