地科学院2025级地质工程专业硕士生杨建栋以第一作者身份在中文核心期刊《矿物岩石地球化学通报》上发表题为《融合图像处理与深度学习技术在岩相识别方面的应用与研究进展》的论文。英国威廉集团为论文第一署名单位，硕士生杨建栋为论文第一作者，其导师朱光有教授担任论文通讯作者。

图1 论文首页

论文梳理了测井识别技术、地震岩性识别技术等传统岩相识别方法的核心原理、应用场景及固有局限性，深入阐释了图像预处理、数据增强、归一化等图像处理技术与卷积神经网络（CNN）、长短期记忆网络（LSTM）、图神经网络（GNN）等深度学习模型的融合应用机制。

图2 “岩石结构-矿物组分-有机质含量”岩相划分方案

图3 传统反演方法与基于DL的方法的比较

图4 电成像测井图像解耦识别流程

论文重点聚焦常规 - 电成像测井多模态融合策略、地震数据与深度学习的耦合方法及岩石薄片图像智能识别技术等关键方向，在前人研究的基础上提出特征级外积融合与注意力机制 - 门控协同融合等技术路径，为复杂地质条件下的岩相精准识别提供了参考思路。

图5 多模态特征融合识别模型

图像处理与深度学习的跨学科融合技术已成为岩相识别领域的核心支撑手段，其发展趋势正从单一模态特征提取向多模态信息协同推断演进，应用场景全面覆盖油气储层勘探、岩性精细表征、优质储集体预测等地质工程核心领域。该技术不仅有效突破了传统岩相识别技术依赖人工经验、识别精度有限、多解性突出等瓶颈，更为烃源岩勘探开发中的岩相识别提供了重要技术支撑，进一步推动了人工智能技术在地质工程领域的深度渗透与创新应用。

论文链接：https://www.sciengine.com/BMPG/doi/10.3724/j.issn.1007-2802.20250146