Frente al problema de la alta subjetividad en la identificación manual dentro del análisis de facies de areniscas actuales, y al hecho de que los métodos tradicionales de análisis de imágenes se centran en tareas individuales y carecen de capacidad sistemática para la caracterización cuantitativa, se propone un esquema inteligente de análisis fusionado de imágenes de láminas delgadas que abarca procesos y tecnologías. Construyendo un marco analítico para la facies de arenisca que incluye tres características principales: composición, estructura y porosidad, se define una ruta estandarizada de análisis desde la imagen de la lámina delgada hasta parámetros geológicos. Fusionando aprendizaje profundo y técnicas de procesamiento de imágenes, se utiliza el modelo Mask R-CNN para segmentación precisa de granos detríticos, combinado con el modelo MobileNet para clasificación de composición, e integrado con algoritmos de procesamiento de imágenes para extraer sistemáticamente tres categorías principales de parámetros: composición, estructura (incluyendo tamaño de grano, clasificación, redondez y relaciones de contacto entre partículas) y porosidad (porosidad superficial y diámetro de poros). La validación con muestras de areniscas de varias cuencas mostró que: ① los resultados del análisis fusionado coinciden altamente con la identificación manual en parámetros clave, mostrando mejor objetividad y precisión en situaciones complejas como el aumento secundario de cuarzo; ② el marco analítico construido puede producir sistemáticamente un “cuerpo de datos de facies”, logrando una transición del análisis cualitativo al cuantitativo.

procesamiento de imágenes;modelo Mask R-CNN;modelo MobileNet;aprendizaje profundo;análisis cuantitativo inteligente;facies de areniscas