В связи с высокой субъективностью ручной идентификации в современном анализе палеосостояний песчаников и тем, что традиционные методы анализа изображений чаще сосредоточены на отдельных задачах и не обладают системной количественной характеристикой, предложено интеллектуальное решение для интегрированного анализа изображений шлифов. Построена рамочная система анализа палеосостояний песчаников, включающая три основные характеристики: состав, структура и пористость, определён стандартный путь анализа от изображений шлифов до геологических параметров. Объединяя глубокое обучение и обработку изображений, использована модель Mask R-CNN для точного сегментирования обломочных зерен, модель MobileNet для классификации состава и интегрированы алгоритмы обработки изображений для системного извлечения трёх классов параметров: состав, структура (включая зернистость, сортировку, округлость и связи между зернами) и пористость (площадь пор и диаметр пор). Верификация проводилась на образцах песчаников из нескольких бассейнов. Результаты показали: ① высокое соответствие интегрированных результатов и ручной идентификации по ключевым параметрам с повышенной объективностью и точностью в сложных случаях, таких как увеличение вторичного кварца; ② построенная система анализа песчаников позволяет системно выводить «массив палеосостояний», что представляет собой переход от качественного описания к количественному анализу.

обработка изображений;модель Mask R-CNN;модель MobileNet;глубокое обучение;интеллектуальный количественный анализ;анализ палеосостояний песчаников