摘要
في ضوء المشاكل الموجودة في تحليل الصخور الرملية الحالي حيث يتسم التحديد اليدوي بالذاتية العالية، وتتركز طرق تحليل الصور التقليدية على مهام فردية مع نقص في القدرة على التوصيف الكمي المنهجي، تم اقتراح حل ذكي لدمج صور الشرائح يشمل العمليات والتقنيات. من خلال بناء إطار تحليلي لعلم صخور الرمل يحتوي على ثلاث خصائص رئيسية وهي المكونات، البنية، والمسامات، تم تحديد مسار تحليل معياري من صور الشرائح إلى المعلمات الجيولوجية. يجمع الحل بين التعلم العميق وتقنيات معالجة الصور، حيث يستخدم نموذج Mask R-CNN لتقسيم حبيبات الحطام بدقة، ويرتبط مع نموذج MobileNet لإجراء تصنيف المكونات، ويتم دمج خوارزميات معالجة الصور لاستخراج ثلاث فئات رئيسية من المعلمات وهي: المكونات، البنية (بما في ذلك حجم الحبيبات، الترتيب، الاستدارة، وعلاقات اتصال الحبيبات) والمسامات (نسبة المسام وحجم المسام). تم التحقق من الحل باستخدام عينات من صخور رملية من عدة أحواض، وأظهرت النتائج: ① توافق عالٍ بين التحليل المدمج والتحديد اليدوي للمعلمات الرئيسية، مع تفوق في الموضوعية والدقة في الحالات المعقدة مثل زيادة الكوارتز الثانوي؛ ② الإطار التحليلي المقترح قادر على إنتاج "مجموعة بيانات صخور" بشكل منهجي، محققًا تحولًا من الوصف النوعي إلى التحليل الكمي.
关键词
معالجة الصور;نموذج Mask R-CNN;نموذج MobileNet;التعلم العميق;التحليل الكمي الذكي;علم صخور الرمل
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website