基于深度学习的岩心裂缝分割研究.pdfVIP

摘要

岩心裂缝在地质学、油气勘探、地下水资源开发利用以及地震研究中占据着不

可替代的地位，对其进行准确提取具有显著的研究价值和现实意义。过去对于岩心

裂缝的识别主要依赖于人工判断辅以传统图像处理方法，这种方法受制于地质录

井人员的专业素养，存在较大的主观性和局限性，难以在大范围内应用。随着智能

技术和计算能力的迅速发展，岩心裂缝的识别方法已经由传统图像处理向基于深

度学习技术的应用转变。尽管基于深度学习的图像分割方法在多个方面表现优异，

但在岩心裂缝识别方面仍面临数据依赖性强、计算资源需求高等挑战。

为了克服岩心裂缝数据集获取难，数据背景复杂性高等问题，本文研究首先通

过图像筛选、数据增强、逐像素标注和图像切割等预处理操作，建立了适合深度学

习训练的岩心裂缝数据集。针对岩心裂缝特征和分割难点，设计了一种改进的U-

Net模型，编码器部分采用更加高效、特征提取效果更好的VGG16网络，同时利

用迁移学习的训练策略，加快模型的收敛速度并提高分割效率；其次，使用

BCEwithlogitLoss损失函数平衡图像中裂缝像素与背景像素不平衡问题。为提升模

型对于细微裂缝、网状裂缝分割的完整性和平滑度，设计在模型跳跃连接中加入全

局注意力机制，同时在编码器末端嵌入空