基于Debseg-Net的岩屑图像语义分割

摘要：

岩屑的岩性识别是地质工作中的一项重要内容.为解决传统人工鉴别岩性的低效问题和通用机器学习模型在岩屑岩性识别上的不适用性,包括准确率欠佳、网络参数冗杂、网络效率低下,针对岩屑图像的特征设计了一种岩屑图像的语义分割网络Debseg-Net,该网络采用编解码结构,卷积与转置卷积结合实现对岩屑图像特征的提取与像素级分类,采用深度可分离卷积减少参数量从而可进一步加深网络,使用跳级连接避免迭代过程中的信息丢失.同时提出了一种高效的岩屑图像自标记方法.经多次实验,Debseg-Net在10口探井收集的640张共计5类岩屑图像数据集上,识别准确率达到98.43％,平均交并比达到90.01％,领先同类型分割网络2.59％ ～7.04％,在实现数字化岩屑录井进程中提供了方法.

关键词：语义分割网络、岩屑图像、深度学习、岩性、深度可分离卷积

所属期刊栏目：22

分类号：TP391.4(计算技术、计算机技术)

资助基金：新疆自治区创新人才建设专项自然科学计划;湖北省科技示范项目;长江大学教育部、湖北省非常规油气合作创新中心UOG2020-10

在线出版日期：2022-11-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：12927-12935