Морфология и связность подземных сетей трещин являются критическими факторами, контролирующими устойчивость ствола скважины и эффективность гидравлического разрыва пласта. Точная характеристика трёхмерной сложности трещин имеет существенное значение для обеспечения инженерной безопасности и повышения производительности. В данном исследовании разработана новая модель сегментации изображений. Она улучшает итеративный пороговый метод за счёт включения простых линейных итеративных кластеризующих суперпикселей (SLIC), архитектуры ResNet50 и модели гауссовой смеси (GMM). Модель сначала разделяет сложные изображения компьютерной томографии (КТ) на многочисленные суперпиксельные изображения с помощью сегментации суперпикселями SLIC. Затем ResNet50 используется для классификации этих суперпиксельных изображений. На основе результатов классификации метод итеративной пороговой сегментации применяется для сегментации различных категорий суперпиксельных изображений. После предварительной сегментации изображений модуль гауссовой смеси используется для удаления шума с сегментированных изображений трещин, в результате чего получаются высокоточные сегментированные изображения. Двумерные сегментированные изображения затем реконструируются в трёхмерном пространстве, и анализируются трёхмерные распределительные характеристики трещин. Данное исследование приходит к выводу, что новый метод сегментации трещин позволяет высокоточное извлечение областей трещин. По сравнению с пороговой сегментацией, значение шума морфологического анализа в двумерных изображениях, сегментированных методом, предложенным в данном исследовании, снизилось с 0,21% до 0,08%. Распределение трещин в трёхмерном пространстве является сложным, и области с более крупными сетями трещин демонстрируют большую сложность в их трёхмерном распределении.
