В связи с высокой субъективностью ручной идентификации в текущем анализе песчаниковых фаций и тем, что традиционные методы обработки изображений часто ориентированы на отдельные задачи и не обладают системной способностью к количественной характеристике, предложено интеллектуальное решение по объединённому анализу изображений тонких срезов, охватывающее процессы и технологии. Построена аналитическая структура песчаниковой фации, включающая три основные характеристики: состав, структуру и пористость, определён стандартизированный путь анализа от изображений тонких срезов до геологических параметров. Интегрируя глубокое обучение и методы обработки изображений, с использованием модели Mask R-CNN обеспечивается точная сегментация обломочных зерен, связанная с моделью MobileNet для классификации состава, а также встроены алгоритмы обработки изображений для систематического извлечения трёх категорий параметров: состав, структура (включая гранулометрический состав, сортировку, округлость и контакт зерен) и пористость (пористость поверхности и диаметр пор). Проверено на образцах песчаников из нескольких бассейнов, результаты показывают: ① высокая точность совпадения объединённого анализа и ручной идентификации ключевых параметров, при этом в сложных случаях, таких как вторичное увеличение кварца, демонстрируется лучшая объективность и точность; ② построенная аналитическая структура песчаника может систематически выдавать «данные фаций», обеспечивая переход от качественного описания к количественному анализу.

обработка изображений;модель Mask R-CNN;модель MobileNet;глубокое обучение;интеллектуальный количественный анализ;песчаниковая фация