一种基于深度学习的页岩微观物质智能检测方法及系统技术方案

本发明专利技术涉及页岩气勘探技术领域，具体涉及一种基于深度学习的页岩微观物质智能检测方法及系统，该方法包括：制作页岩扫描电镜高质量数据集，将数据分为石英、黄铁矿、有机质、有机质孔隙以及无机质孔隙；基于Yolov8目标检测模型，构建Shale‑Yolo目标检测模型，依托迁移学习技术，载入预训练权重，用于训练制作好的高质量数据集，保存训练好的网络模型与权重文件；打开页岩扫描电镜微观物质目标检测软件，导入训练好的网络模型与权重文件；选择导入图片，实现静态图像检测，选择屏幕检测，实现动态屏幕实时识别，静态图像单张处理速度仅需203.1毫秒，屏幕动态实时识速度高达每秒钟91fps，完全能够满足工程应用需求。

【技术实现步骤摘要】

本专利技术涉及石油勘探开发领域及岩石微观物质检测，具体而言，涉及一种基于深度学习的页岩微观物质智能检测方法及系统。

技术介绍

1、随着深度学习技术的快速发展，目标检测模型在图像识别领域取得了显著的成就。在石油勘探领域，页岩扫描电镜图像是一种重要的图像数据类型，用于观察和分析页岩岩石的微观结构和组成。然而，传统的人工分析方法存在着效率低下、主观性强等问题，无法满足快速、精准地识别页岩微观物质的需求。

2、现有技术中，中国专利申请号：cn202210910122.9，一种基于深度学习的页岩孔隙类型检测与分类方法及系统，公开了一种基于深度学习的页岩孔隙类型检测与分类方法及系统,属于石油勘探开发领域岩石物理参数表征
,所述方法包括：制作页岩扫描电镜sem图像孔隙数据集,将数据分为有机孔隙、无机孔隙两类；然后加载yolov3深度卷积神经网络模型的预训练权重,进而利用制作好的页岩扫描电镜sem图像孔隙数据集进行训练,然后将网络模型以及训练好的权重文件保存；最后使用训练好的的模型即权重进行页岩孔隙检测。所述页岩孔隙类型检测与分类方法及系统识别准确率高,本文档来自技高网...

【技术保护点】

1.一种基于深度学习的页岩微观物质智能检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于深度学习的页岩微观物质智能检测方法，其特征在于，所述Shale-Yolo目标检测模型的构建方法包括：

3.根据权利要求2所述的一种基于深度学习的页岩微观物质智能检测方法，其特征在于，所述S2.3中，所述小目标检测层通过卷积操作进行特征提取，以捕获细节和多尺度特征。

4.根据权利要求2所述的一种基于深度学习的页岩微观物质智能检测方法，其特征在于，所述S2.4中，所述Shuffle注意力机制模块是基于Transformer模型中的多头自注意力机制，通...

【技术特征摘要】

1.一种基于深度学习的页岩微观物质智能检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于深度学习的页岩微观物质智能检测方法，其特征在于，所述shale-yolo目标检测模型的构建方法包括：

3.根据权利要求2所述的一种基于深度学习的页岩微观物质智能检测方法，其特征在于，所述s2.3中，所述小目标检测层通过卷积操作进行特征提取，以捕获细节和多尺度特征。

4.根据权利要求2所述的一种基于深度学习的页岩微观物质智能检测方法，其特征在于，所述s2.4中，所述shuffle注意力机制模块是基于transformer模型中的多头自注意力机制，通过对输入序列中的每个位置进行加权求和，生成一个与输入序列相同长度的输出序列。

5.根据权利要求2所述的一种基于深度学习的页岩微观物质智能检测方法，其特征在于，所述s2.5中，所述se注意力机制模块是在卷积神经网络的每个通道上引入一个注意力机制，通过学习每个通道的重要性权重来动态地调整通道特征的权重...

【专利技术属性】
技术研发人员：唐鑫，陈相如，周月蓉，陈秋琦，李林燕，
申请(专利权)人：重庆三峡学院，
类型：发明
国别省市：