Hyperspectral fluorescence imaging: Robust detection of petroleum in porous sedimentary rock formations
Notice bibliographique
Résumé
Abstract Examining hand samples can be a necessary step for geologic studies, and effective mapping of such samples can be achieved through the high spectral and spatial resolutions of ground-based hyperspectral imaging (HSI) at the millimeter to centimeter scale. We have developed a simple approach to crude oil identification and characterization — feasible in 16 h — based on hyperspectral data collected under ultraviolet (UV) lighting and normalized with respect to the fluorescence patterns of the Spectralon diffuse reflectance material. The samples under consideration were extracted from a core acquired from an Early Cretaceous bituminous sandstone formation in the Athabasca Basin located near Fort McMurray, Alberta, Canada. This basin contains the largest natural bitumen deposit in the world, where surface mining operations currently are viable only for approximately 20% of the estimated 164 billion barrels of total recoverable oil reserves. This deposit is unique in that its tar sands are water-wet, which facilitates the separation of bitumen from the sandstone via water-based gravity separation. However, large amounts of water are still required for oil recovery; therefore, a fast and reliable way to mark portions of the deposit where ample petroleum has accumulated and assess its extractability based on its physical characteristics prior to mining can be helpful for optimizing resource usage. For this reason, we test and visually develop the ability of three classification methods — the spectral angle mapper, support vector machine, and supervised neural network — to distinguish among bitumen, Spectralon, and a nonfluorescent slate background based on the emission of visible light in response to absorbing UV light of different wavelengths. We also adopt spectral indices useful for indicating concentrated bitumen in tar sands. Errors inherent to the methodology are discussed along with ways to mitigate them. After accounting for these, HSI can be a valuable asset alongside other techniques used for production economics evaluation.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».