基于YOLO的岩石薄片图像矿物检测研究

作     者：朱斌斌 

作者单位：西安石油大学 

学位级别：硕士

导师姓名：程国建

授予年度：2023年

学科分类：0709[理学-地质学] 07[理学] 070901[理学-矿物学、岩石学、矿床学] 08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：YOLO 矿物检测 岩石薄片图像 多角度融合 

摘      要：岩石薄片图像能够反映出岩石的微观信息,通过对岩石薄片图像进行分析,对其中各种矿物、微观颗粒进行鉴定,对于油气田、地质勘探等地质学研究有重要的意义。由于岩石薄片图像内容复杂,各种矿物颗粒交错,通常需要专业人员通过专业知识和工作经验对薄片进行鉴定工作,人工识别的效率较低,而且容易受到主观因素的影响。随着深度学习的发展,越来越多的领域将深度学习技术应用于自身行业中,并取得了巨大的成效。为了解决传统人工鉴定方法存在的问题,本文提出将深度学习应用于岩石薄片图像的矿物检测工作中,提升岩石薄片图像矿物检测的效率。以下是本文的主要工作内容。本文首先对传统目标检测算法和基于深度学习的目标检测算法进行了分析研究,通过分析各算法的优缺点,针对检测精度、检测速度等各方面考虑,使用YOLOv3模型对岩石薄片图像进行矿物检测。然后对长庆油田提供的砂岩薄片进行图像采集并制作成YOLO数据集,将单偏光图像作为模型输入进行检测,对砂岩中的钾长石、斜长石、孔隙、不透明矿物进行了检测。通过分析发现在仅使用单偏光图像进行检测的情况下,存在斜长石、钾长石的检测精度不足的问题,针对该问题对YOLOv3模型进行了改进,提出Multi-angle-YOLOv3模型,将多个偏光角度下的图像进行输入,然后在YOLOv3的输出层进行预测框的融合,改善了原模型存在的问题。此外,为了进一步提升模型的精度,充分利用岩石薄片在单偏光及正交偏光下的多特征性,引入多特征融合的YOLOv3模型对岩石薄片进行矿物检测工作。使用YOLOv3-SPP和YOLOv3-SE模型对图像进行了检测,再分别与Multi-angle-YOLOv3模型相结合。通过对比实验,得出结论,Multi-angle-YOLOv3-SPP模型对于各种微观颗粒的检测精度相对较高,总体m AP值达到83%,在检测速度上,该模型检测图像时可以处理图片数量达到24张每秒,符合实际应用的要求。最后,为了验证上述模型在岩石薄片图像矿物检测任务上的有效性以及后续的实际应用做支撑,在算法研究的基础上,使用Py Qt5实现了岩石薄片图像矿物检测系统,将训练完成的模型进行了封装,通过简单的操作即可实现砂岩薄片图像的矿物检测工作。