Caving Depth Classification by Feature Extraction in Cuttings Images

Abstract

<p>The estimation of caving depth is of particular interest in the oil industry. During the drilling process, the rock classification problem is studied to analyze the concentration of cuttings at the vibrating shale shakers through the classification of caving images. To date, depth estimation based on caving rock images has not been treated in the literature. This paper presents a new depth caving estimation system based on the classification of caving images through feature extraction. To extract the texture descriptors, the cutting images are first mapped on a common space where they can be easily compared. Then, textural features are obtained by applying a multi-scale and multi-orientation approach through the use of Gabor transformations. Two different depth classifiers are developed; the first separates the textural features by using a soft decision based on the Euclidean distance, and the second performs a hard decision classification by applying a thresholding procedure. A detailed mathematical formulation of the developed classifiers is presented.<br />The developed estimation system is verified using real data from rock cutting images in petroleum wells. Several simulations illustrate the performance of the proposed model using real images from a wellbore in a Colombian basin. The correct classification rate of a database containing 17 depth estimates is 91.2%.</p><p> </p><p><strong>Resumen</strong></p><p>La estimación de la profundidad de la que provienen los derrumbes que usualmente se presentan en las caras del pozo o también llamados cavings es de gran interés en la industria petrolera. Durante el proceso de perforación de un pozo, el problema de clasificación de rocas ha sido estudiado con el fin de analizar la concentración de recortes o ripios de perforación en las zarandas vibratorias a través de la clasificación de imágenes de cavings. Sin embargo, la estimación de la profundidad de los derrumbes basada en la utilización de imágenes de los mismos no ha sido tratada en la literatura. Este artículo presenta un nuevo modelo para la estimación de la profundidad de derrumbes a través de extracción de características. Para la extracción de estas características o descriptores de textura, imágenes de recortes son transformadas en un espacio común, el cual permite su comparación. Luego, las características se obtienen aplicando la transformación de Gabor, un enfoque que se caracteriza por proporcionar un análisis multi-escala y multi-orientación. Se desarrollaron dos clasificadores, el primero separa las características de textura usando un enfoque basado en la norma Euclideana y el segundo basado en decisiones por umbral. La formulación matemática detallada de los clasificadores desarrollados se presenta en este artículo.<br />El sistema de estimación desarrollado se evalúa usando datos reales de imágenes de derrumbes pertenecientes a un pozo petrolero. Simulaciones muestran el rendimiento del modelo propuesto usando imágenes reales de un pozo perteneciente a una cuenca Colombiana. La correcta clasificación para una base de datos de imágenes que contiene 17 clases o profundidades es de 91.2%.</p><p><strong><br /></strong></p>