[发明专利]基于TransUNet的岩石薄片图像粒度识别方法、电子设备及存储介质

说明书

本公开涉及一种基于TransUNet的岩石薄片图像粒度识别方法、电子设备及存储介质，所述方法包括：采集岩心薄片图像、数据预处理、特征提取、特征映射、全局上下文建模、逐像素分类、计算损失、迭代训练以及重复执行直到损失函数停止降低时停止训练，得到岩石薄片图像粒度识别transUnet训练模型；利用得到的岩石薄片图像粒度识别transUnet训练模型对DataB数据集中图像进行粒度识别，得到粒度识别后的岩石薄片颗粒表征图像；所述全局上下文建模包括在TransUNet解码器中，进行全局上下文建模，生成增强特征图S3，使用基于Transformer的结构对经由特征映射后获得的特征图S2进行处理，以捕捉特征图S2中岩石薄片图像的全局长距离依赖关系，所述处理包括通过自注意力机制、多头自注意力、层归一化、残差连接以及前馈神经网络对特征图S2中的岩石薄片图像进行处理和分割；本公开实施例能够实现精确的特征提取和全局上下文建模，提高岩石薄片粒度识别的准确性。

技术领域

本公开涉及基础地质研究领域，具体而言，涉及一种对岩石薄片图像粒度进行识别的方法，适用于处理具有复杂粒度的岩石薄片图像。

背景技术

岩石薄片分析是岩石结构和组分等地质学研究的最重要手段之一。通过岩石薄片粒度分析，可以直观的表征岩石学特征，为沉积体系和沉积环境研究提供技术支持。然而，传统的人工岩石薄片粒度识别方法在识别效率、可重复性和准确性方面存在一定的局限性。

针对这个关键问题，多位学者采用深度学习网络对岩心图像进行粒度分割研究，采用了UNet、ResUNet等方法。

如公开号为CN114387328A的中国专利文献公开了一种基于深度学习模型和钻孔岩心图像的RQD计算方法，包括：建立钻孔岩心图像数据集；提取钻孔岩心图像数据集的图像特征，将图像特征输入到UNet深度网络中进行训练，得到EUNet模型；利用EUNet分割模型对钻孔岩心图像进行语义分割，得到岩心区域、背景区域，找出单排钻孔岩心图像；提取单排钻孔岩心图像中所有岩心的轮廓，并统计岩心轮廓像素数量，制作像素波形图，通过像素波形图判断岩心类型；从像素波形图中确定完整岩心的数量及其所在的位置，确定研究区域；进而确定岩心的界线；按照岩心的界线，计算岩心长度，则得到RQD。实现了RQD的智能量化分析，提高地质勘查的效率。

公开号为CN115688590A的中国专利文献公开了一种基于深度学习的多矿物相岩心渗透率预测方法，包括：(a)通过构建三维数字岩心并随机生成孔隙结构,利用图像分割三维数字岩心获取多个多矿物数字岩心图像后；(b)再利用多物理场仿真模拟软件分别模拟求取各多矿物数字岩心图像所对应的渗透率,基于各多矿物数字岩心图像及其所对应的渗透率,构建多矿物数字岩心数据集；(c)再构建SE-ResNet18卷积神经网络,利用多矿物数字岩心数据集训练SE-ResNet18卷积神经网络计算多矿物数字岩心图像所对应的渗透率；(d)将待预测多矿物岩心的图像输入至训练后的SE-ResNet18卷积神经网络中,确定多矿物岩心的渗透率。

然而，现有的这些研究方法受卷积固有的局部性特征限制，基于卷积的方法不能有效的开展长距离建模，无法实现对岩石薄片图像的高精度粒度识别。

发明内容

本公开提出了一种基于TransUNet的岩石薄片图像粒度识别方法、电子设备及存储介质，能够解决背景技术中现有技术不足。

本公开所述的一种基于TransUNet的岩石薄片图像粒度识别方法、电子设备及存储介质，基础方案1：

一种基于TransUNet的岩石薄片图像粒度识别方法，第一步为，采集岩心薄片图像，

得到显示岩石颗粒和孔隙的微观岩石薄片图像；其特征在于，所述方法还包括：

第二步，数据预处理；包括从所述微观岩石薄片图像上截取N张(N150)256*256大小不同位置的图像，将这些图像分为两类数据集，分别是DataA和DataB数据集；