基于空间注意力机制的Mask R-CNN致密储层岩石薄片图像鉴定

摘要

针对陆相致密储层岩石薄片鉴定识别难、制片成本高、时间消耗长和人为主观强等难题，选取鄂尔多斯盆地临兴区块上古生界和松辽盆地三肇凹陷扶余油层为靶区，提出一种基于深度学习的致密油储层岩石薄片人工智能鉴定方法，引入图像预处理技术去除岩石薄片图像噪声并统一图像像素大小，构建空间几何增广机制，基于空间注意力机制改进Mask R-CNN算法，并将上述方法应用于实例靶区进行有效性验证。结果表明：图像预处理技术能够在保障图像特征的前提下，有效提高图像质量，减少噪声干扰；空间几何图像增广机制能够在在一定程度上增加可用样本的数量；基于空间注意力机制的Mask R-CNN算法可以同时完成复杂岩石薄片成分的分割与智能识别工作，分割精度在不同数据集情况下的平均精度为89.2%,整体识别准确率为93%,适用于致密油储层岩石薄片特征鉴定。

关键词

致密储层 / 岩石薄片 / 深度学习 / Mask R-CNN算法 / 分割与识别

基金资助

国家自然科学基金面上项目(42172161); 国家青年科学基金项目(42102173); 中国石油科技创新基金项目(2020D-5007-0102); 黑龙江省优秀青年科学基金项目(YQ2020D001); 黑龙江省自然科学基金项目(LH2020F003); 黑龙江省创新型科研人才培养计划项目(UNPYSCT-2020144)