基于改进BlendMask的页岩扫描电镜图像矿物鉴定方法

doi:10.13278/j.cnki.jjuese.20240007

吉林大学学报(地球科学版) ›› 2025, Vol. 55 ›› Issue (04) : 1387 -1400. DOI: 10.13278/j.cnki.jjuese.20240007

作者信息 +

Author information +

文章历史 +

PDF

摘要

页岩扫描电镜(scanning electron microscope, SEM)图像智能识别能够快速分析页岩储层矿物，是页岩油储层“甜点”预测的重要手段之一，也是未来的技术发展趋势。传统方法在鉴定矿物成分时存在自动化程度低、样本适配度低和特征提取受限等问题。为此，本文提出基于BlendMask的页岩SEM图像鉴定方法。首先，采用双边滤波、拉普拉斯和图像归一化等图像预处理技术对原始图像进行去噪、锐化和像素统一处理，提高训练样本的质量；然后，采用旋转、缩放、光度变化等图像增广方法构建增广策略，扩大数据集数量；最后，利用注意力机制和深度可分离卷积改进BlendMask网络，实现图像的成分分割与识别。应用于海塔盆地的页岩SEM图像实验结果表明，相比BlendMask模型，改进后方法的分割准确率和召回率分别提升了0.02～0.20和0～0.59,分割用时减少了1.29～2.70 s。