На данный момент, в силу глобальной политической ситуации, значительно затруднен доступ к современным технологиям инструментов автоматизации измерений объемов жидкостей, в частности видеосепараторов, а потребность в них никуда не делась. Оборудование лаборатории имеющимися в открытом доступе вариантами потребует значительную часть бюджета даже для крупных компаний. А необходимость подобной аппаратуры заключается в потребности высокоточной фиксации профильтрованного объема жидкости через керн, что является безукоризненно важным аспектом для качественности результатов фильтрационных исследований, к примеру, нахождения того же коэффициента вытеснения. Так как вытесняется в подобных экспериментах далеко не одна фаза, отсчитывать профильтрованный объем через массу вышедшей жидкости не представляется возможным. Добиться же перманентного надзора высококвалифицированного специалиста, что будет вручную анализировать профильтрованную фазу, дорого и непрактично, так как многие фильтрационные эксперименты длятся от нескольких дней, до нескольких месяцев. Поэтому очень важно создать бюджетную альтернативу, которая сможет автоматизировано отсчитывать объем профильтрованной фазы на примере мерного цилиндра высокого класса точности. Для автоматизации анализа профильтрованной жидкости, было принято решение обратить свой взор на новейшие технологии обработки данных – а именно свёрточные нейронные сети. Именно разработка программного инструмента для автоматизации измерения объемов флюидов на основе технологий нейронных сетей является целью данной работы.

At the moment, due to the global political situation, access to modern technologies of instruments for automation of liquid volume measurements, in particular video separators, is significantly complicated, and the need for them has not gone away. Equipping a laboratory with openly available options will require a significant part of the budget even for large companies. And the need for such equipment lies in the need for high-precision recording of the filtered volume of liquid through the core, which is an absolutely important aspect for the quality of the results of filtration studies, for example, finding the same displacement coefficient. Since more than one phase is displaced in such experiments, it is not possible to count the filtered volume through the mass of the released liquid. To achieve permanent supervision of a highly qualified specialist who will manually analyze the filtered phase is expensive and impractical, since many filtration experiments last from several days to several months. Therefore, it is very important to create a budget alternative that can automatically count the volume of the filtered phase using a high-precision graduated cylinder as an example. To automate the analysis of filtered liquid, it was decided to turn our attention to the latest data processing technologies - namely convolutional neural networks. The development of a software tool for automating the measurement of fluid volumes based on neural network technologies is the goal of this work.