杨晓倩 张萍 熊振东 陶忠瑞 陈一帆 陈华

摘要：随着我国油气勘探技术的发展，裂缝性储积层在油气的勘探开发中发挥着越来越重要的作用。现有的裂缝识别仍然局限于人工分割裂缝部分再进行分类，没法从整个油井地下的成像测井图像中检测出裂缝的存在。该文针对测井数据和图像资料，研究了裂缝经Hough变换后的正弦曲线特性，由此人工制造了大量图像代替成像数据进行标注，并应用目标检测相关知识，使用YOLOv3训练模型，通过fine-tuning基于ImageNet的预训练模型，对测试集进行目标检测，不仅加快了收敛的速度，其在抽样的测试集中还能够有效地识别出一些裂缝;同时，制造了带有不同程度噪音的测试集再进行检测，可知本文的模型允许曲线带有一定范围内的噪声。最后，该文提出了进一步的研究思路，指出可以应用领域生成网络的思想，且对于不同类型的裂缝，可以考虑看作多个种类的目标检测问题，进一步进行分类研究。

关键词：裂缝识别;目标检测;YOLO;迁移学习

中图分类号：TP391      文献标识码：A

文章编号：1009-3044（2021）36-0032-05

開放科学（资源服务）标识码（OSID）：

1 引言

一直以来，裂缝性储层都是勘探的难点和重点，裂缝的导流程度对油气井的产出情况有很大的影响，在采油过程中，裂缝和半裂缝的识别是非常重要的。地质勘探工作中，反映裂缝信息较多的是成像测井图像，传统的人工拾取裂缝的方法工作量大，且存在较大误差，所以需要提出一种智能提取裂缝，且对其进行准确识别的方法。……