RoqSCAN多功能矿物分析系统（图2）是一种能够对岩屑颗粒进行矿物定量分析的先进系统, 广泛应用于地质录井和储层评价领域^[13]。该系统利用扫描电镜和能谱分析, 快速获取岩屑的矿物组成、颗粒结构、孔隙度和元素分布等多维信息。相比传统人工识别方法, RoqSCAN不仅能提高识别的准确性和一致性, 还可以实现岩性分析的数字化和标准化。特别是在复杂地层条件下, RoqSCAN可作为图像识别的重要补充, 为构建岩性智能识别体系提供了关键的矿物成分数据支撑。

图2

	Figure Option ViewDownloadNew Window
	图2 RoqSCAN多功能矿物分析系统

RoqSCAN多功能矿物分析系统通过扫描电镜获取高分辨率的岩屑颗粒图像, 可清晰呈现颗粒的形貌、边界及表面特征。在此基础上, 利用能谱仪对岩屑颗粒表面的矿物类型进行识别, 从而生成反映样本矿物成分分布图。最终可以得到岩屑样本图像（图3a）和岩屑矿物成分图像（图3b）。

图3

	Figure Option ViewDownloadNew Window
	图3 RoqSCAN岩屑分析图像

岩屑样本图像中黑色背景为基质, 灰、白色等亮色区域为岩屑颗粒。本研究采用颗粒尺度的岩性分析方法, 首先对图像进行预处理, 以便去除背景基质对后续颗粒分割的干扰^[14]; 随后基于颗粒轮廓特征应用图像分割技术, 对不同尺寸的岩屑颗粒进行精确分离。为提升分析准确性, 分割前可设定最小颗粒面积阈值, 自动筛除尺寸较小、无分析价值的岩屑颗粒。具体预处理过程如下：

二值化处理：将岩屑样本图像转换为灰度图, 并进行二值化处理, 设定固定阈值（如50）, 将灰度图进行阈值分割, 生成黑白二值图像, 从而有效凸显岩屑颗粒区域^[15]。

颗粒筛选：手动输入筛选最小颗粒直径与比例尺, 按比例尺计算最小颗粒面积阈值, 筛选出面积大于该阈值的颗粒, 保留颗粒主体并将背景部分设置为透明。

经过图像预处理后得到的岩屑样本图像如图4所示。矿物成分图像仅进行颗粒筛选预处理, 其核心目标在于实现图像对齐, 确保在岩屑样本图像中提取颗粒后, 能够在对应位置准确获取其矿物组成信息。预处理过程不仅有效去除了背景基质的干扰, 还对直径较小的颗粒进行了筛选与剔除, 从而保留了更具代表性的颗粒区域, 为后续颗粒级岩性分析提供可靠基础。

图4

	Figure Option ViewDownloadNew Window
	图4 岩屑样本图像预处理前后对比

利用边缘检测算法对岩屑样本图像进行处理, 可有效识别图像中的外部轮廓, 初步定位各个岩屑颗粒的位置^[16]。在此基础上, 生成对应的掩膜图像, 进一步从原始图像中提取出各颗粒所对应的区域, 形成清晰、准确的颗粒分割结果图像。然后, 根据每一个颗粒的空间位置信息, 在矿物成分图像中提取对应区域, 从而获取该颗粒的详细矿物组成。这一过程实现了从“颗粒形态”到“矿物成分”的一一对应, 具备较高的空间精度和分析效率。

通过该方法, 可以实现对岩屑颗粒的精准分割, 并且利用空间位置信息实现岩屑颗粒与其对应的矿物信息进行匹配, 分割后的岩屑样本图像及其对应的矿物成分图像如图5所示。

图5

	Figure Option ViewDownloadNew Window
	图5 分割后的岩屑样本图像及其对应的矿物成分信息展示

在完成岩屑颗粒的图像分割后, 本研究基于岩屑样本图像与矿物成分图像的联合分析, 实现颗粒级岩性的识别^[17]。岩屑样本图像提供了岩屑的岩石学特征（如粒度、结构）, 而矿物成分图像则揭示了岩屑的矿物种类。

首先, 依据RoqSCAN获得的矿物组分数据, 将岩屑颗粒按主导矿物成分划分为3大类岩性：以石英矿物为主的石英类岩屑、以碳酸盐矿物为主的碳酸盐类岩屑, 以及以泥质矿物为主的泥岩类岩屑。3类主导矿物采用不同颜色加以区分：石英矿物标示为黄色, 碳酸盐矿物标示为蓝色, 泥质矿物标示为绿色。为提升颜色判别的稳定性, 本研究将原始RGB图像转换至HSV颜色空间。HSV以色调、饱和度和明度表征颜色, 更契合人眼感知特征, 能够有效增强颜色阈值分割的鲁棒性^[18]。依据预设的色调范围提取对应矿物类型, 统计各类颜色像素在单个颗粒中的占比, 并将占比最大的颜色像素所对应的矿物类型确定为该颗粒的主导矿物, 进而完成颗粒岩性的判定; 当与主导矿物对应的颜色像素占比低于10%时, 即认为该颗粒内部矿物特征分散、主导性不足, 将其统一归类为“其他”, 以降低噪声干扰。

虽完成了岩性大类的识别, 但在石英类岩屑颗粒中, 因硅质岩和砂岩的矿物组成高度相似, 难以仅凭成分实现准确区分^[19]。为提高岩性划分的准确性与实用性, 还需进一步结合岩屑样本图像的结构特征（如颗粒形态、纹理）, 对石英类岩屑颗粒进行更精细的分类与识别。

通过研究大量的岩屑样本发现, 硅质岩、砂岩和泥质砂岩3类岩屑颗粒的矿物成分大部分为石英, 但在岩屑样本图像的灰度分布特征上具有明显差异, 这为岩性细分类提供了可量化的依据。具体而言：硅质岩颗粒表面相对平整、质地均匀, 其灰度直方图通常仅出现一个明显主峰, 反映出图像灰度分布的集中性^[20]; 砂岩由于表面粗糙且夹杂多种矿物杂质, 灰度变化较为复杂, 通常出现两个主峰, 且两个峰值的高度差距较小, 峰值比小于10^[21]; 泥质砂岩同样具有双峰特征, 但因其杂质含量相对较低, 灰度分布更具倾向性, 峰值比通常大于或等于10^[22]。因此, 可将灰度直方图的主峰数量与峰值比, 作为石英类岩屑细分类的重要依据（图6）。

图6

	Figure Option ViewDownloadNew Window
	图6 石英类岩屑岩性细分示意图

基于上述流程, 岩屑颗粒首先依据矿物成分划分为石英类、碳酸盐类与泥岩类3大类, 随后对石英类岩屑进一步按灰度特征细分为硅质岩、砂岩和泥质砂岩, 从而实现颗粒级的精细岩性识别。

通过对岩屑颗粒的识别与分类能够获取每个颗粒的岩性信息, 但颗粒层面的数据无法完整反映该深度区间内地层的整体特征, 因此需要对该深度区间内岩屑样本中所有颗粒的岩性信息进行统计与分析。基于此, 本研究对不同深度的岩屑样本进行系统统计与可视化处理, 提取颗粒数量、颗粒岩性类型及其占比等定量结构信息。通过生成岩性分类图、颗粒占比图和岩性统计Excel表格, 可直观展现岩性随深度的变化趋势, 为后续的地质分析与复杂储层评价提供有效的数据支持。

对每个岩屑样本, 通过图像分析方法识别其中每个颗粒的岩性, 获取颗粒的岩性信息和面积大小, 为后续统计分析提供基础。基于识别结果, 生成该样本的颗粒岩性分类图（图7）。在颗粒岩性分类图中, 每行对应同一岩性类别的颗粒, 颗粒按面积大小排序, 可直观展示不同岩性颗粒的数量和分布情况, 不同岩性的矿物成分图则用于辅助验证分类准确性。通过颗粒岩性分类图, 可以快速了解样本中各岩性颗粒的占比和分布, 为深入分析岩性特征及储层评价提供数据支撑。

图7

	Figure Option ViewDownloadNew Window
	图7 颗粒岩性分类图

岩屑颗粒分类图只能对不同岩性颗粒数量及分布提供直观感受, 难以实现准确的定量分析。为此, 在完成颗粒级岩性分类的基础上, 对样本中不同岩性颗粒的数量进行统计汇总, 计算各类岩性颗粒在样本中的占比, 如图8所示。该统计结果以扇形展示, 能够清晰、准确地反映样本中各类岩性的颗粒数量比例, 为后续地层岩性评价提供可靠的定量依据。

图8

	Figure Option ViewDownloadNew Window
	图8 各类岩性颗粒占比图

目前, 已对单个岩屑样本获取了颗粒岩性信息, 并统计各类岩性颗粒的数量及占比。为了分析整段地层的岩性特征, 需要对多个连续样本进行系统汇总。具体做法是, 将每个样本中各类岩性颗粒的数量及占比整理输入至Excel表格中, 通过该表可以直观了解各类岩性在不同深度样本中的分布情况及相对占比。这些统计结果反映每个样本中不同岩性的颗粒占比, 是客观的原始数据。通过对Excel表中的占比变化进行分析, 可以识别地层中岩性的主导类型, 观察各岩性随深度的变化趋势, 并发现岩性演化的规律和异常点, 为后续的地质分析和复杂储层评价提供可靠的数据支持。

本文将数字岩石图像分析方法应用于鄂尔多斯盆地的D 2井。该井在井段5 500~6 427 m钻遇寒武系至长城系地层, 由于地层连续沉积, 岩性变化规律不明显, 导致现场岩屑识别难以准确卡取层位。本研究尝试利用RoqSCAN分析和图像识别来解决此问题。

在上述重点钻探井段内, 采集了共计61个代表性岩屑, 利用RoqSCAN 多功能矿物分析系统对样本进行高精度扫描和分析, 得到了61个样本的高分辨率岩屑样本图像和矿物成分图像。随后, 通过自主研发的软件系统, 结合岩屑样本图像和矿物成分信息, 通过图像处理技术, 对岩屑样本进行颗粒尺度下的分割与岩性识别。通过应用软件最终生成了各深度点具体的岩性组分占比图及全井段综合统计结果。

基于图像处理技术, 可以对所有岩屑样本中的颗粒进行岩性分类, 并形成可统计的数据结果, 从而直观展示各类岩性颗粒在样本中的占比, 进而得到该深度下较为客观的岩性判别结果。为了进一步说明方法的应用效果, 以下将分别以井深5 500、6 420 m处的岩性分析为例进行展示。

（1）采用数字图像分析方法对5 500 m处样本开展岩性分析。颗粒岩性分类图（图9）表明, 样本以碳酸盐岩颗粒为主, 并含少量泥岩、砂岩等碎屑成分。基于颗粒级统计结果得到的各类岩性颗粒占比图（图10）显示, 该深度样本中碳酸盐岩颗粒占比超过85%, 占据绝对优势。基于上述定量统计结果, 并结合样本原始图像中颗粒形态与结构特征及RoqSCAN矿物组分分析结果综合判识, 碳酸盐岩以白云石为主、该深度地层属于徐庄组。

图9

	Figure Option ViewDownloadNew Window
	图9 5 500 m处颗粒岩性分类图

图10

	Figure Option ViewDownloadNew Window
	图10 5 500 m处岩性颗粒占比图

（2）对井深6 420 m处的岩性进行判定。岩屑颗粒分类图（图11）显示, 该深度以石英类岩屑颗粒为主, 且整体粒径较大。由分类统计结果得到各类岩性颗粒占比图（图12）表明, 硅质岩、砂岩及泥质砂岩合计占比约70%, 泥岩占比约25%, 碳酸盐岩含量仅为5%。通过岩性含量对比可知, 此样品碳酸盐岩含量大幅降低, 地层以砂岩及硅质岩为主, 其岩性特征与中元古界长城系地层的岩性吻合度高, 因此判定地层进入长城系。

图11

	Figure Option ViewDownloadNew Window
	图11 6 420 m处颗粒岩性分类图

图12

	Figure Option ViewDownloadNew Window
	图12 6 420 m处岩性颗粒占比图