Analyse d'images pour la caractérisation des lithologies

Image analysis for lithology characterisation

• Auteur / Autrice : Raounek Zeghdoud
• Direction : Bruno Figliuzzi, Damien Huyghe
• Type : Projet de thèse
• Discipline(s) : Morphologie mathématique
• Date : Inscription en doctorat le 01/04/2024
• Etablissement(s) : Université Paris sciences et lettres
• Ecole(s) doctorale(s) : Ecole doctorale Ingénierie des Systèmes, Matériaux, Mécanique, Énergétique (Paris)
• Partenaire(s) de recherche : Laboratoire : Mathématiques et Systèmes
• Partenaire(s) de recherche : Equipe de recherche : CMM - Centre de Morphologie Mathématique
• Partenaire(s) de recherche : établissement opérateur d'inscription : Université de Recherche Paris Sciences et Lettres (2015-2019)

Mots clés

Mots clés libres

Lithologies

Traitement d'images

Deep learning

Segmentation

Classification

L'imagerie hyperspectrale

Lithologies

Image processing

Deep learning

Segmentation

Classification

Hyperspectral imaging

Résumé

L'analyse des résidus de forage revet une importance cruciale dans les opérations de forage pétrolier et gazier. Cette étape consiste à examiner les échantillons de résidus qui remontent à la surface pendant le processus afin de déduire les caractéristiques géologiques du sous-sol. Une pratique courante dans cette analyse implique la collecte d'échantillons de roches et de minéraux, qui sont numérisés à l'aide d'un dispositif d'imagerie. Les images des lithologies obtenues sont ensuite examinées par un expert pour identifier précisément la nature des roches et des minéraux présents dans l'échantillon. Cette méthode nécessitant l'intervention humaine se révèle cependant couteuse, difficilement reproductible, et limite la précision des données obtenues. La société Excellence Logging se penche actuellement sur le développement d'un système d'imagerie spécifiquement conçu pour l'exploration des sous-sols pendant les opérations de forage. Ce système fonctionne en temps réel pour capturer et analyser des images des déblais de forage. Il est accompagné d'un module logiciel qui vise à permettre une analyse efficace et précise des images recueillies grace à des outils d'intelligence artificielle. L'objectif du projet de thèse est d'élaborer des algorithmes d'apprentissage supervisé visant à caractériser de manière d´etaillée la lithologie des images observées.

Drill cutting analysis is of crucial importance in oil and gas drilling operations. This stage involves examining the samples of residue that come to the surface during the drilling process in order to deduce the geological characteristics of the subsoil. A common practice in this analysis involves the collection of rock and mineral samples, which are digitized using an imaging device. The images of the lithologies obtained are then examined by an expert to precisely identify the nature of the rocks and minerals present in the sample. However, this method, which requires human intervention, is expensive, difficult to reproduce, and limits the accuracy of the data obtained. Excellence Logging is currently working on the development of an imaging system specifically designed for subsurface exploration during drilling operations. This system operates in real time to capture and analyze images of drill cuttings. It is accompanied by a software module that aims to enable efficient and accurate analysis of the images collected using artificial intelligence tools. The aim of the thesis project is to develop supervised learning algorithms to characterize the lithology of the images observed in a detailed manner.