王靖翔 张皓森 杨龙 姚泽民

摘要：岩石样本识别是油气勘探中的基础且重要的环节，现有的岩石样本的识别方法有重磁、测井等方法，而基于深度学习的图像识别技术并没有广泛应用于油气勘探之中。因此，本文提出一种基于深度学习的岩石样本识别方法，通过建立岩石样本自动识别分类模型以完成岩石样本的智能识别与分类，首先利用编码技术、数据增强技术和级联分类器技术对图像进行预处理，其次构造卷积神经网络（CNN， convolutional neural network）對岩石样本的进行优化训练，最后测试结果表明岩石样本识别率达到95%左右。研究思路和结果可为油气勘探岩石样本识别提供了一种新的实践思路办法，同时也为其他相关领域起到一定的理论指导意义。

关键词：卷积神经网络;数据增强技术;级联分类器

一、CNN神经网络的建立——数据集与数据预处理

卷积神经网络可以看作由特征提取和模式识别组合而成。特征提取由卷积层和池化层（子采样层）组合形成。卷积层使用卷积核对上一层的输出图像进行卷积操作，卷积核类似于图像处理中所使用的“窗口”，一个卷积核作用于一张图像，经过卷积可以得到一张特征图，卷积操作是卷积核和输入图像上相应大小的区域进行卷积运算，并以一定步长作用于整张图像，一张图像可以使用多个卷积核，提取多个特征。池化层将经过卷积的的图像进行下采样操作，去除图像的多余信息。模式识别层是传统的分类器，通常为多层感知器。……