一种基于深度学习的矿物自动分割方法

本发明公开了一种基于深度学习的矿物自动分割方法，所述方法包括：图像的预处理，根据矿物化学性质和物理特征将QEMSCAN图像中的多种矿物进行合并；深度学习模型的训练与标签制作，将页岩SEM图像切割成图片，作为训练集、验证集和测试集，QEMSCAN图像切割成图片，作为标签，输入到Swin‑Transformer模型中进行训练，用验证集模型调节参数，测试集测试模型分割矿物精度；使用Swin‑Transformer模型分割矿物前建立对应的函数关系式将SEW图像的灰度和CT图像灰度校正到一致，再对页岩CT图像矿物进行分割，最后统计分割后各矿物体积分数与矿物X射线衍射分析报告中的质量分数转换为的体积分数对比，验证模型分割的矿物结果是否准确。本发明能够实现对矿物图像做出合理的分割。