一种基于深度学习的岩心荧光亮度与面积计算的定级方法

本发明公开了一种基于深度学习的岩心荧光亮度与面积计算的定级方法，S1、形成标注荧光区域数据集和未标注荧光区域数据集；S2、对标注荧光区域数据集和未标注荧光区域数据集中的岩心荧光图像进行预处理；S3、对荧光区域进行分割和标注；S4、构建半监督模型；S5、基于扩展数据集中的标注数据和伪标签数据，利用改进深度卷积神经网络模型对荧光区域的亮度与面积进行量化计算；S6、输出岩心的荧光亮度等级和地质特性评价结果；S7、将定级结果和相关计算数据存储于数据库中，并生成分析报告。本发明能够在提高荧光亮度与面积计算精度的同时，提升大规模数据处理的效率，且能够动态适应不同岩心样本的特性。