科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对碳酸盐岩微相分析受人工鉴定经验性和主观性影响，使得传统方法难以准确、客观判识颗粒类型等问题。由此，本文作者提出一种基于深度学习的碳酸盐岩颗粒显微图像识别方法，并以ResNet50为基础网络框架，通过制作数据集、训练模型、预测分类等步骤，设计了一个碳酸盐岩主要颗粒类型自动分类识别模型。利用该模型对生物碎屑、内碎屑、包粒、球粒和团块5种颗粒进行分类识别，再采用混淆矩阵进行评价，结果显示识别准确率达到95%。不仅为碳酸盐岩微相分析提供了新方法，也为深度学习应用于实际碳酸盐岩颗粒分类识别提供了可行性论证，具有一定的实用价值。
-
单位中国石油化工股份有限公司石油勘探开发研究院; 中国石油化工集团公司
