在地球深部，巖石并非總是完整一塊。在巨大的壓力和漫長的地質(zhì)時(shí)間里，一種被稱為“縫合線”(Stylolites)的復(fù)雜結(jié)構(gòu)在巖石中悄然形成。它們看起來像不規(guī)則的鋸齒狀縫合面，通常填充著黏土、黃鐵礦等不溶于水的殘留物，顏色比周圍巖石更深。在油氣田、二氧化碳封存或氫氣地下儲(chǔ)庫中，這些微小的結(jié)構(gòu)扮演著至關(guān)重要的角色：有時(shí)它們是阻擋流體流動(dòng)的“屏障”，有時(shí)卻又成為流體遷移的“高速公路”。因此，精確識(shí)別和表征巖心中的縫合線，是預(yù)測地下流體如何流動(dòng)、評估儲(chǔ)層性能的關(guān)鍵一步。

然而，傳統(tǒng)的巖心分析依賴于地質(zhì)學(xué)家在巖心庫里手動(dòng)觀察、描述成千上萬張巖心照片，這個(gè)過程不僅勞動(dòng)強(qiáng)度大、耗時(shí)漫長，還難免帶入個(gè)人主觀偏差。盡管巖心掃描技術(shù)已實(shí)現(xiàn)數(shù)字化存檔，但高效處理這些海量圖像、自動(dòng)提取地質(zhì)信息的工作流程仍然欠缺。以往的研究多聚焦于利用機(jī)器學(xué)習(xí)識(shí)別裂縫，而對同樣重要的縫合線的自動(dòng)識(shí)別，幾乎是一片空白。發(fā)表在《Applied Computing and Geosciences》上的這項(xiàng)研究，正是為了填補(bǔ)這一空白。研究團(tuán)隊(duì)開發(fā)了一套全新的混合深度學(xué)習(xí)工作流程，首次實(shí)現(xiàn)了對全巖心圖像中縫合線和裂縫等特征的完全自動(dòng)化識(shí)別與分類，將地質(zhì)學(xué)家從繁重的肉眼判讀中解放出來，為數(shù)字巖心分析樹立了新標(biāo)桿。

為開展此項(xiàng)研究，研究人員運(yùn)用了多項(xiàng)關(guān)鍵技術(shù)方法。首先，研究數(shù)據(jù)來源于中東地區(qū)一個(gè)碳酸鹽巖儲(chǔ)層三口井的約150米巖心RGB照片。技術(shù)核心是一個(gè)兩階段混合框架：第一階段，利用基于YOLOv5架構(gòu)的目標(biāo)檢測模型，自動(dòng)從包含多個(gè)巖心的原始圖像中定位并裁剪出單個(gè)巖心段，實(shí)現(xiàn)背景去除和巖心區(qū)域提取。第二階段，將裁剪后的巖心圖像進(jìn)一步分割成1827個(gè)小圖塊(300×300像素，對應(yīng)6.2×6.2厘米)，并人工標(biāo)注為縫合線、裂縫、水平巖心塞、垂直巖心塞和完整巖石五類。為解決數(shù)據(jù)不平衡問題，采用了翻轉(zhuǎn)、旋轉(zhuǎn)、亮度對比度調(diào)整等數(shù)據(jù)增強(qiáng)技術(shù)，將數(shù)據(jù)集擴(kuò)增至約16000張圖像。最后，使用在ImageNet數(shù)據(jù)集上預(yù)訓(xùn)練的ResNet-50和ResNeXt-50兩種卷積神經(jīng)網(wǎng)絡(luò)(CNN)架構(gòu)，在增強(qiáng)后的數(shù)據(jù)集上進(jìn)行微調(diào)，以完成最終的圖像分類任務(wù)。訓(xùn)練中采用了dropout和自適應(yīng)學(xué)習(xí)率調(diào)度等正則化技術(shù)以防止過擬合。

YOLOv5模型成功實(shí)現(xiàn)了對原始全巖心圖像中巖心段邊界以及水平、垂直巖心塞位置的自動(dòng)檢測與框選。該模型的損失函數(shù)、精度和mAP_0.5曲線在約120個(gè)訓(xùn)練周期后趨于穩(wěn)定，未出現(xiàn)過擬合跡象，表明其檢測性能可靠，為后續(xù)分類任務(wù)提供了高質(zhì)量的預(yù)處理數(shù)據(jù)。

直接應(yīng)用在ImageNet上預(yù)訓(xùn)練的ResNet-50和ResNeXt-50模型到巖心分類數(shù)據(jù)集，初始驗(yàn)證準(zhǔn)確率分別為63%和78%。但兩者均在約150個(gè)周期后出現(xiàn)驗(yàn)證損失上升，表明存在過擬合，需要進(jìn)行網(wǎng)絡(luò)調(diào)優(yōu)。

通過對預(yù)訓(xùn)練網(wǎng)絡(luò)進(jìn)行微調(diào)，并結(jié)合動(dòng)態(tài)學(xué)習(xí)率調(diào)整與dropout正則化，有效抑制了過擬合。調(diào)優(yōu)后的ResNet-50和ResNeXt-50模型在驗(yàn)證集上的準(zhǔn)確率分別提升至80%和92%，其中ResNeXt-50在約250個(gè)周期后達(dá)到穩(wěn)定，性能更優(yōu)。對ResNeXt-50的混淆矩陣分析顯示，模型對“完整巖石”和“垂直巖心塞”的分類非常準(zhǔn)確（正確率>99%），而“縫合線”和“裂縫”之間存在一定的誤判（例如，部分裂縫被誤判為縫合線），這主要是由于兩者在二維巖心圖像中視覺特征相似所致。

本研究成功開發(fā)并驗(yàn)證了一套基于YOLOv5目標(biāo)檢測與ResNeXt-50圖像分類的混合深度學(xué)習(xí)工作流程，首次實(shí)現(xiàn)了對碳酸鹽巖全巖心圖像中縫合線、裂縫等關(guān)鍵地質(zhì)特征的自動(dòng)化識(shí)別與分類。該方法的核心貢獻(xiàn)在于：1) 全自動(dòng)化：通過YOLOv5自動(dòng)定位巖心，省去了繁瑣的手動(dòng)裁剪步驟，極大提升了處理效率；2) 高精度：微調(diào)后的ResNeXt-50模型在未見過的全巖心圖像上取得了92%的最佳分類準(zhǔn)確率，證明了深度學(xué)習(xí)在此類復(fù)雜地質(zhì)圖像識(shí)別中的強(qiáng)大能力；3) 解決實(shí)際難題：直接針對了常規(guī)巖心分析(CCAL)中勞動(dòng)密集、主觀性強(qiáng)、縫合線識(shí)別缺失的痛點(diǎn)，為地質(zhì)學(xué)家提供了強(qiáng)有力的輔助工具。

這項(xiàng)研究的深遠(yuǎn)意義在于，它為地下儲(chǔ)層表征，特別是涉及氫氣、二氧化碳或天然氣儲(chǔ)存的流體流動(dòng)模擬，提供了更準(zhǔn)確、更客觀的地質(zhì)特征數(shù)據(jù)基礎(chǔ)。自動(dòng)化的分類結(jié)果可沿井深生成連續(xù)的“特征圖譜”，快速指示縫合線、裂縫的發(fā)育層段，從而更好地評估其對儲(chǔ)層滲透性各向異性的影響。盡管當(dāng)前方法尚不能量化單個(gè)圖塊內(nèi)的特征數(shù)量，但未來的工作可引入實(shí)例分割或語義分割技術(shù)來實(shí)現(xiàn)這一功能。總之，該研究標(biāo)志著巖心分析向智能化、數(shù)字化轉(zhuǎn)型邁出了堅(jiān)實(shí)的一步，為地質(zhì)科學(xué)的計(jì)算分析開辟了新的道路。