基于人工智能的储层荧光薄片含油性、成熟度的评价方法

本发明提供一种基于人工智能的储层荧光薄片含油性、成熟度的评价方法，首先采集含油荧光影像数据及对应RO值构建图像库，然后对数据预处理，用卷积神经网络提取特征，聚类分析并可视化找出异常图像再标准化处理后保存，以达到尽量减小不同环境和设备造成的误差。接着进行含油区域划分，转换颜色空间后依阈值提取，对掩码处理并过滤形状去除油浸矿物，检测边缘后提取区域并保存图像。再进行多维特征融合提取，包括颜色、灰度、纹理特征的提取与处理。之后搭建1D卷积神经网络模型，输入特征并优化参数。最后构建模型预测成熟度和含油性，调整维度后输入模型。本发明结合深度学习与计算机视觉，有高效、准确、多维度融合等优点。