[发明专利]一种基于示功图融合相似度的抽油工况融合推理识别方法

说明书

本发明公开了一种基于示功图融合相似度的抽油工况融合推理识别方法，它包括以下流程：(1)示功图获取、标注分类以及训练。(2)用训练好后的Resnet50对样本集中每张图进行特征提取，保存特征向量；(3)获取待检测的抽油井示功仪采集的载荷和位移数据，绘制示功图；(4)基于示功图融合相似度的抽油工况融合推理判断；(5)将工况判断结果送上位展示。提出一种融合相似度计算方法。将基于皮尔逊相关系数算法和局部哈希算法求取的相似度按一定步骤进行融合，充分发挥两者优势，以获取待测图与样本图更加合理的相似度，最终有效提高识别率的作用。

技术领域

本发明涉及油井采油、抽油领域，具体涉及一种基于示功图融合相似度的抽油工况融合推理识别方法。

背景技术

抽油示功图，是了解抽油机井下的管、杆、泵工作状况的主要手段。分析和解释示功图，就是直接了解深井泵工作状况好坏的一个主要手段，深井泵工作中的一切异常现象可以在示功图上比较直观的反映出来。

抽油机是石油开采环节中的核心设备，单纯人力来判断抽油机的工作状况以及操作抽油机的运行，效率低、不能满足行业发展需要。

在当前人工智能潮流的大背景下，特别是利用深度学习技术挖掘示功图所表达的信息，提高抽油机工况或故障识别准确率及效率，保证抽油机稳定、可靠工作有着重大意义。目前传统抽油井识别方法有力学模型分析、有杆泵井故障诊断专家系统等，但是由于各地地质差异以及机器老化问题，如果使用传统的示功图识别方法识别结果会存在较大差异。而且这些主流方法大多只能识别出一种抽油工况，这与实际工况偏差大，抽油过程中广泛存在同时出现多种工况问题。

在对反映抽油工况特征的待测示功图与样本图进行相似性进行度量时，采用基于皮尔逊相关系数算法的相似度，与其他如传统余弦距离计算方法相比，具有平移不变性和尺度不变性，可以克服受图片平移及图像缩放的影响。非常适合抽油机由于长时间使用造成的载荷整体增加或者位移量整体向某一方向偏移，进而导致示功图整体偏移的状况，可以一定程度量避免由于机器老化造成的识别率下降。对两图整体相似度评价的稳定性好，但易受光线亮度、对比度及颜色影响，图片旋转也会对结果产生重大影响。

若仅采用基于局部哈希算法的相似度计算相似度，由于其基于类似空间域转换思想，图片放大或缩小，改变纵横比，或增加减少亮度、对比度、颜色，对hash值的影响很小。局部敏感哈希算法可以有效的忽略示功图中平移、缩放、纵横比变化、旋转以及光线所带来的问题。但是局部敏感哈希算法对由于局部分析能力强，对图片内容非常敏感，较小的内容干扰，很容易引起图片的哈希值较大变化，从而导致相似度整体评价的稳定性不足。

将基于皮尔逊相关系数算法和局部哈希算法求取的相似度按一定步骤进行融合，充分发挥两者优势，以获取待测图与样本图更加合理的相似度，最终有效提高识别率的作用，这种方法未见公开报道。

发明内容

本发明公开了一种基于示功图融合相似度的抽油工况融合推理识别方法，从工程适用性出发，基于CBIR技术、匹配算法，以示功图待测图与样本图间融合相似度为基础，进行融合推理，获得准确的抽油工况。本发明所述方法具体步骤如下：

一种基于示功图融合相似度的抽油工况融合推理识别方法，它包括以下流程：

(1)示功图获取、标注分类以及训练。

(2)用训练好后的Resnet50对样本集中每张图进行特征提取，保存特征向量。(使用训练好的Resnet50网络对标注好的训练集进行特征提取，并保存所有avgpool层的特征结果。)

(3)获取待检测的抽油井示功仪采集的载荷和位移数据，绘制示功图。(获取待检测的抽油井示功仪采集的载荷和位移数据，使用opencv将载荷和位移数据绘制成待识别的示功图。)

(4)基于示功图融合相似度的抽油工况融合推理判断。