0 引言

    巖屑是在鉆井過程中產(chǎn)生的巖石碎塊，其種類繁多，按照巖屑的組成成分可以將巖石大致分成沉積巖、變質(zhì)巖和巖漿巖。巖屑是巖屑錄井的直觀材料，其中巖屑顆粒識別工作是巖屑錄井的主要工作。對巖石巖性的識別工作可以反映出地段地質(zhì)的地層特性，從而能幫助勘探工作者分析地層的具體特性。巖性準確識別是地質(zhì)人員研究地層特征和地質(zhì)建模的基礎(chǔ)。

    目前國內(nèi)對巖屑顆粒的識別鑒定傳統(tǒng)的做法是采用人工標記的方式對巖屑顆粒進行采集分析。這需要專業(yè)人員來識別，并且工作量巨大。人工方式的標記對巖屑提取的信息與分析的結(jié)論存在誤差，對地質(zhì)專家分析地質(zhì)存在較大影響。絕大多數(shù)在巖屑錄井上采用數(shù)字圖像識別和機器學(xué)習(xí)等技術(shù)手段，運用數(shù)字圖像處理技術(shù)分析巖屑顆粒圖像，從而得到巖屑的紋理、顏色、空洞等特征，來用作區(qū)分巖屑顆粒巖性的識別分類。雖然利用數(shù)字圖像處理等方法解決了傳統(tǒng)特定方法中^[1-2]人為標記巖性的問題，但是由于仍需要在分類時人為設(shè)置相應(yīng)的特征，在某些程度上限制了識別的準確度。隨著深度神經(jīng)網(wǎng)絡(luò)廣泛被應(yīng)用于計算機視覺領(lǐng)域，且不同的實驗場景推出了不同深度神經(jīng)網(wǎng)絡(luò)模型^[3-5]，通過將較低的分辨率圖片的特征映射到像素級尺度對圖片中的每個像素進行識別，從而大幅度提升了圖像識別的水平。但深度神經(jīng)網(wǎng)絡(luò)模型復(fù)雜度提升，增加了巖屑識別所耗費時長，對于巖屑顆粒的識別準確率有很大的提升空間。

    為了提高巖屑顆粒識別算法準確率和識別效率，本文提出了一種基于改進P-Unet巖屑顆粒識別模型，在文獻[6]基礎(chǔ)上做出了如下改進：

    (1)在不改動Unet模型對稱結(jié)構(gòu)的情況下，將金字塔池化模塊^[7]融合到Unet中，從而得到了本文模型P-Unet網(wǎng)絡(luò)結(jié)構(gòu)。

    (2)運用了多分類焦點損失函數(shù)^[8]代替?zhèn)鹘y(tǒng)的交叉熵損失函數(shù)。

    (3)將深度殘差網(wǎng)絡(luò)ResNet^[9]的升級版ResNeXt^[10]的網(wǎng)絡(luò)結(jié)構(gòu)用于P-Unet下采樣的結(jié)構(gòu)。

    (4)用深度可分離卷積^[11-12]代替?zhèn)鹘y(tǒng)卷積。

本文詳細內(nèi)容請下載:http://m.tom3567.com/resource/share/2000003178

作者信息:

萬  川1，王正勇1，何海波2，滕奇志1，何小海1

(1.四川大學(xué) 電子信息學(xué)院，四川 成都610065；2.成都西圖科技有限公司，四川 成都610065)