采用机器学习分割算法和扫描电镜分析页岩微观孔隙结构.docx

摘要 以五峰-龙马溪组页岩样品为例,进行拼接扫描电镜(MAPS)和聚焦离子束扫描电镜(FIB-SEM)测试,建立样品二维和三维灰度图像,采用机器学习分割算法划分为孔隙、有机质、矿物骨架和黄铁矿。 根据孔隙周围矿物类型和形状,将孔隙细分为有机孔、无机孔和微裂缝,并统计含量和孔径分布。 结果表明:与常规灰度阈值分割算法相比,该方法准确识别灰度异常区域的组分类型,实现孔径 10~ 200 nm 页岩孔隙的精确划分;受分辨率限制,SEM 图像识别的页岩总孔隙度与有机质含量与实验结果存在差异。 关键词 页岩?；?孔隙结构?；?扫描电镜?；?图像分割?；?机器学习 页岩孔隙类型和结构参数影响储层流体的富集