基于多方向切片和U-Net细分的煤炭三维断裂的重建
Yufeng Bian1, Jiangtao Zheng1, Tian Tian1
1State Key Laboratory for Fine Exploration and Intelligent Development of Coal Resources, China University of Mining and Technology at Beijing, Beijing 100083, China; School of Mechanics and Civil Engineering, China University of Mining and Technology at Beijing, Beijing 100083, China.
Journal of advanced research
|September 6, 2025
概括
精确地从煤炭CT图像中提取断裂对于了解流体运输至关重要. 这项研究使用超分辨率和U-Net细分增强了微碎裂识别,改善了透性预测.
科学领域:
- 地质科学
- 材料科学
- 图像分析
背景情况:
- 准确地描述煤炭中多大小的断裂对于估计运输特性至关重要.
- 在3DCT图像中提取狭窄的微碎片具有挑战性,导致连接性损失和预测运输属性的精度降低.
研究的目的:
- 改进图像质量和优化细分过程,以精确地从煤炭CT图像中提取断裂.
- 增强狭窄的微碎裂的识别和改善运输属性的预测.
主要方法:
- 应用超分辨率图像重建和噪声过,使CT图像大小增加一倍,并提高微碎片的识别能力.
- 使用U-Net卷积网络进行了多向切割和细分.
- 一个3D二进制断裂模型被重建,并使用格子博尔兹曼法计算透性.
主要成果:
- 与其他方法相比,多向切片和U-Net细分显著改善了狭窄微碎裂的识别.
- 细分模型具有更高的有效孔隙性和透性,表明具有良好的断裂网络连接性.
- 改进的断裂网络特征导致更准确的运输属性估计.
结论:
- 精确提取狭窄的微碎裂对于改善煤炭中的流体运输估计至关重要.
- 开发的方法可以在3DCT图像中增强骨折网络的特征.
- 这种方法对需要准确的运输属性预测的地下应用具有广泛的影响.


