4793
Поиск нефти по геофото
Май, 2020 год.Система автоматического распознавания геологической породы.
Какую проблему решали
Один из этапов геологоразведочных работ — анализ добытого образца геологической/горной породы (керна) на предмет целостности, типов и свойств пород, наличия углеводородов. Эта информация впоследствии используется для построения модели месторождения.
Керн распиливают вдоль, полируют и фотографируют при дневном и ультрафиолетовом свете. Сотрудники сервисной организации оценивают на глаз необходимые параметры. На разбор 400 м керна три специалиста тратят более недели.
Керн распиливают вдоль, полируют и фотографируют при дневном и ультрафиолетовом свете. Сотрудники сервисной организации оценивают на глаз необходимые параметры. На разбор 400 м керна три специалиста тратят более недели.
Необходимо ускорить этот процесс, повысить точность определения качества и параметров керна за счет исключения человеческого фактора, снизить расходы на привлечение подрядчиков, систематизировать полученные данные.
Решение проблемы
Команда «Газпром нефти» разработала и внедрила систему автоматического распознавания геологической породы.
Фотографии керна загружаются в ПО, которое автоматически производит его разметку. Результат направляется на согласование литологу. Процесс занимает один рабочий день и не требует участия других специалистов.
Макроскопический анализ керна составляет немалую часть цикла геологоразведки, его сокращение позволило быстрее переходить непосредственно к добыче нефти и получению прибыли, раньше окупать стоимость лицензии на участок и затраты на буровые работы.
Применяемые технологии
Разработан алгоритм получения модели машинного обучения с учётом экспертных оценок с применением методов компьютерного зрения для получения дескрипторов изображений, на основании которых принималось решение о принадлежности сегмента изображения к определенному целевому классу.
На изображении могут одновременно присутствовать различные типы породы, переслаивания и трещины. Поэтому первым этапом для формирования табличных данных на основе фотографий стала задача сегментации. Для этого фотографии подвергались обработке для устранения визуальных дефектов и поиска областей интереса. Затем производится либо ручная сегментация экспертами с использованием разработанного приложения, либо автоматическая сегментация, разработанная согласно уже полученной экспертной разметке. После чего для каждого сегмента проводится анализ с использованием моделей машинного обучения.
Бизнес-процесс
До проекта:
- Фотографии породы обрабатываются вручную.
- Анализ 400 метров керна занимает 12,5 дней.
- В изучении породы участвуют 3 человека.
После проекта:
- Фотографии керна обрабатываются автоматически, результаты согласовывает литолог.
- Анализ 400 метров керна занимает менее 8 часов.
- В изучении породы участвует 1 человек.
Результаты
Команда проекта
Ксения Габдрахманова
Руководитель направления
Владислав Горбунов
Начальник отдела математического моделирования
Денис Игнатьев
Младший инженер данных
Алексей Кудрявцев
Главный специалист
Тимур Мамяшев
Руководитель по разработке продукта
Тимур Салимов
Старший аналитик данных
Дмитрий Терещенко
Младший инженер данных
Похожие кейсы
AI-кейсы с доказанной бизнес-эффективностью. Все проекты успешно прошли проверку комиссией из признанных экспертов в технологиях и бизнесе.
