基于Yolox算法的碳酸盐岩储层溶洞“串珠状”异常反射智能检测

识别碳酸盐岩溶洞的传统方法主要基于地震反射特征分析，对数据的要求较高，普适性不强，效率低下且存在主观因素。利用卷积神经网络(CNN)的特征提取能力识别地质构造方法的研究对象主要是盐丘、断层、地层等大尺度目标，但对于识别溶洞等小尺度构造容易出现误判。由于不同尺度的溶洞在地震剖面上呈不同的反射特征，溶洞与“串珠状”间存在一定的映射关系。因此，可首先在地震剖面上识别相对大尺度的“串珠状”,然后基于“串珠状”与溶洞的映射关系识别溶洞。为此，提出了基于Yolox的“串珠状”目标检测模型网络结构，主要包括特征提取、特征加强、解耦头三个部分。输入地震剖面后，经特征提取得到不同尺度的有效特征，然后输入特征加强网络完成多尺度的特征融合，最后由解耦头获得检测框的信息，经解码后得到“串珠状”异常反射边界的位置并输出检测框。合成地震数据测试及实际地震数据测试结果表明：(1)传统方法以振幅为基础，当“串珠状”处于强同相轴及其附近时难以识别，且高值部分无法反映“串珠状”实际范围；(2)U-Net模型识别结果反映了“串珠状”的位置，但不能获得边界坐标，易将两个很近的“串珠状”误判为一个，识别准确率不高，存在错拾或漏...