摘要
لمواجهة مشكلة الموضوعية العالية للتحديد اليدوي في تحليل الصخور الرملية التقليدية، واعتماد طرق معالجة الصور التقليدية على مهام منفردة ونقص القدرة على التوصيف الكمي المنهجي، نقترح حلاً ذكيًا لتحليل صور الشرائح الرقيقة يدمج بين العمليات والتقنيات. من خلال بناء إطار لتحليل الصخور الرملية يشمل ثلاث خصائص رئيسية: التركيب، الهيكل والمسامات، نحدد مسارًا معياريًا لتحليل الصور وصولاً إلى المعلمات الجيولوجية. باستخدام دمج التعلم العميق وتقنيات معالجة الصور، تم استخدام نموذج Mask R-CNN لتحقيق فصل دقيق للحبيبات المفتتة، واعتمد نموذج MobileNet لتصنيف المكونات، بالإضافة إلى استخراج نظامي لمكونات وخصائص الهيكل (بما في ذلك حجم الحبيبات، الفرز، الاستدارة وعلاقات تلامس الحبيبات) والمسامات (نسبة المسام وقطرها). تم التحقق من النتائج باستخدام عينات من صخور رملية من أحواض متعددة، وأظهرت النتائج: ① اتفاق عالي مع التحديد اليدوي في المعلمات الرئيسية، وأداء متفوق من حيث الموضوعية والدقة في الحالات المعقدة مثل تكبير الكوارتز الثانوي؛ ② إطار تحليل الصخور الرملية المطور قادر على إخراج "هيكل بيانات الصخور" بشكل منهجي، مما يمكّن من التحول من الوصف النوعي إلى التحليل الكمي.
关键词
معالجة الصور;نموذج Mask R-CNN;نموذج MobileNet;التعلم العميق;التحليل الكمي الذكي;تحليل الصخور الرملية
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