在SEM图像中用于岩石微结构解释的基准数据集和基线方法.
Yao Zhang1,2, Xinming Wu3,4,5, Jiachun You6
1State Key Laboratory of Precision Geodesy, School of Earth and Space Sciences, University of Science and Technology of China, Hefei, 230026, China.
Scientific data
|October 22, 2025
概括
研究人员创建了一个新的数据集岩石扫描电子显微镜 (SEM) 图像. 在此数据集上训练的深度学习模型显著优于岩石微观结构细分的传统方法.
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
- 图像分析 图像分析
背景情况:
- 扫描电子显微镜 (SEM) 图像中岩石微结构的准确细分对于地质分析至关重要.
- 现有的深度学习 (DL) 分段方法受到标记SEM数据集稀缺性的限制.
研究的目的:
- 开发用于岩石微结构的标准化,高质量的SEM数据集.
- 评估和比较DL模型的性能与SEM图像细分的传统方法.
- 为推进自动化岩石图像分析提供基准数据集和代码.
主要方法:
- 开发了一个标准化的SEM数据集,包括泥石,砂石和页岩.
- 应用预处理技术,包括放大标准化,中位数过和自适应式直方图等级.
- 将传统的细分算法与最先进的深度学习模型进行比较.
主要成果:
- 与传统方法相比,深度学习模型在细分复杂的岩石微观结构方面表现出优异的性能.
- 开发的数据集和基准实现方便了可重复的研究.
- 该研究强调了DL在地质SEM图像的自动化分析方面的潜力.
结论:
- 创建一个标准化的SEM数据集显著有助于自动化岩石微结构分析的发展.
- 深度学习模型提供了一种强大的方法,用于精确细分地质SEM图像.
- 数据集和代码的公开发布促进了该领域的进一步进展.


