机器视觉技术在油田应用现状及展望

蒋 也

（中国石化集团经济技术研究院有限公司，北京 100029）

当前国际社会中不确定和不稳定因素渐增，保障国家能源安全显得格外重要。但鉴于油田勘探开发的日渐深入，剩余资源的开采难度日益加大，油田开采成本逐年渐长，迫切需要技术革新来缓解开发矛盾实现效益提升。相比于油气技术短时间内发生革命性进步，采取油气技术＋互联网的方式，借助机器视觉技术建设智能油田更有望成为当前油田降本增效的有效途径。它既能显著提升勘探开发效率，还能减少员工重复性工作，降低人工成本，实现人力资源价值提升。与此同时，“新基建”已发展成为国家性战略，这势必将助推5G技术和人工智能技术的快车道发展，为机器视觉技术在智能油田中的新阶段应用创造了极佳的配套环境。

1 机器视觉概述

机器视觉是人工智能最重要的前沿技术之一，是对人类视觉系统的一种模拟，它赋予了机器“感知”和“判断”的能力。通常一个机器视觉系统由图像采集、图像处理、图像分析、图像识别及图像解释等五部分组成。其工作原理具体来说，就是利用摄像设备对目标物进行图像摄取，通过对获得的图像进行信号处理并对目标图像提取特征值分析，最后再进行模式识别、空间计算等操作以实现特定功能目的。相对于人类视觉而言，机器视觉在观测速度、精度、感光范围、环境要求等方面都表现尤佳，特别是在有害环境或重复性工作环境下，其具有较强的人工替代性。

2 机器视觉技术在油田应用现状

1999年，大庆油田首次提出“数字油田”概念。经过多年信息化建设，我国传统油田基本实现了向数字油田的转变，迈向了探索智能油田建设道路。未来，人工智能技术将在智能油田领域扮演着更为重要的角色，而相对较为成熟的机器视觉技术势必会成为智能油田能否真正落地的关键性技术之一。因此，近年来国内外学者在油田的勘探开发、现场管理、潜力预测等方面都尝试融入机器视觉技术，开展了一系列探索性研究，也取得了一定的进展，为下一步技术与生产深度融合奠定了理论基础。

2.1 油田勘探开发领域

1）油井示功图识别

在油田生产运行中，通过分析实时示功图的轮廓特征，能在一定程度上直接确定油井是否发生故障及判断故障类型。但目前该项工作主要依赖于人工判断，存在强烈的个体主观差异性，若是引入机器视觉技术进行示功图识别，既能消除经验效应提升判定准确度，又能实现对单井的全天候工况智能分析，保障油井稳定运行。在这项技术应用中，特征提取是关键性过程，期间所采取的算法将直接影响自动识别结果。当前主流的算法包括基于灰度矩阵、曲线特征以及解析公式等3类特征提取方法，其中基于灰度矩阵的特征提取方法相较于其他2种，在预测精度和可移植性方面都具有较大优势[1]。

总体来说，示功图的智能识别是现今机器视觉技术与油田勘探开发结合中最为成功的方向，研究者们对识别准确度和识别效率不断完善，这将为下一步深度应用提供丰富理论支撑。如周斌等[2]将示功图信号、电功率信号和井口温度信号作为特征视角，基于Hessian局部线性特征映射算法建立新的识别模型，进一步提升了油井功图识别准确率。殷昭等[3]提出先基于欧式距离算法判定实时功图和标准功图的相似度，再根据反馈结果决定是否进行进一步识别，大大提高了油井示功图处理效率。此外，张晓等[4]利用计算机模型推导出泵功图，再通过基于神经网络的模式识别技术对油井特征识别，提高了功图计产效率，单井液量符合率能达86%，实现了自动量油的进一步发展。

2）岩心岩石分类

岩心是了解地下地层和含矿特性最直观、最实际的资料，传统岩石薄片鉴定以肉眼观察和描述为主，存在主观性强、定量困难、耗时较长等问题。随着机器视觉技术愈发成熟，越来越多的研究者将其引入到岩性信息自动提取领域，以期缓解传统方式鉴定岩石薄片所存在的问题。Borazjani等[5]基于Duham石灰岩分类标准建立纹理识别模型，通过对薄片图像提取13个特征值，将特征值参数作为输入训练多层感知神经网络（MLP-NN）进行碳酸盐岩岩性自动判别。Mlynarczuk等[6]针对9种岩石收集了2 700张图像，分别采用4种模式识别方法和4个色彩空间进行组合试验，结果表明基于最近邻算法和CIELab组合模型能实现多种类岩石识别效果最佳。白林等[7]提出采用深度学习方法，建立了薄片分类的VGG模型，对6类常见岩石薄片图像完成了自动分类，测试集准确率达82%。程国建等[8]通过卷积神经网络模型实现了图像特征自动提取，并同时建立模式分类器实现了岩石图像粒度分类，准确率超过90%。

3）地震资料处理与解释

当前地震资料处理与解释工作难度与日俱增，亟待需要新技术的引入来进一步挖掘数据中的潜力，提高识别精度，机器视觉技术的成熟发展能在一定程度上填补这一空白。吴微等[9]利用Tensorflow深度学习框架开展了网络参数寻优，基于搭建好的深度卷积神经网络模型进行训练和预测，实现了对河流相识别成功率高于75%。断层识别是地震资料解释的关键环节之一，王紫蕊等[10]搭建卷积神经网络模型，对三维实际地震数据进行断层识别和预测，并与常用的相干体算法结果对比，具有更好的准确性且噪声处理效果更好。不仅如此，史玉平等[11]使用波形搜索策略大幅提高了波形拾取结果，体现了机器视觉技术在地震剖面数据恢复中也大有可为，有效避免了重新进行地震勘探的耗时费钱，极具经济价值。

4）油藏构造描述

精确的油藏构造描述是勘探开发取得成功的重要基础，在这一过程中弱化人工因素，提升自动识别程度有利于提高精确描述水平。杨玉卿等[12]基于电成像测井图采用了曲线拟合及曲线移动技术，并结合图像识别技术，达到了快速检测地层界面和求取界面产状的效果。油田开发进入中后期时，井网愈加密集，开展地层对比工作也愈加困难。徐朝晖等[13]提出基于卷积神经网络模型对测井曲线进行特征提取，完成图像分割实现了地层自动对比，并且地层越厚自动对比效果就越好，越能显示出相较于人工对比地层的优越性。Ye[14]使用连续小波变换将一维测井曲线转化成二维图像，利用机器视觉技术，实现了地层界面、地层叠置方式和地层断裂的识别与解释。

2.2 油田现场管理领域

机器视觉技术应用在油田现场管理中，既能提高安全监管质量，降低隐藏性安全风险，又能减少油田员工的重复性工作，提升人力资源价值，因此得到了油田企业的广泛应用，尤其是对视频监控的识别。例如，袁一丹[15]利用PHOG-LBP算法对视频中的行人进行定位，建立了HSV模型对油田员工穿戴规范进行自动检测，现已在新疆克拉玛依油田成功应用。类似的，在胜利油田郝现管理区也采用了机器视觉技术对油井区域入侵进行了自动识别与报警提醒，以此来辅助生产指挥中心的人工识别。不仅如此，无论是在当前国内外油田企业积极布局的无人机辅助巡井应用中，还是在石油管线泄漏检测和定位技术中，机器视觉技术都扮演着举足轻重的角色，它极大地促进了劳动力释放，扩大了人眼的视觉范围，提高了油田安全系数。

2.3 油田潜力预测领域

机器视觉技术的应用价值，既体现在对油气技术的改进优化上，更体现在对油田潜力的智能预测中。如付超等[16]利用聚类算法和无监督学习方法提取地震油气特征，并结合支持向量机算法对特征值进行检测和学习，实现了对未知的地震油气储层分布的预测。吴君达等[17]打破数值模拟的局限性，将注采参数和生产时间作为剩余油分布图像的特征，通过卷积层和转置卷积层操作，把多个图像特征还原到原图，实现了对不同生产阶段剩余油分布的预测。事实上，随着人工智能技术的持续发展，未来机器视觉技术将会在油田潜能预测领域有着更多优秀表现。

3 机器视觉技术应用发展探讨[18]

通过现状调研可知，当前机器视觉与油田融合的理想场景有很多，但实际投入应用的场景有待增加，而且油田生产涉及复杂工况，实际应用的准确率仍要不断提升。再者，油田企业虽然拥有巨大的“数据池”，但现阶段仅仅是完成了数据采集的工作，对于各项数据的处理与解析仍停留在人工和数字化阶段。机器视觉技术是一种将数据效益化的重要手段，将机器视觉技术与油田业务紧密融合如同为智能油田建设赋予了视觉神经系统，将有效助力智能油田进行更复杂的智慧决策。

3.1 建设目标

基于油田稳定生产和智能建设的大前提，机器视觉技术要着力以精准化勘探开发、高效化地面工程和智能化经营管理为目标，同油田生产运营工作深度融合，为智能油田的全面建设奠定先行基础，助力实现研究、生产、运营的互联共通、效益提升。

3.2 建设模式

机器视觉在油田的深度应用要紧密围绕智能油田这一顶层设计，结合当前主流算法框架优化运算精度，创建全新的油田管理方式，推动建设向应用场景多元化、实施效果精准化、综合决策智能化迈进。但这一过程的实现并非朝夕之功，首先需要解决以下问题：

1）监控设备高密度覆盖

经过多年的信息化建设，油田基本完成了网络部署，但在监控设备的普及力度上仍不够，未能实现所有油水井覆盖，仅维持在50%以内，这将意味着近一半的油水井不能实现数字巡井和远程启停。

2）高精度数据实时采集

当前油田基本实现了数据自动采集的功能，但反馈的采集数据若想要指导生产，自动化设备的精确度和稳定性仍需进一步提高。再者大量的自动化设备都处于室外使用，其续航能力也亟待继续提升。

3）数据高速传输与存储

油田的实时数据和历史数据都极大，面临数据传输滞迟和存储容量紧缺风险。要基于5G等最新通信技术改善数据传输效率，保障实时数据通信周期稳定，基于云储存技术实现更高量级数据存储，确保数据的“采-输-用-存”整体安全流畅。

4）新技术融合多维赋能

要加强“大物智云”的应用融合，完善数据、算法和业务结合的适配性，逐步搭建出全面感知油田的“神经网络”，实现机器视觉应用过程中精确度和智能性的提升，真正达到向“技术”要效益。

3.3 建设方向

机器视觉与油田的深度融合是智能油田实现的必经之路，要在以下几个方面持续发力：

1）做实顶层设计

基于智能油田的大框架发展机器视觉深度融合，要遵循统一思路、统一规划、统一研发的原则，从全局出发以较低成本实现数据互融共通，避免重复投入浪费资金，稳步奠定智能油田的全面感知基础。

2）强化标准建设

要实现油田大范围的互联互通，全面感知，就要加强标准化建设，打破因系统不通、协议标准不一致的通信问题。建议以试点模式在某些领域先推行标准化建设，以点带面，渐进式扩大。

3）培植人才队伍

新兴技术与油气技术的结合属于跨领域创新，存在跨专业障碍，培养“IT＋OT”的复合型人才将有利于业务融合范围扩大，落实到真正的业务需求。在相关人才队伍建设方面，既可适当引进相关成熟人才，也可重点培养有潜力的在职员工，以项目为契机鼓励员工多维度发展。

4 结语

“新基建”战略的提出将催生机器视觉等新兴技术加速落地应用，智能油田建设也将会迎来新的发展契机。在当前低油价时期，推动机器视觉技术在油田深度融合有利于节约人工成本，提高开发效率，促进油田的高质量发展，助力油田在技术层面的转型升级，为下一步全面建设智能油田奠定坚实基础。