基于深度学习的致密砂岩储层薄片图像生成与识别方法

刘涛; 刘宗堡; 张可佳; 张岩; 张瑞雪; 刘晓文; 徐翠云

doi:10.13278/j.cnki.jjuese.20240164

吉林大学学报(地球科学版) ›› 2026, Vol. 56 ›› Issue (2) : 724 -738. DOI: 10.13278/j.cnki.jjuese.20240164

基于深度学习的致密砂岩储层薄片图像生成与识别方法

刘涛, 刘宗堡, 张可佳, 张岩, 张瑞雪, 刘晓文, 徐翠云

作者信息 +

Author information +

文章历史 +

摘要

利用深度学习技术开展致密砂岩储层薄片图像识别能够有效提高成分鉴定的准确率和效率，是矿物识别的发展趋势。然而，薄片图像采集难度较大、标注成本高和隐私保护等因素导致致密砂岩薄片图像样本稀少，无法满足深度学习图像识别模型的训练需求。为增加样本数量，提升深度学习模型的训练效果，本文以鄂尔多斯盆地临兴区块为靶区，通过结合数据过采样方法和数据变形方法各自的优势，提出一种致密砂岩图像增广方法。首先，改进样式生成对抗网络，以生成高分辨率致密砂岩图像，提升数据多样性；其次，使用数据变形方法，实现带标签图像增广，降低标注成本、扩大数据规模；最后，使用增广后的数据训练BlendMask算法，实现砂岩颗粒的准确识别与精准分割。实验结果表明，该方法相较于同类型对比算法IS(inception score)最高，为2.43,FID(Fréchet inception distance)最小，为22.71，同时，添加生成图像后的识别精度为92.7%，表明本文所提方法在生成图像质量和提高深度学习模型的训练效果方面具有显著优势。