Исследователи применили нейросети для анализа кварцевого песчаника
17 сентября 2026 г.
Предложен метод автоматизированного анализа участков шлифов песчаника с карбонатным цементом на основе глубокого обучения. Статья опубликована в Russian Journal of Earth Science.
Авторами стали Р. Ф. Ахметов1, Т. А. Муртазин1, В. П. Морозов1, Д. Н. Тумаков1, В. А. Судаков1, Д. К. Нургалиев1, З. Д. Каюмов2 (1Казанский федеральный университет, 2ООО «Геопай»).
Исследование шлифов – пластинок горной породы, изготовленных для изучения с помощью микроскопа, – позволяет делать выводы о геологическом строении, условиях образования осадочных отложений и определении коллекторских свойств пород. Анализ посредством осмотра под микроскопом может быть сложной задачей с учётом разнообразия и уникальности оптических свойств минералов. Современные технологии предоставляют более эффективные инструменты изучения пород.
Целью нового исследования стала разработка метода автоматизированного анализа участков шлифов кварцевого песчаника с карбонатным цементом с применением нейронных сетей.
Материалом для обучения нейросети послужили шлифы песчаника с кальцитовым цементом пашийского горизонта верхнего девона эльфельско-франского терригенного нефтегазоносного комплекса Южно-Татарского свода. Карбонатный песчаник обладает сложной микроструктурой и разнообразными минеральными составами. Его анализ важен как для геологии, так и для нефтяной промышленности.
Исследователи разработали комбинированный подход, который объединил две модели: Mask R-CNN для экземплярной сегментации и SemanticFPN для семантической сегментации. Применение ансамблевого подхода обеспечило высокую точность сегментации, подтверждённую метриками Pixel Accuracy и IoU.
По словам исследователей, новый метод позволяет значительно ускорить обработку петрографических данных, повысить их объективность и воспроизводимость. Это представляет практическую ценность для геологических и нефтегазовых исследований.
Метки: освоение недр, RJES, компьютерные технологии