[发明专利]基于机器学习的岩石薄片组分识别方法、装置及介质

说明书

本申请关于一种基于机器学习的岩石薄片组分识别方法、装置及介质，涉及石油地质勘探领域，该方法包括：获取至少一张待测薄片图像；将待测薄片图像输入岩石薄片图像识别模型，输出得到与待测薄片图像的对应的分割区域以及识别结果；基于分割区域与识别结果确定待测薄片样本的几何特征。在对于岩石样本的种类进行确定的过程中，将待测薄片图像输入岩石薄片图像识别模型，获得与待测薄片图像对应的分割区域以及识别结果，最终确定待测薄片样本的几何特征。在进行岩石鉴定的过程当中，借助基于机器学习的神经网络模型，通过对于待测薄片图像中的每个组分区域的分割以及识别，提高了对于岩石薄片中组分的识别效率。

相关申请的交叉引用

本申请要求享有2021年02月08日提交的名称为“一种岩石薄片智能鉴定装置及方法”的中国专利申请CN 202110181773.4和2021年02月10日提交的名称为“一种碳酸盐岩薄片图像中生物的识别方法”的中国专利申请CN 202110182027.7的优先权，其全部内容通过引用并入本文中。

技术领域

本申请涉及石油地质勘探领域，特别涉及一种基于机器学习的岩石薄片组分识别方法、装置及介质。

背景技术

在石油勘探开发的过程中，通常需要通过研究岩石的微观结构的方式，对于石油储层的分布情况进行确定。而在研究岩石的微观结构时，通常对于岩石薄片进行获取，并通过对于岩石薄片的鉴定确定岩石的微观结构。

相关技术中，在从岩石样本上取下岩石薄片后，通常采用偏光显微镜对岩石薄片进行成像和观察，并在岩石薄片显微成像的基础上进行组分区域的人工划分，在从岩石薄片上划分得到组分之后，通过人工识别的方式对于组分的种类进行确定，以确定岩石的微观结构和组成。

然而，由于岩石薄片中的组分区域较多，组分内容复杂，人工划分及识别方式的过程中存在多种不可控的影响因素，相关技术中对于岩石薄片中组分的识别效率较低。

发明内容

本申请关于一种基于机器学习的岩石薄片组分识别方法、装置及介质，能够提高对于碎屑岩组分进行确定的效率。该技术方案如下：

一方面，提供了一种基于机器学习的岩石薄片组分识别方法，该方法包括：

获取至少一张待测薄片图像，待测薄片图像为对待测薄片样本进行拍摄得到的图像，薄片样本为对岩石样本进行切割得到的薄片，待测薄片图像中包括了至少一个表征组分区域的组分图像，组分区域指示一种组分；

将待测薄片图像输入岩石薄片图像识别模型，输出得到与待测薄片图像的对应的分割区域以及识别结果，分割区域用于指示基于组分区域的分割情况，识别结果的数量与分割区域的数量对应，识别结果用于指示分割区域的组分特征类型，岩石薄片图像识别模型为基于机器学习的神经网络模型；

基于分割区域与识别结果确定待测薄片样本的几何特征，几何特征用于表征待测薄片样本的二维结构。

另一方面，提供了一种基于机器学习的岩石薄片组分识别装置，该装置包括：

获取模块，用于获取至少一张待测薄片图像，待测薄片图像为对待测薄片样本进行拍摄得到的图像，薄片样本为对岩石样本进行切割得到的薄片，待测薄片图像中包括了至少一个表征组分区域的组分图像，组分区域指示一种组分；

输入模块，用于将待测薄片图像输入岩石薄片图像识别模型，输出得到与待测薄片图像的对应的分割区域以及识别结果，分割区域用于指示基于组分区域的分割情况，识别结果的数量与分割区域的数量对应，识别结果用于指示分割区域的组分特征类型，岩石薄片图像识别模型为基于机器学习的神经网络模型；

确定模块，用于基于分割区域与识别结果确定待测薄片样本的几何特征，几何特征用于表征待测薄片样本的二维结构。