一种基于序列分割和识别的岩石薄片鉴定方法

本发明属于岩石薄片鉴定，尤其涉及一种基于序列分割和识别的岩石薄片鉴定方法。

背景技术：

1、砂岩储层作为油气资源的重要载体，一直是石油地质勘探与开发领域中的主要研究对象。岩石薄片鉴定作为评价砂岩储层的基本方法，是石油地质勘探与开发的核心环节，能够揭示岩石的矿物组成、颗粒特征、孔隙结构及其类型等信息。这些信息对于预测储层性质、评估储油潜力以及优化开采策略等方面都具有至关重要的作用。

2、传统的岩石薄片鉴定主要依赖专业的技术人员在光学显微镜下对薄片图像进行观察和分析。但这种方法有其局限性，首先，砂岩图像中矿物颗粒众多，且颗粒的特性各异，要进行详细的分析需要在多个角度下反复观察偏光图像，这无疑增加了大量的人力和时间成本；其次，由于每个人的经验和认知差异，即使是对同一样本的鉴定结果也可能存在差异，这可能导致结果的不一致性；最后，传统的人工方法往往难以精确给出砂岩薄片的定量特征，如矿物颗粒的精确数量、大小、形状和分布等，这在一定程度上限制了我们对储层性质的全面和深入理解。

3、因此，实现岩石薄片的智能识别具有重要的实际意义。首先，它可以大大减少相关技术人员的工作量，提高工作效率，从而节省大量的人力和时间资源；其次，智能识别能够更为准确和客观地进行薄片鉴定，减少人为因素带来的误差，提高鉴定的准确性和一致性；最后，通过计算机的高速计算和大数据处理能力，可以从大量薄片图像中提取出更为丰富和精细的信息，对砂岩储层的评价和预测提供更为深入和全面的视角。这对于提高石油地质勘探与开发的科学性和有效性具有重要价值。

4、计算机视觉和人工智能已经广泛应用于岩石薄片图像的分割和识别，但直接应用于生产实际中砂岩薄片图像分割效果并不理想。针对岩石薄片矿物颗粒的识别这一问题，虽然在一定程度上证实了深度学习技术在岩石薄片自动识别方面的优势，但对于复杂成岩作用下岩石薄片丰富的矿物类型的识别准确性仍有待提高。

技术实现思路

1、针对现有技术中的上述不足，本发明提供的一种基于序列分割和识别的岩石薄片鉴定方法，解决了由于岩石矿物颗粒之间的连接复杂且不同生产环境下颗粒形状各异导致岩石矿物颗粒分割精度不高的问题。

2、为了达到以上目的，本发明采用的技术方案为：本方案提供一种基于序列分割和识别的岩石薄片鉴定方法，包括以下步骤：

3、s1、获取岩石薄片的单偏光图像和正交偏光图像；

4、s2、对所述单偏光图像和正交偏光图像进行岩石矿物颗粒分割处理，并对若干张分割结果进行融合，得到最终分割结果图；

5、s3、根据最终分割结果结合矿物单颗粒正交偏光序列图，利用矿物颗粒分类模型对岩石矿物颗粒进行岩石薄片鉴定。

6、本发明的有益效果是：本发明为从分割到识别为一体的岩石薄片鉴定方法。首先，使用深度学习大模型对岩石矿物颗粒进行分割，并综合多角度下颗粒序列的变化融合分割结果，在提高计算效率的情况下提高了岩石矿物颗粒的分割精确度。其次，结合岩石矿物单颗粒的正交偏光序列变化规律进行对岩石矿物颗粒识别，提高了矿物颗粒的识别准确率，分割和识别准确率的提升，为后续薄片的鉴定工作既节省了人力又提供了有利的支撑。同时，本发明识别结合了颗粒序列的变化特征，设计了一个既能提取特征也能提取关联信息的网络，有效提取了颗粒的多方位的信息，为识别提供了帮助。

7、进一步地，所述s2包括以下步骤：

8、s201、对所述单偏光图像和正交偏光图像进行预处理，得到经预处理后的岩石偏光图像数据集；

9、s202、加载偏光图像微调模型sam，并利用经预处理后的岩石偏光图像数据集对偏光图像微调模型sam进行训练；

10、s203、利用语义分割评价指标对已训练的偏光图像微调模型sam进行评估，并根据评估结果，得到最优的偏光图像微调模型sam；

11、s204、利用最优的偏光图像微调模型sam对岩石矿物颗粒进行分割处理，并对若干张分割结果进行融合，得到最终分割结果图。

12、上述进一步方案的有益效果是：本发明使用多角度的复杂致密岩石偏光图像，对偏光图像微调模型segment-anything-model进行微调、训练，使其分割结果更接近岩石颗粒的实际情况，从而提高岩石矿物颗粒的分割精度。

13、再进一步地，所述s204包括以下步骤：

14、s2041、利用最优偏光图像微调模型sam对岩石偏光图像数据集中一组图像中的一张单偏光图像和五张正交偏光图像进行分割，得到不同的分割结果；

15、s2042、通过对岩石偏光图像不同的mask赋予不同的id值，并将正交偏光图像分割得到的结果转换为label图，得到每张正交偏光的分割标签图，其中，label图为根据分割结果转换得到的标签图，mask为分割结果中的矿物颗粒的轮廓；

16、s2043、遍历单偏光图像分割结果中的轮廓，得到单偏光图像的轮廓中心点；

17、s2044、根据单偏光图像的轮廓中心点，得到分割标签图在其对应位置下正交偏光图像的轮廓；

18、s2045、根据结构相似性算法ssim，计算单偏光图像分割结果中的轮廓与正交偏光图像轮廓的相似性，得到并保存相似度最高的轮廓至最终分割结果图mask_result中；

19、s2046、判断是否遍历完单偏光图像分割结果，若是，则提取正交偏光图像中未被提取的岩石矿物颗粒，并保存至最终分割结果图mask_result中，否则，返回s2041。

20、上述进一步方案的有益效果是：本发明充分考虑单偏光与正交偏光的岩石矿物颗粒特征，结合结构相似性算法ssim，通过基于单偏光与正交偏光序列的分割融合，能有效地克服过分分割或欠分割造成的无法划分一个完成的矿物颗粒问题，使得分割结果更加贴近实际生产情况，精确度更高。

21、再进一步地，所述s2045包括以下步骤：

22、s20451、根据结构相似性算法ssim，计算单偏光图像分割结果中的轮廓与正交偏光图像轮廓之间的相似值；

23、s20452、根据所述相似值，对于单偏光图像分割结果中的轮廓与正交偏光图像轮廓中的每一个轮廓，将与轮廓最相似的轮廓索引添加至列表中；

24、s20453、从列表中查找出现次数最多的索引值，得到并保存相似度最高的轮廓至最终分割结果图mask_result中。

25、上述进一步方案的有益效果是：通过计算单偏光分割的轮廓和5张正交偏光轮廓的结构相似性，充分结合了多个角度下矿物颗粒的轮廓特征，将与其他轮廓最相似的轮廓作为最终结果，保证了分割结果的可靠性。

26、再进一步地，所述s3包括以下步骤：

27、s301、将岩石矿物单颗粒图像作为数据集，其中，所述数据集包括已有类别的岩石矿物单颗粒正交偏光序列图；

28、s302、对所述数据集进行预处理，并划分为训练集和验证集；

29、s303、利用训练集对矿物颗粒分类模型进行训练，并利用验证集对已训练的矿物颗粒分类模型进行验证，得到已训练的矿物颗粒分类模型；

30、s304、基于最终分割结果，获取矿物单颗粒正交偏光序列图；

31、s305、根据矿物单颗粒正交偏光序列图，利用已训练的矿物颗粒分类模型对岩石矿物颗粒进行岩石薄片鉴定。

32、上述进一步方案的有益效果是：本发明考虑到岩石矿物颗粒在正交偏光图像下随角度的变化规律，构建了一个卷积神经网络和循环神经网络结合的矿物颗粒分类模型，能够有效地捕捉和理解颗粒在不同偏光角度下的动态变化，实现对岩石矿物颗粒的精准识别，提高矿物颗粒识别准确率。

33、再进一步地，所述s304具体为：

34、根据最终分割结果，将正交偏光下5个角度的图像视为一个时间序列帧，得到矿物单颗粒正交偏光序列图，其中，所述时间序列帧记录有岩石矿物颗粒在不同角度下的关联信息。

35、再进一步地，所述s305包括以下步骤：

36、s3051、利用卷积神经网络，分别对矿物单颗粒正交偏光序列图中五张正交偏光图像进行特征提取；

37、s3052、将提取的五张特征图进行拼接，并将拼接结果输入至循环神经网络中学习岩石矿物颗粒序列的关联信息，得到岩石矿物颗粒的序列变化信息；

38、s3053、根据岩石矿物颗粒的序列变化信息，对岩石矿物颗粒进行识别，得到岩石矿物颗粒分类结果，完成对岩石薄片的鉴定。

39、上述进一步方案的有益效果是：本发明鉴于岩石矿物颗粒在正交偏光角度下展现的变化信息，使用卷积神经网络对岩石矿物颗粒特征进行捕捉，使用循环神经网络学习矿物颗粒的变化规律，提高了岩石矿物颗粒识别的准确率。