碱性花岗岩中锆石-石英假象智能识别：基于深度学习的新视角

摘要

碱性花岗岩型稀有稀土矿床中岩浆的结晶分异作用与稀土(rare earth elements, REE)等元素的富集密切相关，期间原生含锆矿物向热液锆石的转变揭示了REE从岩浆到热液的演化过程。锆石-石英假象是热液锆石的主要赋存形式，即锆石-石英假象完全取代原生矿物，并保留了后者的晶形。锆石-石英假象的发育是碱性花岗岩型稀有稀土矿床中锆(Zr)和REE矿化的关键矿物指标，深入研究锆石-石英假象的特征和成因，对解析碱性花岗岩型矿床中关键金属成矿的物理化学条件和成矿机制具有重要意义。然而，人工显微岩相观察等传统鉴定方法在假象边界标注以及区域内矿物相划分的局限性，极大地制约了锆石-石英假象的分析以及矿物定量化研究的发展。针对这些问题，本研究应用YOLOv8n-seg深度学习模型进行实例分割，对锆石-石英假象的微观特征进行了准确识别和量化分析。结果表明：YOLOv8实例分割算法对锆石-石英假象自动识别的准确率达到90%以上，能够有效提取假象的晶体形态特征。此外，本研究在整个实例分割过程中引入了特征可视化图，并以特征贡献度的形式突出和量化了假象识别的关键特征区域，包括与流体迁移和蚀变密切相关的纹理结构、矿物相分布和晶形边界等。基于深度学习的实例分割模型为假象结构的精细识别和量化分析提供了准确且高效的方法，在理解碱性花岗岩型矿床的关键金属成矿机制中展现出了巨大潜力。

关键词

锆石-石英假象 / 碱性花岗岩型矿床 / 深度学习 / 矿物识别 / 实例分割 / YOLO