在基于深度学习理论的页岩扫描电子显微镜图像中智能识别微观物质的研究
Ruigang Zhang1,2,3, Xiangru Chen4, Xin Tang5
1Key Laboratory of Coalbed Methane Resources and Reservoir Formation Process, Ministry of Education (China University of Mining and Technology), Xuzhou, 221008, China.
Scientific reports
|April 6, 2025
概括
这项研究引入了一种改进的深度学习模型,用于智能识别微观物质,在扫描电子显微镜上扫描页岩的图像. 人工智能模型通过自动化图像分析来提高页岩水库评估的效率和准确性.
科学领域:
- 地质地质地质地质地质地
- 材料科学 材料科学 材料科学
- 计算机科学 计算机科学
背景情况:
- 页岩的微观分析对于水库评估至关重要.
- 目前从扫描电子显微镜 (SEM) 图像中手动识别页岩微结构是主观的,对于大规模分析是低效的.
研究的目的:
- 开发一种智能方法,用于在页岩的SEM图像中识别微观物质.
- 通过自动化图像分析,提高页岩水库评估的效率和准确性.
主要方法:
- 利用深度学习理论,特别是基于Yolov8的改进模型,用于分析SEM图像.
- 将优化的Yolov8模型与用于智能物质识别的SEM技术集成.
主要成果:
- 与其他模型相比,改进的深度学习模型表现出优越的性能.
- 实现了高性能指标:精度 (0.94442),回忆 (0.91695),mAP50 (0.9579) 和mAP50-95 (0.71547) 等.
结论:
- 开发的AI方法显著提高了页岩水库评估的效率和准确性.
- 这项技术显示出在医学和材料科学等领域具有更广泛应用的潜力.


