CN107208478A - 钻井流体中颗粒粒度和形状分布的分类 - Google Patents

Abstract

本发明公开了一种方法，所述方法包括使用包括一个或多个处理器的数据采集系统接收钻屑的图像，所述钻屑源于正钻探的井筒并且包含多个颗粒。通过获得每个颗粒的三个二维距离测量值以及获得每个颗粒的四个角度测量值来用所述一个或多个处理器分析所述钻屑的所述图像。所述一个或多个处理器随后基于每个颗粒的所述三个二维距离测量值和所述四个角度测量值来确定所述钻屑的颗粒粒度分布和所述钻屑的形状分布中的至少一者。

Description

钻井流体中颗粒粒度和形状分布的分类

相关申请的交叉引用

本申请涉及并要求2015年2月20日提交的美国临时专利申请序号62/118,586的优先权。

背景技术

在烃生产井的钻探期间，钻井流体或“泥浆”从地面位置向下连续地循环到正钻探井筒的底部并再次回到地面。返回的泥浆包括主要来自正被钻头穿透的地层的钻屑。在多边井的情况下，钻屑还可包括通过铣削或钻探穿过套管壁形成侧向井筒而生成的金属钻屑。一些井下作业还可包括扩孔操作，这些扩孔操作可导致独特类型的切屑回到地面。

可以理解，提高钻井作业的有效性和效率可以为油气勘探及后续生产降低钻井成本。确定钻井效率的一种方法是观察在钻井作业期间返回到地面的钻屑的特征。

附图简述

以下图示被包括来说明本公开的某些方面，并且不应该被看作是排他性实施方案。所公开的主题能够在不脱离本公开的范围的情况下在形式和功能上进行相当多的修改、改变、组合以及等效化。

图1是可用于执行本公开的原理的成像系统的示意图。

图2A-2C是可使用图1的成像设备来检测的三种示例性类型或类别的颗粒。

图3A-3C描绘了图2A-2C的三种颗粒，指示示例性角度测量值以确定角性。

图4是可包括图1的成像系统的示例性钻井系统的示意图。

具体实施方式

本公开涉及钻井作业，并且更具体地讲，涉及监测返回的钻井流体中的井筒切屑以及限定存在于井筒切屑中的颗粒的粒度分布和形状分布。

在主动钻井作业期间监测地层切削尺寸、粒度分布、形状和体积的变化可以更好地了解当前的井况、钻井效率和孔清洁效率。这些参数和操作条件的变化之间的联系可以以多种方式表达，包括：通过检测切削载荷的增加和钻屑的粒度分布变化来确定过压地层的存在；通过分析切削体积、粒度和形状来确定钻头和钻井效率；通过在扫掠操作期间监测切削体积来确定扫掠效率(例如，切削体积随着扫掠效率的增加而增加并且随着钻屑从孔中移出而减小)；以及通过监测切削尺寸、粒度分布和形状来确定地质地层组成的变化。

根据本公开的实施方案，可使用成像系统来监测返回的钻井流体中的井筒钻屑以及实时地或近实时地限定存在于井筒钻屑中的颗粒的粒度分布和形状分布。基线测量值的变化可能会在例如操作员控制台上受到警告或与当前测量值一起显示，并且用于改变操作的执行(例如，对钻头施加或多或少的重量，或改变钻探流体的等效循环密度[ECD]等)。在一些实施方案中，可以触发警报，该警报指示井操作员需要更换钻头。

本发明公开的一种方法包括使用包括一个或多个处理器的数据采集系统来接收钻屑的图像。数据采集系统可以形成成像系统的一部分，并且钻屑可以源于正钻探的井筒并且可以包含多个颗粒。随后可通过获得每个颗粒的三个二维距离测量值以及获得每个颗粒的四个角度测量值来用一个或多个处理器分析钻屑的图像。所述一个或多个处理器随后基于每个颗粒的所述三个二维距离测量值和所述四个角度测量值来确定所述钻屑的颗粒粒度分布和所述钻屑的形状分布中的至少一者。

参照图1，示出了可用于执行本公开的原理的成像系统100的示意图。然而，应当注意，成像系统100仅是可遵守本公开的原理的一种类型的成像系统、装置或设备的例子。实际上，在不脱离本公开的范围的情况下，其他类型和配置的成像系统(诸如基于流的成像系统或包含其他计算机设计配置的系统)可替代地包含本公开的原理。因此，成像系统100的以下描述仅仅是为了说明的目的而提供，并且不应被认为是限制性的。

如图所示，成像系统100可以包括一个或多个成像装置102，该一个或多个成像装置可通信地耦合到一个或多个处理器104或另外与一个或多个处理器104通信。成像装置102和/或处理器104可以位于地面位置106处，例如位于钻机上或位于与正钻探井筒相邻的钻探地。然而，在一些实施方案中，图1所示的任何部件均可位于远程位置，而不脱离本公开的范围。例如，一些数据和处理模块可以位于远程操作中心，在那里可以由地质学家、泥浆测井记录者或其他测井专业人员接收和分析数据。此外，远程位置可以包括诸如平板计算机或手持式计算机的移动装置，并且数据和/或所得计算分析可以经由数据传送系统(例如，Halliburton的INSITE)或经由行业内采用的任何其他移动传递标准来传输。成像系统100还可以包括数据采集系统108，该数据采集系统可以包括可能包括可编程数据采集子系统的逻辑110。数据采集系统108可以经由任何合适的电信手段(例如，有线的或无线的)可通信地耦合到成像装置102。在操作中，成像装置102可以在钻屑114移动穿过一个或多个振动器116时提供钻屑114的图像和/或视频，并且逻辑110可以用于从成像装置102获取图像数据112以进行处理。在一些实施方案中，成像装置102可以包括相机，该相机以取决于钻井作业(例如，钻井、循环、清洗等)的时间间隔记录数据。

数据采集系统108还可以包括可通信地耦合到处理器104的存储器118，并且可以用于编译或存储所采集的图像数据112以及可能处于相关联的数据库120中的其他数据。成像装置102可以包括能够捕获钻屑114的图像和/或视频的任何类型的相机。例如，在一些实施方案中，成像装置102可以包括一个或多个CCD(电荷耦合装置)相机或一个或多个低光或红外相机。成像装置102可以被配置为与一个或多个光源122如白光源、白炽光源(例如，钨丝灯泡)、红外光源、激光、一个或多个发光二极管(LED)或它们的任意组合结合使用。

使用激光作为光源122可以证明允许操作员用已知波长的电磁辐射照明钻屑114是有利的。因此，钻井流体和悬浮在其中的各种添加剂(例如，井漏材料等)可能变得相对透明，与相邻的钻屑114形成对照，使得只有钻屑114对于成像装置102可见以用于图像捕获。另选地或除此之外，一个或多个能量改性装置126(如偏振器、分束器和/或滤光器)可以插入钻屑114和成像装置102以减少装置102看到的波长的数量或广度。例如，可以使用偏振器来使光能在‘P’或‘S’方向上对齐(使得经处理的能量被p偏振或s偏振)，或者产生P偏振能量和S偏振能量的共混物。分束器可以用于将接收的能量的频谱减小到一些选定或优选的波长范围。最后，可以使用滤波器在图像检测之前将范围进一步缩小到挑选出来的频谱。

在一些实施方案中，可以选择性地调节能量改性装置126以获得良好的图像对比度，用于检测具有动态组成的钻井流体溶液中的钻屑114。在能量改性装置126中使用的材料的选择可以取决于环境的危害，包括存在的化学溶液。这些材料可以包括玻璃、聚合物和金属等。

在操作中，光源122可以被配置为照明沉积在振动器116上的钻屑114，该振动器可以包括钻屑114在顶上穿过的一个或多个振动筛124。由光源122提供的电磁辐射可以增强由成像装置102捕获的图像。成像装置102可以聚焦在筛124(或与筛124偏移的预定焦平面)上，以便当钻屑114穿过振动筛124时捕获钻屑114的图像。然而，在其他实施方案中，成像装置102可以被配置为在紧邻振动器116之后的点处如在搬运钻屑114的另一装置(例如，螺旋钻卸料槽)中监测钻屑114。在其他实施方案中，成像装置102可以被配置为通过石油和天然气行业共有的任何导管、管道或接口来监测钻屑114的流动。

在钻屑114发出的电磁能量由或通过能量改性装置126(如果存在)处理之后，成像装置102随后可以接收电磁能量并将钻屑114的图像数据112传输到数据采集系统108用于处理。在一些实施方案中，数据采集系统108可以包括或以其他方式形成远程工作站128的一部分。在其他实施方案中，数据采集系统108可以被配置为经由发射机130与远程工作站128通信，发射机130可以包括任何形式的有线或无线电信，例如但不限于导线、光纤，无线装置(例如，射频等)。在这样的实施方案中，钻屑114的图像数据112可以被传输到远程工作站128以利用相关联的处理器104进行处理。

对钻屑114的图像数据112进行处理可以确定钻屑114的各种特征，如悬浮在钻屑114内的颗粒物质的粒度分布和形状分布。如下面更详细描述的那样，处理器104可以被编程以限定在钻屑114中检测到的颗粒的角性，从而将颗粒分类成形状类别。数据采集系统108和/或远程工作站128可以包括一个或多个外围装置132，诸如计算机屏幕、图形用户界面、手持式装置、打印机或它们的任意组合。外围装置132可为操作员提供钻屑114的图像数据112的处理结果的图形显示。

数据采集系统108通常可以表征为计算机或计算机系统，并且与诸如处理器104的数据采集系统108相关联的计算机硬件可以用于实现本文描述的各种方法和算法。更具体地讲，处理器104可以被配置为执行存储在诸如存储器118的非暂时性计算机可读介质上的一个或多个指令序列、编程姿态或代码。处理器104可以是例如通用微处理器、微控制器、数字信号处理器、专用集成电路、现场可编程门阵列、可编程逻辑装置、控制器，状态机、门控逻辑、离散硬件部件、人工神经网络或可执行数据的计算或其他操作的任何类似的合适实体。存储器118可以包括随机存取存储器(RAM)、闪速存储器、只读存储器(ROM)、可编程只读存储器(PROM)和电可擦可编程序只读存储器(EEPROM)中的至少一者。存储器118还可以包括寄存器、硬盘、可移动盘、CD-ROM、DVD或任何其他类似的合适的存储装置或介质中的一者或多者。

可以使用包含在存储器118中的一个或多个代码序列来实现本文描述的可执行序列。在一些实施方案中，这样的代码可以从另一机器可读介质读入存储器118。包含在存储器中的指令序列的执行可以使处理器104执行本文所述的流程步骤。可以理解，也可以使用呈多处理布置方式的一个或多个处理器104来执行存储器118中的指令序列。此外，可以使用硬连线电路代替或与软件指令结合以实现本文描述的各种实施方案。因此，本发明的实施方案不限于硬件和/或软件的任何特定组合。

在接收到来自成像装置102的图像之后，数据采集系统108可对悬浮在钻屑114内的多个颗粒作出或进行各种测量。更具体地讲，存储在存储器118(例如，数据库120)中的软件程序可以用指令编程，这些指令当由处理器104执行时，对多个颗粒执行所需的测量。该软件可以编程为通过检测给定颗粒与其周围环境之间的对比度来识别颗粒的边界或边缘。

参考图2A、图2B和图2C，同时继续参考图1，示出了根据一个或多个实施方案的可以使用图1的成像系统100来检测或以其他方式监测的三种示例性类型或类别的颗粒200a、200b和200c。颗粒200a至200c可以被夹带在钻屑114中，并且可以用成像装置102来捕获颗粒200a至200c的一个或多个图像并将该一个或多个图像以图像数据112的形式传输到数据采集系统108以进行处理。如图所示，第一颗粒200a是大致方形的，第二颗粒200b是大致圆形的，并且第三颗粒200c是大致三角形的。

本领域技术人员将容易地认识到，立方形、圆形和角锥状包括可夹带在钻屑114中的颗粒的三种基本形状。第一颗粒200a可以指示夹带在钻屑114中的大致立方体形状的颗粒。立方体颗粒可以指示存在“爆脱”，这些“爆脱”包括在钻井作业期间已经移出或“脱离”井筒壁的材料立方体。爆脱可能是由于井筒内的压力欠平衡造成的，并且爆脱颗粒的密度可能是健康或不健康的孔隙压力的良好指标。识别立方体颗粒在压力受到管理的钻井应用中可能是特别有利的，其中操作员可以决定在地面泵处或操纵地面扼流圈而施加更多的背压，或在肯定地识别立方体颗粒后利用添加剂来改变钻井流体的重量。

第二颗粒200b可以指示夹带在钻屑114中的球形或圆形颗粒。球形颗粒可表示井下存在破损不堪的砂岩，或者在井筒内发生翻滚。第三颗粒200c可表示大致角锥状切屑，其通常来源于被某些类型的钻头和铣刀穿透的岩层。例如，使用了聚晶金刚石复合片切削齿的钻头和铣刀也可以在钻井作业期间穿透岩层时排出大致角锥状或截锥形的颗粒。虽然通过用于放大钻孔直径的扩孔操作产生的最常见类型的颗粒是立方体或块状颗粒(即，图2A的第一颗粒200a)，但角锥状或截锥形的颗粒也可以通过扩孔操作产生。

在数据采集系统108中接收到颗粒200a至200c的图像时，处理器104可被配置为获得每个颗粒200a至200c的三个二维距离测量值。为了实现这一点，处理器104可以首先确定并以其他方式将正交的X和Y轴在颗粒200a至200c上重叠在一起。X轴和Y轴中的更长者可以表征为X轴并标记为第一测量值或长度V₁，而X轴和Y轴中的较短者可被表征为Y轴并标记为第二测量值或宽度H₁。宽度H₁可以平分V₁并以其他方式在长度V₁的两端之间的中间点处进行测量。第三测量值或中间宽度H₂可以在H₁与V₁的任一端之间的中间点处进行测量。如图所示，中间宽度H₂可以正交于V₁进行测量，使得宽度H₁和中间宽度H₂彼此平行延伸。可以理解，通过获得中间宽度H₂的第三测量值，可以大大减小确定颗粒形状和粒度的自由度。

通过比较每个测量值V₁、H₁、H₂的大小，可以确定检查中的颗粒是为大致方形，大致圆形，还是大致三角形。更具体地讲，如果对于给定颗粒来说，V₁≈H₁≈H₂，那么给定颗粒可能是方形，诸如第一颗粒200a。然而，如果对于给定颗粒来说，V₁≈H₁>H₂，那么给定颗粒可能是圆形，诸如第二颗粒200b。此外，如果对于给定颗粒来说，V₁>H₁<H₂，那么给定颗粒可能是三角形，诸如第三颗粒200c。因此，三个距离测量值V₁、H₁、H₂可以为每个颗粒200a至200c提供基础形状类别：方形；圆形；以及三角形。在其中对于给定颗粒来说，V₁与H₁之间的纵横比为约1/1000的情况下，可以将给定颗粒表征并以其它方式定义为长而细的杆。

在一些实施方案中，可以监测钻屑114的形状以确定三维空间中存在的粒度分布。按照一个基本实例，可以通过将每个检测颗粒200a至200c的三个测量值V₁、H₁、H₂一起求平均然后除以3来确定钻屑114内的颗粒200a至200c的粒度分布。更具体地讲，颗粒的一个选择(至少两个颗粒)的平均粒度将基于粒度范围划分为多个区间。这些划分包括至少两个区间，但基于粒度的可变性可以包括一百个或更多个区间。每个区间都可能考虑到例如微米数量级的粒度变化，但另选地也可能是任何测量划分数量级。另外，可以确定三维粒度分布。长度V₁可以在单独的轴上进行处理，而不是H₁和H₂的算术平均值在具有如前所述的多个区间的轴上进行处理，以产生具有多个粒度分布的平面。

确定粒度分布的另一种方法可以包括基于至少三个颗粒的三个测量值的平均数、至少三个颗粒的长度V₁或任何其他测量值而使用这些颗粒的至少t、z或chi分布来确定统计粒度分布。可以理解，t、z或chi分布可提供基于粒度的平均值和方差观察到的颗粒范围。因此，当成像系统100识别正监测颗粒200a至200c的基本形状时，可以计算各种粒度的分布。这有助于确定井下条件。

可以理解，获得三个距离测量值值V₁、H₁、H₂可以限定多个颗粒形状的关系，可能不那么明显的是，给定颗粒是呈现出弯曲形状(就像圆一样)，还是具有硬角，如方形、三角形或其他类型的多边形。因此，本公开的实施方案还包括使用四个角度测量值来限定钻屑114内的颗粒200a至200c的角性，从而有助于进一步区分三个基本测量类别：方形；圆形；以及三角形。

参考图3A、3B和3C，示出了根据一个或多个实施方案的图2A-2C的三种颗粒200a至200c，指示出用于确定角性的示例性角度测量值。如图所示，可通过测量每个颗粒200a至200c上的至少四个角度，示为第一角度A₁、第二角度A₂、第三角度A₃和第四角度A₄来确定颗粒200a至200c的角性。一旦在数据采集系统108中接收到颗粒200a至200c的图像，处理器104即可被配置成获得四个角度A₁-A₄的测量值。在一些实施方案中，处理器104可被配置成基于给定颗粒与颗粒周围的背景之间的对比度来确定角度的位置。在一些实施方案中，每次角度测量的位置可围绕给定颗粒的边界彼此等距离地隔开，除非颗粒是角锥状的。如果颗粒是角锥状的，则可测量三角形的三个顶点的三个角度。然而，在其他实施方案中，可如成像系统100中正实现的特定软件所指示的那样，确定角度的位置。

可测量四个角度A₁-A₄以确定给定颗粒200a至200c为方形、圆形或三角形的程度。给定颗粒200a至200c的角性可被计算为四个角度A₁-A₄的和且介于180°与720°之间。和接近180°被认为是高度角状的并且可能对应于三角形结构，和接近720°被认为是非角状的并且可能对应于圆形结构。通过比较给定颗粒200a至200c的四个角度A₁-A₄的测量值，可以确定给定颗粒200a至200c是更为方形的、圆形的还是三角形的。例如，如果对于给定颗粒来说，A₁≈A₂≈A₃≈A₄，并且四个角度A₁-A₄的范围为约70°与约110°之间，那么给定颗粒可能是方形的，诸如第一颗粒200a。然而，如果对于给定颗粒来说，A₁≈A₂≈A₃≈A₄，并且四个角度A₁-A₄均大于90°，那么给定颗粒可能是圆形的，诸如第二颗粒200b。此外，如果对于给定颗粒来说，A₁≈A₂≈A₃且A₄＝0，并且三个测量角度A₁-A₃的和为约180°，那么给定颗粒可能是三角形的，诸如第三颗粒200c。

通过三个测量距离V₁、H₁、H₂和四个测量角度A₁-A₄，可以区分开颗粒200a至200c的大多数形状，并且利用数据采集系统108分类为方形的、圆形的或三角形的。然而，为了将这些测量值转换为三维空间并且由此将颗粒200a至200c分类为大致立方形、球形和角锥状，可以获得另外两个距离测量值和另外两个角度测量值。在这样的实施方案中，可以使用至少两个成像装置102来确定每个颗粒200a至200c的相对深度。更具体地讲，同时再次参考图2A-2C，第一成像装置102可以被配置为在H₁/V₁的交点处沿Z方向(即，图2A-2C中纸面的外方向)获得第四距离测量值Z₁，并且第二成像装置102可以被配置为在H₂/V₁的交点处沿Z方向获得第五距离测量值Z₂。Z方向被进一步定义为相对于H₁或H₂成90°(取决于正在进行的测量)并且垂直于V₁。

第四测量值Z₁可以对应于与第一成像装置102相关联的焦平面，并且第五测量值Z₂可以对应于第二成像装置102的焦平面。每个成像装置102的焦平面可以位于成像装置102捕获的图像清晰或焦点对准(即，焦平面上的物体较少或无失真)的位置。通过调整成像装置102的聚焦元件和镜片，可以选择成像装置102的焦平面使其沿着Z轴位于已知深度(或距离)处，使得每个成像装置102的焦平面之间的差异可以是已知的。通过测量每个焦平面上在H₁/V₁和H₂/V₁交点处的颗粒200a至200c的检索图像的“清晰度”或失真(即，缺乏清晰度)，数据采集系统108可能能够确定Z₁和Z₂的深度测量值。更具体地讲，可以将图像的失真与已知参考点进行比较，已知参考点可以是任何永久夹具，数据采集系统108可从中识别H₁/V₁和H₂/V₁交点处的图像失真的幅值(例如，百分比)。例如，在一些实施方案中，参考点可以是振动筛124的上表面，但是虚拟参考点可替代地被编程到数据采集系统108中，而不脱离本公开的范围。

在操作中，处理器104可以被配置为将每个焦平面上在H₁/V₁和H₂/V₁交点处的颗粒200a至200c的失真量作为深度的函数进行计算。通过将参考点作为参考，可以应用存储在数据库120中的模型，并在生成或以其他方式提供失真百分比的情况参考参考点。该模型可以是提供已知清晰度或失真百分比的失真模型，可以比较这些已知清晰度或失真百分比以分别确定H₁/V₁和H₂/V₁交点处的第四和第五测量值Z₁和Z₂的深度。由于每个成像装置102的焦平面或检测深度之间的差异是已知的，所以H₁/V₁和H₂/V₁交点处的第四和第五测量值Z₁和Z₂的比较可导致深度产生差异，这可以提供颗粒200a至200c的三维轮廓的指示。

此外，除了如上所述确定和测量四个角A₁-A₄外，处理器104可以被配置为确定和测量两个另外的角度测量值以帮助将给定颗粒200a至200c映射到三维空间中。对于大致方形或圆形的颗粒如分别为第一颗粒200a和第二颗粒200b来说，可以在垂直于与四个角度A₁-A₄相交的平面的平面上获得另外的角度测量值。对于大致三角形的颗粒如第三颗粒200c来说，可以在垂直于三角形颗粒200c的基底的平面上获得另外的角度测量值。

可以基于成像装置102的焦平面确定两个另外的角度测量值并且可以基于对比度确定颗粒200a至200c的边界上所检测的清晰度损失。通过在不同焦平面上进行配置的多个成像装置102，可以确定清晰度随深度的变化。简单的线性线或其他产生线的数学函数可以根据清晰度的变化速率进行拟合。当清晰度的变化速率变化时，可以拟合第二线。可以将两条线假设为处于单个平面上，并且可以确定两条拟合线之间的角度。

再次参考图1，数据采集系统108还可以包括可被编程到存储器118中的神经网络134。神经网络134可以用于在确定颗粒200a至200c的形状、粒度和体积时，帮助处理器104识别距离V₁、H₁、H₂、Z₁、Z₂和角度A₁-A₄。更具体地讲，神经网络134可以在使用具有已知形状、粒度和体积的物理对象的一个或多个套件或集合进行部署之前被训练。可以从各种来源提供这样的物理对象，以便为神经网络134提供训练数据集。例如，在一些实施方案中，物理对象可以包括普通物理对象如球轴承、立方体、角锥体等，或具有已知或可确定形状、粒度和体积的任何三维对象。

在其他实施方案中，用于训练神经网络134的物理对象可以包括来自当前正钻探井的钻屑。例如，可以使用帮助校准数据采集系统108的离线分析系统对来自当前井的所得钻屑进行取样、清洁和分析。然后将已知的图像数据上传回到用于训练神经网络的软件中。在其他实施方案中，用于训练神经网络134的物理对象可以包括来自邻近的井(例如，偏移井、侧轨井、旁路井等)的钻屑，因为相邻井的地质学应基本相似(假设在获得钻屑时使用相同类型和尺寸的钻头)。在这种情况下，可以清洁、称重和扫描从相邻井获得的钻屑样品，以确定其中夹带的颗粒的形状、粒度和体积。然后，钻屑可以穿过成像系统100以将现有已知的颗粒特征(即，形状、粒度和体积)与由成像系统100获得的测量值相关联。所得数据可以存储在数据库120中，以便在随后实时监测钻屑114时被神经网络134进一步参考。

当在同一现场和/或在同一钻机上钻出多个井时，数据库120可以填充有对应于从每个井得到的样品钻屑的已知特征的训练数据集。各种钻孔参数也可以存储在数据库120中并与每个训练数据集相关联。例如，对于每个训练数据集，可以将钻井参数诸如所使用的井底钻具组件的构造、钻井流体类型、钻压和真实垂直深度存储在数据库120中。神经网络134可以在与所存储的训练数据集相似的钻井参数下监测从井获得的钻屑114时实时地查询数据库120。可以理解，这可能有利于监测新的井，其中数据库120可用于匹配相似的井底钻具组件、钻井流体类型、钻压和真实垂直深度，从而在没有从实际钻井中获得的先前数据的情况下提供初始训练集。

在一些实施方案中，成像系统100还可被配置为监测以及以其他方式检测钻屑114中的金属屑或切屑的存在。金属切屑可能由于高的V₁与H₁比而与钻屑114中的颗粒200a至200c区别开。例如，金属切屑可以呈现出大于1,000的V₁/H₁比。金属切屑可能是由各种来源产生的。例如，在某些情况下，可以在铣削或以其他方式钻过套管壁或预铣削窗口以产生侧向井的套管出口时产生金属切屑。由成像装置100检测到的金属切屑的密度可以告知操作员铣刀何时完全穿透套管壁，从而指示套管出口是完整的。例如，从铣削操作获得的切屑通常包括长的金属屑，类似于在机械车间经常看到的切屑。如果在铣削过程中不存在长的金属屑，而是存在精细的切屑，那么这可能表明没有进展，并且可能需要表面动作(即，增加铣刀重量，确定和/或调整铣刀上的扭矩，将铣刀拉出孔，更换铣刀等)。因此，可以监测金属切屑以确保适当的孔清洁并确定用于切穿外壳壁的铣刀是否有效地起作用。

然而，在其他情况下，金属切屑可表明，在井下运行铣刀或钻头时，衬于井筒的套管被无意地切开或切割。操作员可能能够基于已循环通过井筒的钻井流体的已知流速确定在井筒中产生金属切屑的的大致位置。在这种情况下，检查工具(即，胶结测井仪)可以被传送到井筒中以检查产生金属切屑的区域并确定是否需要维修套管。

在一些实施方案中，数据采集系统108还可被配置成确定钻屑114(图1)的质量。这可以通过确定正检测的钻屑114的体积率和钻屑114的密度来实现。钻屑114的体积率可以通过使用流量计或其他已知的流量测量装置来确定。在一些情况下，可以通过从在钻井操作中使用的随钻测量(MWD)工具或随钻测井(LWD)工具获得的密度信息来确定钻屑114的密度。在这种情况下，MWD或LWD密度传感器如确定地层钻屑堆积密度的这种中子密度传感器可以分析正被穿透的地层，并将块状地层密度数据传输到数据采集系统108进行处理。然而，在其他情况下，可以通过提取钻屑114的样品并通过称量样品以及由此确定体积来确定其质量而确定钻屑114的密度。然后可以将钻屑114的测量体积率乘以测量密度，这将产生钻屑114的质量速率。

由数据采集系统108生成的处理过的信息(例如，切削形状、粒度、体积等)随后可以经由一个或多个外围装置132提供给井操作员，以显示在钻井作业期间出现的钻屑114的实时或接近实时的变化。可以理解，确定钻屑114的粒度和分布的变化可以有利于确定可能与这些变化类型和可能条件相关联的操作条件。这些条件随后可以用于实现对钻井操作的智能控制，如调整钻压、调整钻井流体的等效循环密度、向钻井流体加入添加剂或完全停止钻井操作。

仍参考图1，根据本公开的另外的实施方案，可以评估成像系统100的准确性并以其他方式确定以向井操作员证明成像系统100或用于确定钻屑114的形状、体积和粒度分布的任何其他成像或扫描设备正按照设计运行。更具体地讲，可以与神经网络134一起使用验证系统或程序。在一些实施方案中，验证系统可以至少部分地包括存储在数据采集系统108的存储器118中并用指令进行编程的软件程序，这些指令当由处理器104执行时，执行期望的测量验证步骤。在其他实施方案中，验证程序可以包括任何其他系统，其可被编程以验证钻屑114的至少两种不同类型的测量特征：体积和颗粒粒度分布。下面讨论每种类型的测量验证。

对于体积测量验证，可以向验证系统(例如，数据采集系统108)提供已知体积的物理对象的第一套件。第一套件可以包括尺寸在成像系统100的扫描范围内的各种三维对象。例如，这些对象可以包括已购买的具有已知体积的项如已制造成高精度已知体积的对象或可容易地计算其体积的对象如球轴承、立方体、角锥体等。在其他情况下，这些对象可以表现出如先前所测量的或通过诸如位移或其他较高精度扫描装置(例如，坐标测量机)的手段确定的已知体积。在操作中，这些物理对象可以由成像系统100测量或扫描，以确定对象的测量体积是否接近对象的已知体积以及因此成像系统100是否在预定精度阈值内运行。在一些实施方案中，可以使用物理对象的第一套件的总重量来验证第一套件的所有对象是否存在。

在体积测量验证中，成像系统100可以采用两个成像装置102，各自如上所述具有对应的焦平面，并且可以被配置为基于所捕获图像的所检测或测量的失真(即，缺乏清晰度)来确定物理对象的深度。如上所述，可呈百分比形式的测量失真可以与正测量的物理对象的体积相关联。因此，已知体积和粒度的对象由成像系统100监测，并且将所得测量值与对象的已知参数和测量值进行比较，以确定成像系统100是否正确地或在精度阈值内运行。如果成像系统100超出精度阈值，则随后可根据需要重新校准成像系统100，这可包括如上所述用新的训练数据集重新训练神经网络134。

对于粒度分布验证，可以向验证系统(例如，数据采集系统108)提供物理对象的第二套件。在一些实施方案中，物理对象的第一套件和第二套件可以是相同的。然而，在其他实施方案中，物理对象的第一套件和第二套件可以是不同的。第二套件中的对象可以再次是具有已知粒度分布和纵横比的可商购对象或具有已知范围的粒度分布和纵横比的专门制造的项目。在一些情况下，第二套件的对象可以具有相同的几何形状，但具有不同的粒度，或者可以具有不同的几何形状和不同的粒度。可以理解，所使用的对象的粒度通常在成像系统100的粒度规格内。

第二套件的粒度不同的对象可以已知比(即，粒度分布)混合并且经过成像系统100进行检测。然后可以将已知比与由成像系统100提供的所测量和计算的粒度分布进行比较，以确定是否在指定容差内并且另外在成像系统100的预定精度阈值内读取成像系统100。与物理对象的第一套件一样，第二套件的总重量可用于验证第三套件的所有对象是否存在。

在一些实施方案中，物理对象的第一和/或第二套件中的任何对象可以在反射率和表面光滑度方面进一步变化。因此，可以使用这些对象来测试这些参数是否也影响成像系统100的扫描结果。这可有利于训练成像系统100以区分金属对象、结晶对象和无光对象，其中的每一个均可以基于光(即，来自光源122的光)如何打在颗粒200a至200c的外表面上而影响颗粒200a至200c的对比率。可以基于正检测哪种类型的颗粒200a至200c来训练神经网络134以使其接受最有效的对比率。在一些情况下，可以训练神经网络134以利用最佳光源122来改善对比率。在这种情况下，可以开/关各种光源122，以根据颗粒和背景照明条件提高对比率。

因此，验证系统可以被配置为使用已知粒度和几何形状的物理对象来测试成像系统100的指定极限。这种类型的系统可以用于验证井钻屑114的体积和粒度分布的确定。目前描述的验证系统使用已知输入并将其与成像系统100的测量和计算结果进行比较，从而提供证明成像系统100是否按需要操作的直接手段。

现在参考图4，示出了根据本公开的一个或多个实施方案的示例性钻井系统400，其可以包括成像系统100。应注意，虽然图1大致描绘陆上钻井组件，但本领域技术人员将易于了解本文中描述的原理同等适用于采用浮动或海上平台和钻井设备的水下钻井操作，而不脱离本公开的范围。如图所示，钻井系统400可以包括钻井平台402，钻井平台402支撑具有用于升高和降低钻柱408的行进块406的井架404。钻柱408可以包括但不限于本领域技术人员通常已知的钻杆和螺旋管。当方钻杆410通过旋转工作台412下降时，其支撑钻柱408。钻头414附接到钻柱408的远端，并且由钻井马达和/或经由钻柱408从井表面的旋转驱动。随着钻头414的旋转，其产生穿透各种地下地层418的钻孔416。

泵420(例如，泥浆泵)使钻井流体422循环通过进料管424并且到达方钻杆410，方钻杆410通过钻柱408的内部并通过钻头414中的一个或多个孔将钻井流体422输送到井下。钻井流体422然后经由在钻柱408与钻孔416的壁之间限定的环形空间426循环回到表面。在地面上，再循环的或耗尽了的钻井流体422离开环形空间426并且可经由互连流线430输送到一个或多个流体处理单元428。在经过流体处理单元428之后，“净化的”钻井流体422沉积到附近的保持坑432(即，泥坑)上。一种或多种化学品、流体或添加剂可以经由可通信地联接到或以其他方式与其保持坑432流体连通的混合料斗434加入到钻井流体422中。

流体处理单元428可以包括或以其它方式与图1的振动器116相同。如图所示，成像系统100可以可通信地联接到流体处理单元428并且以其他方式结合流体处理单元428，其中如上所述，成像装置102(图1)可以捕获钻井流体422中返回的钻屑114(图1)的图像并将图像数据112(图1)传送到数据采集系统108(图1)进行处理。

如本文所使用的，机器可读介质是指直接或间接向处理器104提供指令以执行的任何介质。机器可读介质可呈现许多形式，包括例如非易失性介质、易失性介质和传输介质。非易失性介质可包括，例如，光盘和磁盘。易失性介质可包括，例如，动态存储器。传输介质可包括，例如，同轴电缆、导线、光纤和形成总线的导线。机器可读介质的常见形式可包括，例如，软盘、软磁盘、硬盘、磁带、其他类似磁介质、CD-ROM、DVD、其他类似光学介质、穿孔卡、纸带和具有图案化孔的类似物理介质、RAM、ROM、PROM、EPROM和闪存EPROM。

本文所公开的实施方案包括：

A.一种方法，包括：使用包括一个或多个处理器的数据采集系统接收钻屑的图像，钻屑源于正钻探的井筒并且包含多个颗粒；通过获得每个颗粒的三个二维距离测量值以及获得每个颗粒的四个角度测量值来用一个或多个处理器分析钻屑的所述图像；以及基于每个颗粒的三个二维距离测量值和四个角度测量值来利用一个或多个处理器确定钻屑的颗粒粒度分布和钻屑的形状分布中的至少一者。

B.一种用计算机可执行指令编程的非暂时性计算机可读介质，所述计算机可执行指令在由计算机单元的处理器执行时，执行以下方法：使用包括一个或多个处理器的数据采集系统接收钻屑的图像，钻屑源于正钻探的井筒并且包含多个颗粒；通过获得每个颗粒的三个二维距离测量值以及获得每个颗粒的四个角度测量值来用一个或多个处理器分析钻屑的图像；以及基于每个颗粒的三个二维距离测量值和四个角度测量值来利用所述一个或多个处理器确定钻屑的颗粒粒度分布和钻屑的形状分布中的至少一者。

实施方案A和B可各自具有以下附加要素中的一者或多者的任意组合：要素1：其中利用数据采集系统接收钻屑的图像之前：将钻屑输送穿过振动器的振动筛；利用一个或多个成像装置捕获振动筛之处或之后的钻屑的图像并且由此生成图像数据；以及将图像数据传输到数据采集系统。要素2：还包括利用发射已知波长的电磁辐射的光源来照明振动筛之处或之后的钻屑，其中光源选自由以下各项组成的组：白光源；白炽光源；红外光源；激光；一个或多个发光二极管；以及它们的任意组合。要素3：其中光源包括多个光源，所述方法还包括在多个光源之间切换，由此提高多个颗粒中的至少一些的对比率。要素4：其中获得每个颗粒的三个二维距离测量值包括：识别并测量每个颗粒的长度；识别并测量每个颗粒的宽度，其中宽度的测量值将长度平分并与其正交；以及识别并测量每个颗粒的中间宽度，其中中间宽度的测量值是在长度与宽度之间的交点之间的中间点处获得的并与长度正交。要素5：还包括比较给定颗粒的长度、宽度和中间宽度的测量值，以确定给定颗粒是方形的、圆形的还是三角形的。要素6：还包括对每个颗粒的长度、宽度和中间宽度的测量值求平均以确定钻屑内的多个颗粒的统计粒度分布。要素7：其中当四个角度测量值各自的范围在约70°与约110°之间时，多个颗粒的给定颗粒被识别为方形颗粒。要素8：其中当四个角度测量值各自大于90°时，多个颗粒的给定颗粒被识别为圆形颗粒。要素9：其中四个角度测量值包括第一角度、第二角度、第三角度和第四角度，并且其中当第四角度为零并且第一角度、第二角度和第三角度的和为约180°时，多个颗粒的给定颗粒被识别为三角形颗粒。要素10：还包括基于三个二维距离测量值和四个角度测量值而利用一个或多个处理器将每个颗粒分类为方形、圆形和三角形中的一个。要素11：还包括：利用至少第一成像装置和第二成像装置捕获每个颗粒的图像，其中第一成像装置在第一焦平面上捕获图像并且第二成像装置在不同于第一焦平面的第二焦平面上捕获图像；利用一个或多个处理器分析从第一成像装置和第二成像装置获得的每个颗粒的图像并且获得关于每个颗粒的与第一成像装置相关联的第一深度测量值和与第二成像装置相关联的第二深度测量值；以及基于三个二维距离测量值、四个角度测量值以及第一深度测量值和第二深度测量值而利用一个或多个处理器确定每个颗粒的三维形状，其中三维形状选自由立方体、球体和角锥体组成的组。要素12：其中数据采集系统还包括神经网络，该神经网络包括基于已知类型、粒度和体积的物理对象的一个或多个集合的训练数据集，并且其中利用一个或多个处理器确定钻屑的颗粒粒度分布和形状分布中的至少一者还包括：利用物理对象的一个或多个集合训练神经网络以生成训练数据集；以及利用一个或多个处理器查询神经网络以使训练数据集的已知形状、粒度和体积与由一个或多个处理器获得的测量值相关联。要素13：还包括：确定钻屑的体积率；确定钻屑的密度；以及将钻屑的体积率与钻屑的密度相乘，由此获得钻屑的质量速率。要素14：还包括在通信地耦合到数据采集系统的一个或多个外围装置上显示钻屑的颗粒粒度分布和钻屑的形状分布中的至少一者。要素15：其中数据采集系统形成成像系统的一部分，该成像系统包括一个或多个成像装置，该一个或多个成像装置获得钻屑的图像，该方法还包括：利用一个或多个成像装置对已知体积的物理对象套件取样，并由此利用数据采集系统获得测量体积；利用一个或多个成像装置对已知粒度分布的物理对象套件取样，并由此利用数据采集系统获得测量粒度分布；以及通过比较测量体积与已知体积以及测量粒度分布与已知粒度分布中的至少一者来确定成像系统是否在预定精度阈值内操作。要素16：还包括当确定成像系统不在预定精度阈值内操作时，再校准成像系统。

要素17：其中获得每个颗粒的三个二维距离测量值包括：识别并测量每个颗粒的长度；识别并测量每个颗粒的宽度，其中宽度的测量值将长度平分并与其正交；以及识别并测量每个颗粒的中间宽度，其中中间宽度的测量值是在长度与宽度之间的交点之间的中间点处获得的并与长度正交。要素18：还包括比较给定颗粒的长度、宽度和中间宽度的测量值，以确定给定颗粒是方形的、圆形的还是三角形的。要素19：还包括对每个颗粒的长度、宽度和中间宽度的测量值求平均以确定钻屑内的多个颗粒的统计粒度分布。要素20：还包括基于三个二维距离测量值和四个角度测量值而利用一个或多个处理器将每个颗粒分类为方形、圆形和三角形中的一个。要素21：还包括：利用至少第一成像装置和第二成像装置捕获每个颗粒的图像，其中第一成像装置在第一焦平面上捕获图像并且第二成像装置在不同于第一焦平面的第二焦平面上捕获图像；利用一个或多个处理器分析从第一成像装置和第二成像装置获得的每个颗粒的图像并且获得关于每个颗粒的与第一成像装置相关联的第一深度测量值和与第二成像装置相关联的第二深度测量值；以及基于三个二维距离测量值、四个角度测量值以及第一深度测量值和第二深度测量值而利用一个或多个处理器确定每个颗粒的三维形状，其中三维形状选自由立方体、球体和角锥体组成的组。要素22：其中数据采集系统还包括神经网络，该神经网络包括基于已知类型、粒度和体积的物理对象的一个或多个集合的训练数据集，并且其中利用一个或多个处理器确定钻屑的颗粒粒度分布和形状分布中的至少一者还包括：利用物理对象的一个或多个集合训练神经网络以生成训练数据集；以及利用一个或多个处理器查询神经网络以使训练数据集的已知形状、粒度和体积与由一个或多个处理器获得的测量值相关联。要素23：还包括：确定钻屑的体积率；确定钻屑的密度；以及将钻屑的体积率与钻屑的密度相乘，由此获得钻屑的质量速率。

通过非限制性例子的方式，适用于A和B的示例性组合包括：要素1与要素2；要素1与要素3；要素4与要素5；要素4与要素6；要素15与要素16；要素17与要素18；以及要素17与要素19。

因此，所公开系统及方法良好适合于获得所提到的目标和优点以及本发明固有的那些目标和优点。以上公开的特定实施方案只是说明性的，因为本公开的教导内容可以对受益于本文教导内容的本领域技术人员显而易知的不同但等效的方式来修改和实践。此外，不旨在限制本文所示的构造或设计的细节，除非所附权利要求书另有描述。因此明显的是以上公开的特定例示性实施方案可被改变、结合、或修改，并且所有的此类变化被认为在本公开的范围内。本文说明性公开的系统和方法可以合适地在不存在本文未具体公开的任何要素和/或本文公开的任何可选要素的情况下实施。虽然组合物和方法在“包括”、“含有”或“包含”各种组分或步骤方面来描述，但是组合物和方法还可“基本上由各种组分和步骤组成”或“由各种组分和步骤组成”。上文所公开的所有数字和范围可变化某一量。每当公开具有下限和上限的数字范围时，均明确公开落在范围内的任何数字和任何包括的范围。具体地说，本文公开的值的每个范围(形式为“约a至约b”，或等效地“大致a至b”，或等效地“大致a-b”)应理解为阐述涵盖在值的较宽范围内的每个数字和范围。另外，除非专利权所有人另外明确地和清楚地定义，否则权利要求书中的术语具有其一般的普通含义。此外，如权利要求书中所用的不定冠词“一个”或“一种”在本文中定义为意指引入的一个或一个以上的要素。如果本说明书和可能以引用的方式并入本文中的一个或多个专利或其它文件中词或术语的使用存在任何冲突，应采用与本说明书一致的定义。

如本文所使用的，在一系列项目之前的短语“至少一个”，以及用于分开这些项目中的任何一个的术语“和”或“或”修改列表作为整体，而不是所述列表中的每一个成员(即，每个项目)。短语“至少一个”允许意指包括项目中的任一个的至少一个，和/或项目的任何组合的至少一个，和/或项目中的每一个的至少一个。以举例的方式，短语“A、B和C中的至少一个”或“A、B或C中的至少一个”各自指代仅A、仅B、或仅C；A、B和C的任何组合；和/或A、B和C中的每一个的至少一个。

Claims (25)

1.一种方法，包括：

使用包括一个或多个处理器的数据采集系统接收钻屑的图像，所述钻屑源于正钻探的井筒并且包含多个颗粒；

通过获得每个颗粒的三个二维距离测量值以及获得每个颗粒的四个角度测量值来用一个或多个处理器分析所述钻屑的所述图像；以及

基于每个颗粒的所述三个二维距离测量值和所述四个角度测量值来利用所述一个或多个处理器确定所述钻屑的颗粒粒度分布和所述钻屑的形状分布中的至少一者。

2.根据权利要求1所述的方法，其中利用所述数据采集系统接收所述钻屑的所述图像之前：

将所述钻屑输送穿过振动器的振动筛；

利用一个或多个成像装置来捕获所述振动筛之处或之后的所述钻屑的图像并且由此生成图像数据；以及

将所述图像数据传输到所述数据采集系统。

3.根据权利要求2所述的方法，还包括利用发射已知波长的电磁辐射的光源来照明所述振动筛之处或之后的所述钻屑，其中所述光源选自由以下各项组成的组：白光源；白炽光源；红外光源；激光；一个或多个发光二极管；以及它们的任意组合。

4.根据权利要求2所述的方法，其中所述光源包括多个光源，所述方法还包括在所述多个光源之间切换，由此提高所述多个颗粒中的至少一些的对比率。

5.根据权利要求1所述的方法，其中获得每个颗粒的所述三个二维距离测量值包括：

识别并测量每个颗粒的长度；

识别并测量每个颗粒的宽度，其中所述宽度的测量值将所述长度平分并与其正交；以及

识别并测量每个颗粒的中间宽度，其中所述中间宽度的测量值是在所述长度与所述宽度之间的交点之间的中间点处获得的并与所述长度正交。

6.根据权利要求5所述的方法，还包括比较给定颗粒的长度、宽度和中间宽度的测量值，以确定所述给定颗粒是方形的、圆形的还是三角形的。

7.根据权利要求5所述的方法，还包括对每个颗粒的长度、宽度和中间宽度的测量值求平均以确定所述钻屑内的所述多个颗粒的统计粒度分布。

8.根据权利要求1所述的方法，其中当所述四个角度测量值各自在约70°与约110°之间时，所述多个颗粒的给定颗粒被识别为方形颗粒。

9.根据权利要求1所述的方法，其中当所述四个角度测量值各自大于90°时，所述多个颗粒的给定颗粒被识别为圆形颗粒。

10.根据权利要求1所述的方法，其中所述四个角度测量值包括第一角度、第二角度、第三角度和第四角度，并且其中当所述第四角度为零并且所述第一角度、所述第二角度和所述第三角度的和为约180°时，所述多个颗粒的给定颗粒被识别为三角形颗粒。

11.根据权利要求1所述的方法，还包括基于所述三个二维距离测量值和所述四个角度测量值而利用所述一个或多个处理器将每个颗粒分类为方形、圆形和三角形中的一个。

12.根据权利要求1所述的方法，还包括：

利用至少第一成像装置和第二成像装置捕获每个颗粒的图像，其中所述第一成像装置在第一焦平面上捕获图像并且所述第二成像装置在不同于所述第一焦平面的第二焦平面上捕获图像；

利用所述一个或多个处理器分析从所述第一成像装置和所述第二成像装置获得的每个颗粒的图像并且获得关于每个颗粒的与所述第一成像装置相关联的第一深度测量值和与所述第二成像装置相关联的第二深度测量值；以及

基于所述三个二维距离测量值、所述四个角度测量值以及所述第一深度测量值和所述第二深度测量值而利用所述一个或多个处理器确定每个颗粒的三维形状，

其中所述三维形状选自由立方体、球体和角锥体组成的组。

13.根据权利要求1所述的方法，其中所述数据采集系统还包括神经网络，所述神经网络包括基于已知类型、粒度和体积的物理对象的一个或多个集合的训练数据集，并且其中利用所述一个或多个处理器确定所述钻屑的所述颗粒粒度分布和所述形状分布中的至少一者还包括：

利用物理对象的所述一个或多个集合训练所述神经网络以生成所述训练数据集；以及

利用所述一个或多个处理器查询所述神经网络以使所述训练数据集的所述已知形状、粒度和体积与由所述一个或多个处理器获得的所述测量值相关联。

14.根据权利要求1所述的方法，还包括：

确定所述钻屑的体积率；

确定所述钻屑的密度；以及

将所述钻屑的所述体积率与所述钻屑的所述密度相乘，由此获得所述钻屑的质量速率。

15.根据权利要求1所述的方法，还包括在通信地耦合到所述数据采集系统的一个或多个外围装置上显示所述钻屑的所述颗粒粒度分布和所述钻屑的所述形状分布中的所述至少一者。

16.根据权利要求1所述的方法，其中所述数据采集系统形成成像系统的一部分，所述成像系统包括一个或多个成像装置，所述一个或多个成像装置获得钻屑的图像，所述方法还包括：

利用所述一个或多个成像装置对已知体积的物理对象套件取样，并由此利用所述数据采集系统获得测量的体积；

利用所述一个或多个成像装置对已知粒度分布的物理对象套件取样，并由此利用所述数据采集系统获得测量的粒度分布；以及

通过比较所述测量体积与所述已知体积以及所述测量粒度分布与所述已知粒度分布中的至少一者来确定所述成像系统是否在预定精度阈值内操作。

17.根据权利要求16所述的方法，还包括当确定所述成像系统不在所述预定精度阈值内操作时，再校准所述成像系统。

18.一种用计算机可执行指令编程的非暂时性计算机可读介质，所述计算机可执行指令在由计算机单元的处理器执行时，执行以下方法：

使用包括一个或多个处理器的数据采集系统接收钻屑的图像，所述钻屑源于正钻探的井筒并且包含多个悬浮颗粒；

通过获得每个颗粒的三个二维距离测量值以及获得每个颗粒的四个角度测量值来用一个或多个处理器分析所述钻屑的所述图像；以及

基于每个颗粒的所述三个二维距离测量值和所述四个角度测量值来利用所述一个或多个处理器确定所述钻屑的颗粒粒度分布和所述钻屑的形状分布中的至少一者。

19.根据权利要求18所述的非暂时性计算机可读介质，其中获得每个颗粒的所述三个二维距离测量值包括：

识别并测量每个颗粒的长度；

识别并测量每个颗粒的宽度，其中所述宽度的测量值将所述长度平分并与其正交；以及

识别并测量每个颗粒的中间宽度，其中所述中间宽度的测量值是在所述长度与所述宽度之间的交点之间的中间点处获得的并与所述长度正交。

20.根据权利要求19所述的非暂时性计算机可读介质，还包括比较给定颗粒的长度、宽度和中间宽度的测量值，以确定所述给定颗粒是方形的、圆形的还是三角形的。

21.根据权利要求19所述的非暂时性计算机可读介质，还包括对每个颗粒的长度、宽度和中间宽度的测量值求平均以确定所述钻屑内的所述多个颗粒的统计粒度分布。

22.根据权利要求18所述的非暂时性计算机可读介质，还包括基于所述三个二维距离测量值和所述四个角度测量值而利用所述一个或多个处理器将每个颗粒分类为方形、圆形和三角形中的一个。

23.根据权利要求18所述的非暂时性计算机可读介质，还包括：

利用至少第一成像装置和第二成像装置捕获每个颗粒的图像，其中所述第一成像装置在第一焦平面上捕获图像并且所述第二成像装置在不同于所述第一焦平面的第二焦平面上捕获图像；

利用所述一个或多个处理器分析从所述第一成像装置和所述第二成像装置获得的每个颗粒的图像并且获得关于每个颗粒的与所述第一成像装置相关联的第一深度测量值和与所述第二成像装置相关联的第二深度测量值；以及

基于所述三个二维距离测量值、所述四个角度测量值以及所述第一深度测量值和所述第二深度测量值而利用所述一个或多个处理器确定每个颗粒的三维形状，

其中所述三维形状选自由立方体、球体和角锥体组成的组。

24.根据权利要求18所述的非暂时性计算机可读介质，其中所述数据采集系统还包括神经网络，所述神经网络包括基于已知类型、粒度和体积的物理对象的一个或多个集合的训练数据集，并且其中利用所述一个或多个处理器确定所述钻屑的所述颗粒粒度分布和所述形状分布中的至少一者还包括：

利用物理对象的所述一个或多个集合训练所述神经网络以生成所述训练数据集；以及

利用所述一个或多个处理器查询所述神经网络以使所述训练数据集的所述已知形状、粒度和体积与由所述一个或多个处理器获得的所述测量值相关联。

25.根据权利要求18所述的非暂时性计算机可读介质，还包括：

确定所述钻屑的体积率；

确定所述钻屑的密度；以及

将所述钻屑的所述体积率与所述钻屑的所述密度相乘，由此获得所述钻屑的质量速率。