[发明专利]基于机器学习的岩石薄片图像分割方法、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图像分割方法、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分割模型，输出得到与待测薄片图像对应的分割图像；基于分割图像生成与待测薄片图像对应的分割结果。在对于待测薄片图像进行鉴定的过程中，通过基于Mask‑RCNN网络的岩石薄片图像分割模型，对于待测薄片图像进行分割，以分割图像的形式以组分图像为基准的，对于待测薄片图像进行分割的分割结果。在应用计算机中的图像分割方式代替人工分割方式的基础上，引入了用于图像处理的基于机器学习的Mask‑RCNN网络模型，对待测薄片图像中的组分区域提供了更好的划分指导，提高了分割结果的准确率。

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CN202110182027.7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图像分割方法、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，通常方法是对岩石薄片进行获取，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，通常对岩石薄片进行摄影，得到岩石薄片图像，并借助计算机设备对于岩石薄片图像进行分析与分割，在一个示例中，在对于岩石薄片图像进行分割时，通常通过人工标注的方法，在计算机设备上输入划分指令，以对于不同的组分位置进行分割，并进而确定岩石的微观结构。

然而，由于岩石薄片的性质复杂，基于相关技术中的方法对于岩石薄片图像进行分割时，获得的分割结果的准确率较低。

发明内容

本申请关于一种基于机器学习的岩石薄片图像分割方法、装置及介质，能够提高对于岩石薄片图像进行分割时，获得的分割结果的准确率。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图像分割方法，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至少两个表征组分区域的组分图像；

将待测薄片图像输入岩石薄片图像分割模型，输出得到与待测薄片图像对应的分割图像，岩石薄片图像分割模型为基于机器学习的Mask-RCNN网络模型，分割图像中包括至少两个分割区域，分割区域用于指示组分图像的分割情况；

基于分割图像生成与待测薄片图像对应的分割结果，分割结果包括与薄片样本对应的组分图像数量、与薄片样本对应的组分区域分布密度以及与薄片样本对应的组分区域大小中的至少一种。

另一方面，提供了一种基于机器学习的岩石薄片图像分割装置，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，所以待测薄片图像中包括至少两个表征组分的组分图像；

输入模块，用于将待测薄片图像输入岩石薄片图像分割模型，输出得到与待测薄片图像对应的分割图像，岩石薄片图像分割模型为基于机器学习的Mask-RCNN网络模型，分割图像中包括至少两个分割区域，分割区域用于指示组分图像的分割情况；

生成模块，用于基于分割图像生成与待测薄片图像对应的分割结果，分割结果包括与薄片样本对应的组分数量、与薄片样本对应的组分分布密度以及与薄片样本对应的组分大小中的至少一种。