融合图像处理与深度学习的亮晶颗粒灰岩岩相学分析应用

针对传统碳酸盐岩薄片鉴定基于肉眼观察和描述,存在主观性强、定性评价为主、定量困难等问题,以亮晶颗粒灰岩为对象,设计了涵盖流程与技术的智能化岩石薄片图像信息挖掘模型。通过岩相学分析框架构建了岩相特征与薄片图像之间的映射关系。融合图像处理和深度学习设计了全流程的特征提取算法。通过卷积神经网络获得结构组分特征中对颗粒类型的定性识别,即基于改进的ResNet50模型划分颗粒所属类别(内碎屑、生物碎屑、包粒、球粒和团块)。通过数字图像处理技术获得结构组分特征中对颗粒含量、粒径、形状、接触方式的定量识别,即基于阈值分割计算颗粒含量,基于最小外接圆/最小外接矩形,结合面积比/长宽比、交并比(IoU)等算法计算颗粒形态学参数,并通过对染色图像的HSV色彩空间处理获得矿物组分特征中对方解石和其他矿物组分的定性和定量识别。以顺X井亮晶颗粒灰岩薄片样品为例,通过完整的图像识别过程验证了各个特征点提取算法的有效性,并与人工鉴定报告进行对比。岩相学分析框架能够有效地表征亮晶颗粒灰岩中的有意义信息。通过岩相学分析框架结合图像分析算法的模式,实现了对这一类碳酸盐岩的规范化流程化智能鉴定,为岩石薄片图像智能识别研究提供有效的方法支撑。     

四川盆地中二叠世岩相古地理及其油气地质意义

近期四川盆地中二叠统陆续取得勘探发现,展现出很大的勘探潜力。中二叠世该区构造—沉积分异明显,导致油气成藏规律复杂,层序岩相古地理的重建对认识构造—沉积演化、沉积建造和油气勘探具有重要意义。通过综合油气勘探成果、典型钻井及野外露头资料,并以三级层序为最小纵向编图单元,重建了四川盆地中二叠世栖霞—茅口期各层序的岩相古地理。四川盆地中二叠统可划分为5个三级层序,即SQq1(梁山组—栖一段B)、SQq2(栖一段A—栖二段)、SQm1(茅一段—茅二段C)、SQm2(茅二段B—A)和SQm3(茅三—茅四段)。SQq1和SQm1沉积期总体以海侵和填平补齐过程为主,盆内局部古高地存在点状、带状滩体;SQq2、SQm2和SQm3沉积期以持续海退、地貌分异为主,盆缘发育镶边的碳酸盐岩台地沉积体系,台内可形成较大规模多个滩体;SQq2沉积期是中二叠世主要成滩期,较漫长的海退过程和局部块体升降,促使川西台缘、川中南部台内形成较大规模多个滩体;SQm3沉积期在盆地北部沉积分异明显加剧,全面转换为台缘—斜坡—陆棚的隆凹相间沉积分异格局;SQq2和SQm3沉积期高位体系域(HST)的台缘、台内滩体为白云石化、溶蚀等后期建设性成岩改造提供了物质基础。坡折带地貌的刻画和台缘、台内滩体预测应成为下一步勘探研究的重点。     

基于卷积神经网络的碳酸盐岩生物化石显微图像识别

碳酸盐岩薄片中的生物化石识别对判断沉积环境研究具有重要的意义,但传统的人工鉴定方法对经验要求高,受主观影响较大。该文提出一种基于ResNet卷积神经网络的碳酸盐岩生物化石显微图像识别方法,通过图像预处理、设计模型、训练模型等步骤,实现了薄片图像中生物化石的智能识别,识别准确率为86%;并同时提出进阶YOLO（You Only Look Once）目标检测模型,可实现薄片图像中生物化石所在区域的检测和识别,识别准确率为85%。该方法验证了使用数字图像处理和深度学习方法对碳酸盐岩生物化石显微图像进行智能识别的可行性,可作为传统人工鉴定方法的有益补充,具有一定的实际应用价值。