(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 202211014707.9 (22)申请日 2022.08.23 (71)申请人 西南石油大 学 地址 610500 四川省成 都市新都区新都大 道8号 (72)发明人 夏文鹤　吴柯岐　唐印东　李永杰　 陈一健　李皋　 (74)专利代理 机构 成都金英专利代理事务所 (普通合伙) 51218 专利代理师 袁英 (51)Int.Cl. G06V 20/40(2022.01) G06V 10/40(2022.01) G06V 10/764(2022.01) G06V 10/80(2022.01)G06V 10/26(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06T 7/62(2017.01) (54)发明名称 一种基于神经网络的岩屑 颗粒智能计量方 法及系统 (57)摘要 本发明公开了一种基于神经网络的岩屑 颗 粒智能计量方法及系统， 计量方法包括以下步 骤： 使用图像采集器采集视频图像并采用人工标 注的方式制作训练样本集； 使用样 本集训练分割 网络； 使用图像采集器采集当帧图像； 使用图像 特征提取模块对图像的特征进行提取， 生成多个 特征图； 使用图像特征分类模块将不同特征图拼 接融合后还原至原始图像输入尺 寸； 根据特征张 量参数计算每个像素点属于背景和前景的概率， 进行岩屑区域智能识别计量。 本发 明对岩屑进行 智能识别和计量， 将传统岩屑计量方法存在的数 分钟甚至数十分钟计量延时， 缩短为秒级延时， 处理延时短、 效率高同时保证计量结果精确， 为 钻井工程提供了强有力的安全保障。 权利要求书2页 说明书6页 附图5页 CN 115272940 A 2022.11.01 CN 115272940 A 1.一种基于神经网络的岩屑颗粒智能计量方法， 其特 征在于， 包括以下步骤： S1， 使用图像采集器采集视频图像， 并制作训练样本集； S2， 使用图像特 征提取模块对图像的特 征进行提取， 生成多个特 征图； S3， 使用图像特 征分类模块将不同特 征图拼接融合后还原至原 始图像输入尺寸； S4， 根据特征张量参数计算每个像素点属于背景和前景的概率， 进行样本岩屑区域智 能识别； S5： 使用样本集结合损失函数训练分割网络； S6： 使用图像采集器实时采集现场岩屑区域视频， 对视频进行周期性图片抽帧； S7： 使用训练好的分割网络计算图像帧中每个像素点属于背景和前景的概率， 进行岩 屑区域的实时智能识别并计量。 2.根据权利要求1所述的一种基于神经网络的岩屑颗粒智能计量方法， 其特征在于， 步 骤S1包括以下子步骤： S101,图像采集器实时采集多种型号的振动筛工作视频， 所述视频包括普通泥浆振动 筛视频和负压振动筛的筛面视频； S102， 将采集到的视频进行整理、 归类； S103， 将视频按照设定的帧率进行抽帧并转 化为序列帧图片； S104， 筛选出序列帧图片中包含岩屑的图片并进行标记， 用色块标出图片中的岩屑颗 粒大小及形状。 3.根据权利要求1所述的一种基于神经网络的岩屑颗粒智能计量方法， 其特征在于， 步 骤S2包括以下子步骤： S201， 将图片输入图像特征提取模块， 通过卷积层、 LN层、 主干层和下采样层， 得到输出 结果； S202， 将第一层主干模块的输出作 为特征图1， 将第二层主干模块的输出作 为特征图2， 将第三层主干模块的输出作为特征图3， 将第四层主干模块的输出作为特征图4， 将最后一 层卷积层的输出作为特 征图5。 4.根据权利要求1所述的一种基于神经网络的岩屑颗粒智能计量方法， 其特征在于， 所 述步骤S3包括以下子步骤： S301， 特征图N通过第一层上采样模块， 将该层图特征尺寸还原至与该层的上一层特征 图尺寸一致， 输出特征图N’； S302， transformer模块将上采样之后的特征图N ’和对应的特征图N ‑1作为共同输入， 输出一个新的特征张量， 所述对应的特征图N ‑1是指和上采样之后的图像N ’尺寸相同的特 征图； S303， 判断新的特征张量尺寸是否为输入图像尺寸的四分之一， 如判断为是， 则接着对 其进行2次上采样处理， 输出张量尺 寸和输入的图像尺寸相同， 再使用一层卷积层调整通道 数为标签类别数， 输出分离的通道特征图； 如判断为否， 则将其返回至模块输入第一层上采 样模块重复S3 01、 S302、 S303的操作。 5.根据权利要求1所述的一种基于神经网络的岩屑颗粒智能计量方法， 其特征在于， 所 述步骤S4包括以下子步骤： S401， 利用S3中生成的特 征图的权值， 计算每 个像素点属于背景和前 景的百分比；权　利　要　求　书 1/2 页 2 CN 115272940 A 2S402， 将百分比阈值设为50%， 超过50%视该像素点属于前景， 即岩屑颗粒图像的像素 点， 将背景像素点置为 黑色， 前景像素点置为标签颜色。 6.根据权利要求1所述的一种基于神经网络的岩屑颗粒智能计量方法， 其特征在于， 所 述步骤S5采用交叉熵函数作为网络的损失函数， 选用自适应估计矩作为网络的优化器。 7.根据权利要求1所述的一种基于神经网络的岩屑颗粒智能计量方法， 其特征在于， 所 述步骤S6中图片抽帧周期设为秒级， 计算机在每个周期之初， 从实时视频中抽取当前输入 视频的最 新图像帧。 8.根据权利要求1所述的一种基于神经网络的岩屑颗粒智能计量方法， 其特征在于， 所 述步骤S7进行岩屑计量的方法为： 统计前景像素点个数， 计算其占图像像素点总 数的百分 比， 乘以对应拍摄的筛面 面积， 获得岩屑面积。 9.一种基于神经网络的岩屑颗粒智能计量系统， 采用权利要求1 ‑8所述的一种基于神 经网络的岩屑颗粒智能计量方法运行， 其特征在于， 包括图像采集器、 图像特征提取模块和 图像特征分类模块； 所述图像采样器包括高帧率高清摄像机和补光装置， 高帧率高清摄像机设置在振动筛 筛面附近适当位置， 用于拍摄岩屑颗粒视频； 所述图像特征提取模块结构包括卷积层、 LN层、 激活函数和池化层， 所述模块网络前2 层为1层卷积层和1层LN激活函数层， 接着依次交替连接若干主干模块与下采样模块， 最后 以2层卷积层结束； 所述图像特征分类模块结构为1层上采样模块连接transformer模块， 其中 transformer模块输出端还设有判断条件， 用于判断特征张量尺寸是否等于输入图像尺寸 的四分之一， 如等于， transformer模块输出再连接2层上采样模块和1层卷积层以便后续处 理； 如不等， 循环上采样模块和t ransformer模块的处 理。权　利　要　求　书 2/2 页 3 CN 115272940 A 3