[发明专利]原位润湿角测定装置和基于深度学习的润湿角确定方法

权利要求书

1.一种原位润湿角测定装置，其特征在于，包括油水前处理设备和润湿角测量设备；

所述油水前处理设备中根据研究需要放置不同性质的颗粒模拟多孔介质，用于模拟原油、水和岩石充分接触，发生原油吸附以及油水传质作用，以获得油藏原位流体；

所述润湿角测量设备包括润湿角形成装置和润湿角捕捉装置；

所述润湿角形成装置放置有岩心，以便于使所述油藏原位流体与所述润湿角形成装置中放置的岩心接触，形成润湿角；

所述润湿角捕捉装置，用于在所述油藏原位流体与岩心接触后，记录岩心表面的液滴图像，以便于根据所述液滴图像确定原油在所述岩心表面上的原位湿润角；

所述测定装置还包括计算机设备；

所述计算机设备，用于使用深度学习方法，基于所述液滴图像确定原油在所述岩心表面上的原位湿润角；

所述基于所述液滴图像确定原油在所述岩心表面上的原位湿润角包括：

使用深度学习方法对所述液滴图像进行边缘检测，得到所述液滴图像对应的边缘图；所述边缘图包括液滴边界点坐标；

使用卷积神经网络对预设数量的边界点进行训练，得到训练模型；

将未训练的边界点的横坐标输入所述训练模型，得到边界点的预测纵坐标；

选取预测纵坐标与实际纵坐标误差大于预设阈值，且最接近预设阈值的边界点作为目标边界点；其中，阈值范围根据训练所采用的边界点的波动范围获得；

基于所述训练模型计算所述目标边界点的导数以确定原油在所述岩心表面上的原位湿润角。

2.根据权利要求1所述的测定装置，其特征在于，所述性质包括粒径。

3.根据权利要求1所述的测定装置，其特征在于，所述预设数量的边界点为2000个；

所述预设数量的边界点为以远离岩心表面与液滴接触面，以液滴最高边界点为中心附近的边界点。

4.根据权利要求3所述的测定装置，其特征在于，所述选取预测纵坐标与实际纵坐标误差大于预设阈值，且最接近预设阈值的边界点作为目标边界点包括：

以最高边界点为中心，分别选取左右两边边界点的预测纵坐标与实际纵坐标误差大于预设阈值，且最接近预设阈值的边界点作为目标边界点。

5.根据权利要求4所述的测定装置，其特征在于，所述基于所述训练模型计算所述目标边界点的导数以确定原油在所述岩心表面上的原位湿润角包括：

基于所述训练模型计算所述目标边界点的导数以确定原油在所述岩心表面上的左湿润角和右湿润角；

将左湿润角和右湿润角平均值确定为原油在所述岩心表面上的原位湿润角。

6.根据权利要求1所述的测定装置，其特征在于，在使用深度学习方法实现对所述液滴图像进行边缘检测前包括：

对所述液滴图像进行预处理；所述预处理包括图像降噪处理和高斯平滑处理；

相应的，使用深度学习方法对预处理后的液滴图像进行边缘检测，得到所述液滴图像对应的边缘图。

7.一种基于深度学习的润湿角确定方法，其特征在于，所述方法包括：

获取岩心表面的液滴图像；所述液滴图像基于权利要求1所述的原位润湿角测定装置得到；

使用深度学习方法对所述液滴图像进行边缘检测，得到所述液滴图像对应的边缘图；所述边缘图包括液滴边界点坐标；

使用卷积神经网络对预设数量的边界点进行训练，得到训练模型；其中，所述预设数量的边界点为以远离岩心表面与液滴接触面，以液滴最高边界点为中心附近的边界点；

将未训练的边界点的横坐标输入所述训练模型，得到边界点的预测纵坐标；

选取预测纵坐标与实际纵坐标误差大于预设阈值，且最接近预设阈值的边界点作为目标边界点；其中，阈值范围根据训练所采用的边界点的波动范围获得；

基于所述训练模型在所述目标边界点的导数确定原油在所述岩心表面上的原位湿润角。