气体钻井是以气体作为循环介质及破碎岩石能量的新型钻井技术,具有保护储层,钻井效率高等优势,但遇到地层出水时可能会造成卡钻和井壁垮塌等现象,从而造成重大安全事故与经济损失。钻井过程中钻头带出的岩土的湿度情况可以作为检测地层出水的指标之一。气体钻井中通常由人工在固定取样点定时采集岩土,然后使用烘干称重法测量出岩土湿度,其具有检测速度慢、不能实现自动化检测等缺点。为了实现气体钻井中岩土湿度检测,本文设计了一种基于图像处理与机器学习算法相结合的图像识别方法检测岩土湿度。检测原理为:先使用滤波算法对采集到的岩土图像去噪,再建立混合高斯模型进行图像分割并找到属于岩土的像素点,将分割后图像由RGB颜色空间变换到LAB颜色空间,通过DBSCAN聚类算法找到LAB颜色空间的中心点,将该中心点值作为特征值输入岭回归算法,输出为预测的岩土湿度值。本文对比了均值滤波、中值滤波、高斯低通滤波的去噪效果,混合高斯模型和使用LA B空间中的a、b特征值的图像分割效果,RGB空间与LAB空间聚类效果,在回归算法的选取上分析了最小二乘法、岭回归、lasso与弹性网络算法并使用参考文献数据验证了岭回归算法的可行性,设计了分段岭回归算法以满足气体钻井对岩土低湿度更高精度的测量需求。本文的岩土湿度在线检测系统由下位机、上位机以及WIFI通信三部分组成。下位机以开源硬件树莓派作为控制器,通过USB接口连接工业摄像机,实现摄像机的采集图像大小、白平衡、曝光等参数设置、实时图像数据采集、使用Huffman算法的图像压缩与传输功能;上位机可视化界面采用Qt框架开发,实现了岩土图像数据接收、图像算法处理、数据可视化与数据存储等功能;上位机与下位机间使用WIFI通信,其传输层使用TCP协议。为了验证上述岩土湿度检测方法的效果与可重复性,本文搭建了模拟环境进行了实验,使用交叉验证法对实验结果进行了分析,并对岩土湿度在线检测系统各模块功能进行了测试,证明了本文系统的可行性。本文的岩土湿度检测方法能够满足气体钻井场景的复杂性、对岩土低湿度下更精准检测的需求以及满足钻井速度的实时性,具有一定的参考价值。