Application of convolutional neural networks in the lithological description of the core


Cite item

Full Text

Abstract

The article describes a method for training a convolutional neural network for rock lithology recognition based on images of core material. High Resolution (Hi-Res) photos were used for training models. The principles of convolutional neural networks and their practical application in geology are considered. As an outcome of this work, the model of neural networks for recognizing rock lithology was created and applied in practice using a smartphone. It was established that many ML and DL technologies potentially can be applicable for oil and gas industry.

About the authors

I. D. Murtazayev

ТОО «КМГ Инжиниринг»

Email: i.murtazayev@niikmg.kz
инженер департамента промысловой геологи и геологического моделирования г. Нур-Султан

N. Zh. Konyssov

ТОО «КМГ Инжиниринг»

Email: n.konyssov@niikmg.kz
старший инженер департамента промысловой геологи и геологического моделирования г. Нур-Султан

N. B. Saliyev

ТОО «КМГ Инжиниринг»

Email: n.saliyev@niikmg.kz
директор департамента промысловой геологи и геологического моделирования г. Нур-Султан

References

  1. https://ru.wikipedia.org/wiki/Нейронная_сеть.
  2. Мак-Каллок У.С., Питтс В. Логическое исчисление идей, относящихся к нервной активности. – Архивная копия, 1956, с. 363–384.
  3. https://ru.wikipedia.org/wiki/Свёрточная_нейронная_сеть.
  4. Aphex34 – собственная работа: https://commons.wikimedia.org/w/index.php?curid=45679374.
  5. Keras API.https://github.com/keras-team/keras.
  6. TensorFlow API. https://github.com/tensorflow/tensorflow.
  7. Архитектура MobileNet. https://github.com/tensorflow/models/tree/master/research/slim/nets/mobilenet.
  8. Утилита для обучения ИНС TeachebleMachine. https://github.com/googlecreativelab/teachablemachine-community.
  9. Andrew G. Howard, Menglong Zhu, Bo Chen, Dmitry Kalenichenko, Weijun Wang, Tobias Weyand, Marco Andreetto, Hartwig Adam MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications. https://arxiv.org/abs/1704.04861.
  10. Приложение TFL Classify. https://github.com/tensorflow/examples/tree/master/lite/examples/image_classification/android.
  11. Портативный формат TensorFlow для мобильных устройств. https://www.tensorflow.org/lite.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Copyright (c) 2020 Murtazayev I.D., Konyssov N.Z., Saliyev N.B.

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».