基于深度学习的页岩黄铁矿扫描电镜图像分割及环境指示意义:以四川盆地泸州Ⅰ区为例

作     者：邓乃尔 徐浩 周文 唐小川 陈雨露 刘永旸 刘绍军 张益 蒋柯 刘瑞崟 宋威国 DENG Naier;XU Hao;ZHOU Wen;TANG Xiaochuan;CHEN Yulu;LIU Yongyang;LIU Shaojun;ZHANG Yi;JIANG Ke;LIU Ruiyin;SONG Weiguo

作者机构：成都理工大学能源学院(页岩气现代产业学院)四川成都610059 成都理工大学油气藏地质及开发工程全国重点实验室四川成都610059 成都理工大学计算机与网络安全学院(示范性软件学院)四川成都610059 中国石油西南油气田公司页岩气研究院四川成都610051 四川大学电子信息学院四川成都610065 贵州省地质调查院贵州贵阳550081 

出 版 物：《地球科学进展》 (Advances in Earth Science)

年 卷 期：2024年第39卷第5期

页      面：476-488页

核心收录：

学科分类：0709[理学-地质学] 070901[理学-矿物学、岩石学、矿床学] 07[理学] 

基　　金：国家自然科学基金项目(编号:42202189) 四川省自然科学基金项目(编号:24NSFSC4997)资助 

主　　题：黄铁矿 深度学习 沉积环境 泸州Ⅰ区 

摘      要：黄铁矿作为页岩体系中最具代表性的重矿物之一,对其进行微观特征识别对于页岩沉积环境研究具有重要意义。以四川盆地泸州I区五峰组一龙一,亚段为例,通过岩心矿物实验、扫描电镜观测、网络模型优化和特征参数统计,构建了适用于黄铁矿扫描电镜图像分割的网络模型,实现了基于草莓状黄铁矿参数对研究区沉积环境的判断。结果表明:①优化后的UNet-Im模型对草莓状黄铁矿扫描电镜图像的分割精度可达0.863,证明了改进措施的优越性;②对比黄铁矿含量,龙一^(1-3)_(1)小层黄铁矿含量最高,为2.95%,随后降低至龙一^(4)_(1)小层的2.03%以及五峰组的0.83%;③基于草莓状黄铁矿特征参数,推断出黄铁矿沉积环境为深水硫化环境、深水强还原环境、深水强一弱还原环境以及深水还原一次氧化环境。实现了黄铁矿扫描电镜图像的精准化分割,对于提升行业勘探开发智能化具有借鉴意义。