摘要：针对传统碳酸盐岩薄片鉴定基于肉眼观察和描述,存在主观性强、定性评价为主、定量困难等问题,以亮晶颗粒灰岩为对象,设计了涵盖流程与技术的智能化岩石薄片图像信息挖掘模型。通过岩相学分析框架构建了岩相特征与薄片图像之间的映射关系。融合图像处理和深度学习设计了全流程的特征提取算法。通过卷积神经网络获得结构组分特征中对颗粒类型的定性识别,即基于改进的ResNet50模型划分颗粒所属类别(内碎屑、生物碎屑、包粒、球粒和团块)。通过数字图像处理技术获得结构组分特征中对颗粒含量、粒径、形状、接触方式的定量识别,即基于阈值分割计算颗粒含量,基于最小外接圆/最小外接矩形,结合面积比/长宽比、交并比(IoU)等算法计算颗粒形态学参数,并通过对染色图像的HSV色彩空间处理获得矿物组分特征中对方解石和其他矿物组分的定性和定量识别。以顺X井亮晶颗粒灰岩薄片样品为例,通过完整的图像识别过程验证了各个特征点提取算法的有效性,并与人工鉴定报告进行对比。岩相学分析框架能够有效地表征亮晶颗粒灰岩中的有意义信息。通过岩相学分析框架结合图像分析算法的模式,实现了对这一类碳酸盐岩的规范化流程化智能鉴定,为岩石薄片图像智能识别研究提供有效的方法支撑。

摘要：碳酸盐岩薄片中的生物化石识别对判断沉积环境研究具有重要的意义,但传统的人工鉴定方法对经验要求高,受主观影响较大。该文提出一种基于ResNet卷积神经网络的碳酸盐岩生物化石显微图像识别方法,通过图像预处理、设计模型、训练模型等步骤,实现了薄片图像中生物化石的智能识别,识别准确率为86%;并同时提出进阶YOLO(You Only Look Once)目标检测模型,可实现薄片图像中生物化石所在区域的检测和识别,识别准确率为85%。该方法验证了使用数字图像处理和深度学习方法对碳酸盐岩生物化石显微图像进行智能识别的可行性,可作为传统人工鉴定方法的有益补充,具有一定的实际应用价值。