1 引言

油气资源作为社会发展的重要物质基础, 人们对于油气资源的需求和要求, 随着科技的发展和社会的进步, 不断提高. 油气勘探和开采技术也获得了广泛关注, 掌握高效的油气勘探和开采技术, 不仅可以减少人力物力的损耗, 还可以提高油气开采的效率. 在当前的油气勘探过程中, 岩屑录井是岩性鉴定和油气评估最及时和直接的基本技术. 钻井时, 按照特定的取样间隔和延迟时间进行操作, 连续收集和记录被钻头击碎并被钻井液携带上来的岩屑, 并对岩屑样本进行系统地描述, 保存和识别, 通过对岩屑的判断和分析来确定地下岩石的性质, 划分岩性和地层, 从而判断和评估地层所含油气的情况^[1]. 传统的岩屑识别方法是人工鉴定识别, 由具有专业地质知识的鉴别人员通过肉眼, 嗅觉或触觉来进行鉴定, 有时也会借用扫描仪或光谱仪等仪器进行辅助. 传统的人工岩屑鉴定方法存在着效率低, 受主观影响因素较大, 对专业人员要求高等问题, 无法满足当今的岩屑识别鉴定工业应用的需求. 为解决这些问题, 岩屑识别和鉴定向着计算机自动化方向发展^[2].

随着计算机的普及和机器学习的发展, 各种效果较好的图像分类算法^[3–7]被提出并取得显著的效果, 在岩屑样本的识别领域也得到了广泛的应用, 许振浩等人^[8]结合深度学习网络ResNet, 提出了一种基于岩石图像迁移学习的岩性智能识别方法, 可用于岩石岩性的快速自动识别. 谭永健等人^[9]利用Xception神经网络, 结合迁移学习, 实现了岩石图像的自动化分类方法. Wang^[10]基于深度学习方法VGG16, 构建了测井工作中岩屑岩性的智能识别模型, 可实现岩石图像的自动识别. Wu等人^[11]构建了一种基于特征融合的岩屑图像识别模型, 将颜色校正后的图像进行特征提取, 可以有效提高模型识别准确率. Lu等人^[12]将岩屑图像的颜色和深度(RGB-D)信息进行结合, 提出了一种图像融合算法, 用于分割多尺度颜色图像. 由于岩屑样本可能具有复杂的纹理, 颜色和形态特征, 需要更为复杂的特征提取和表示方法, 基于图像分类算法在细小样本的岩屑识别任务中表现不佳.

对于岩屑录井采集到的岩屑样本通常呈粉末状, 颗粒细小, 岩屑颗粒边缘以及纹理特征差异较细小, 并且成像时一张图片中会含有多种不同岩性的岩屑, 因此逐像素分类的语义分割网络^[13–15]在岩屑识别和鉴定中得到广泛应用. Zhou等人^[16] 提出了一种解决渣土图像的自动分割和估计碎石的大小和形状方法, 该方法由具有多尺度输入和边输出的双U-Net (MSD-UNet)和后处理算法组成. Zhang等人^[17]提出了一种基于深度学习的岩屑分割方法, 利用语义分割网络 MobileNetV3 UNet (M3-UNet)对岩屑图像的含油区域进行自动分割, 进行岩屑含油量的定时定量分析. 覃本学等人^[18]针对岩屑图像的特征设计了语义分割网络Debseg-Net用于岩屑图像得到岩性鉴定, 对于复杂状况下的岩性鉴定泛化性不足. 孙杰等人^[19]设计了一种用于岩屑图像实时语义分割的神经网络模型, 对于岩屑图像密集的分割仍然存在不足. 董帅^[20]提出了一种改进的MultiRes-UNet++语义分割算法, 实现了岩屑图像的自动识别和鉴定, 但是对于边界模糊和贴合紧密纹理色泽相近的岩屑群体没有办法做到准确分割. Ogunkeye等人^[21]利用 Detectron2 框架中最先进的Mask R-CNN 深度学习算法, 捕捉岩石的全局特征, 从而仅凭岩石图像就能更高效地识别岩石颗粒. Huo等人^[22]基于UNet++ 分割模型的 MultiRes 模块概念, 提出了基于深度学习的改进端到端 UNet++ 图像语义分割模型, 实现岩屑图像的自动分割.

因此, 针对岩屑录井工作中的效率低, 易受干扰等问题, 且为了满足其实际的工作需求, 本文将深度学习主流语义分割网络应用于此项工作中, 提出了一种实时岩屑图像分割和识别方法: DAF-STDC (real-time debris segmentation with attention module and feature fusion based on STDC). 实验结果表明, 本方法识别准确率高, 可用于岩屑录井工程中的岩性识别.

2 本文模型 2.1 DAF-STDC模型框架

由于岩屑识别任务对效率要求较高, 为了满足实际工业应用的需求, 需要一个精度良好, 计算量较小的模型. 因此, 本文经过多次模型实验, 借助表现较好的短时密集串联网络(short-term dense concatenate network, STDC network)^[23], 搭建网络模型与多个语义分割模型在自制屑图像数据集RC_Dataset上进行对比实验, 最终得到在精度和计算量上更具优势的DAF-STDC网络模型, 其结构如图1所示.

DAF-STDC使用传统语义分割网络的编解码结构, 编码器部分负责特征提取, 是使用改进短时密集串联模块(short-term dense concatenate module, STDC module)构建的网络, 该网络共有5个Stage, 为了减少网络计算量, Stage1和Stage2中只包含1个卷积层, 其余Stage中包含若干个改进后的STDC模块, 其中第1个STDC模块包含步长为2的下采样操作, 其余STDC模块保持特征图尺寸不变. 该模块通过少量参数就可获得不同大小的感受野以及多尺度信息, 大幅提升了岩屑分割任务中的网络性能. 解码器部分使用双通道注意力机制^[24], 包括位置注意力模块(position attention module, PAM)和通道注意力模块(channel attention module, CAM)来细化特征表达, 通过计算不同位置和通道之间的相似度和注意力权重, 来增强模型对图像中不同位置的关注, 这使得模型能够更好地获取到岩屑图像的全局上下文信息, 从而帮助计算机视觉任务性能的提升. 同时, 设计了专门的特征融合模块, 旨在利用不同层次的特征图信息来提高模型的分割性能. 最后通过卷积层生成最终的预测图.

2.2 改进的STDC模块

STDC模块的设计和提出是为了解决语义分割算法的复杂度和耗时问题, STDC模块可以获取到不同的可变化的感受野, 并且使用较少的参数量提取到输入图像的多尺度特征, 模块化后便于在各个网络中集成, 其模块结构如图2所示.

使用LN替换图中的BN, 在单个样本的特征维度上进行归一化, 减小特征差异, 提高模型的稳定性和泛化能力, 进而降低过拟合的风险. 并且为了提升感受野, 使用空洞卷积替换内的普通卷积操作. 在STDC模块基础上改进得到效果更好的特征提取模块, 如图3所示. 图中的ConvX表示“卷积+LN+ReLU”操作, Dilated ConvX表示“空洞卷积+LN+ReLU”操作, 其中输入特征通道数为M, 最后的输出特征通道数为N, 除了最后一个卷积模块以外, 该模块内第i个卷积模块的输出通道数为N, 最后一个模块的输出特征通道数与倒数第2个模块保持一致. 相较于比较传统的骨干网络来说, 改进STDC模块中更关注高阶语义信息的深层的特征通道数量少, 浅层的特征通道数量多. 改进STDC模块最终的输出为各模块输出特征的融合, 其计算结果如下:

${X_{{\mathrm{out}}}} = F({x_1}, {x_2}, \cdots, {x_n})$

(1)

其中, F表示特征融合函数, ${x_1}, {x_2}, \cdots, {x_n}$表示n个卷积模块的输出, ${X_{{\mathrm{out}}}}$表示改进STDC模块的输出. 使用串联(concatenation)操作融合n个卷积模块的特征, 串联融合方法就是把不同特征的通道直接合并, 从而把各个特征融合在一起, 简单来说就是直接将两个特征进行连接, 若两个输入特征F1和F2的维数分别为x和y, 输出特征的维数为$x + y$.

在岩屑语义分割任务中, 针对粉末状岩屑的分割, 具有岩屑粒状小, 形状不规则, 边缘不清晰等特点, 因此分割时全局特征的获取尤为重要. 感受野的大小通常决定了该层卷积模块的上下文信息和全局特征提取的能力, 感受野越大, 从特征图上的点看到输入图像的区域就越大, 特征图所蕴含的语义信息就会更为全面, 层次更高, 从而提升分割结果的准确性. 为了提高模型对全局特征的提取能力, 扩大感受野, 本文使用空洞卷积替代普通卷积如图4所示, 其中(a)为空洞卷积示意图, (b)是扩张率为1的卷积核, (c)是扩张率为2的卷积核, (d)是扩张率为5的卷积核. 因为在一般网络中为了增加感受野总是要进行降采样导致分辨率降低, 使用空洞卷积可以扩大感受野同时避免分辨率降低, 从而精确定位目标并检测分割大目标. 为避免空洞卷积的网格效应问题, 扩张率参数分别设置为1、2、2、5, 当设置不同扩张率参数时, 卷积的感受野不同, 即获取了多尺度上下文信息. 但空洞卷积的使用势必会引起算法整体计算量的增加, 所以扩张率参数需要权衡.

2.3 注意力机制

在岩屑图像语义分割算法中, 岩屑图像中通常包含了不同尺度的岩屑对象, 背景图像以及岩屑的各种纹理和结构, 如沉积岩、碎屑、矿物、孔隙等, 岩屑图像中的类别则是通过纹理和颜色的一致性进行区分, 有时还存在噪声和不完整信息的干扰. 通过注意力机制, 模型可以有选择性地关注不同区域的特定纹理和结构, 从而更好地区分不同的地质类别. 通过在模型中加入注意力模块PAM和CAM, 其结构如图5所示, 分别模拟位置和通道维度中的语义相互依赖性, 帮助模型更好地处理岩屑图像中的具有空间结构或多通道特征的数据.

为了增强特征的表达能力, 使用位置注意力模块关注模型不同位置的特征, 并将这些特征融合到全局特征中, 有助于网络更准确地识别分割目标岩屑. PAM利用任意两点特征之间的关联, 来帮助各自特征的表达, 其结构如图5(a)所示. 经过骨干网络后提取的特征图$A \in {\mathbb{R}^{C \times H \times W}}$在经过1次卷积操作后, 获得新特征图B和C, $\{ B, C\} \in {\mathbb{R}^{C \times H \times W}}$然后将B和C都重塑为$C \times N$, 其中$N = H \times W$. 将B进行转置后与C相乘, 获得的结果再经过Softmax操作, 得到大小为$N \times N$的特征图$S \in {\mathbb{R}^{N \times N}}$, 计算方式如下所示:

${s_{ji}} = \frac{{\exp ({B_i} \cdot {C_j})}}{{\displaystyle\sum\limits_{i = 1}^N {\exp ({B_i} \cdot {C_j})} }}$

(2)

S中每行的和为1, ${s_{ji}}$可理解为第i位置像素对第j位置像素的权重, 即所有像素i对某固定像素j的权重和为1; ${B_i}$为B中第i列的元素; ${C_j}$为C中第j列的元素. 同时, 将A再次经过卷积操作得到特征图$D \in {\mathbb{R}^{C \times H \times W}}$, 同样的重塑为$C \times N$的大小. 将其与S的转置相乘, 得到大小为$C \times N$的结果图, 再重塑回$C \times H \times W$大小, 乘以系数$\alpha$. 最后将其与A相加, 获得融合了位置信息的最终特征图E, 计算公式如下:

${E_j} = \alpha \sum\limits_{i = 1}^N {({s_{ji}}{D_i})} + {{ A}_j}$

(3)

其中, ${E_j}$为PAM的输出特征; $\alpha$是一个需迭代更新的权重参数, 初始值为0; ${D_i}$为D中第i列的元素; ${A_j}$为A中第j列的元素.

通道注意力模块CAM通过建模通道之间的关联, 对特征图的不同通道进行加权来实现对特征的有选择性增强, 提高特征的区分度, 从而增强通道下特定语义响应能力, 其结构如图5(b)所示. 与PAM模块类似, 只是对特征图A没有进行卷积操作, 而是直接对A进行操作. 同样的, 将A 重塑为$C \times N$的大小, 得到特征图B, 再将B与其转置相乘, 再经过Softmax操作, 得到大小为$C \times {{C}}$的特征图X. 将X的转置与B相乘, 再重塑回$C \times H \times W$的大小, 乘以系数$\;\beta$, 记为D. 将A与D相加, 则得到融合了通道信息的最终特征图E. 计算公式如下所示:

${x_{ji}} = \frac{{\exp ({A_i} \cdot {A_j})}}{{\displaystyle\sum\limits_{i = 1}^C {\exp ({{{A}}_i} \cdot {{{A}}_j})} }}$

(4)

${E_j} = \beta \sum\limits_{i = 1}^C {({x_{ji}}{A_i})} + {{A}_j}$

(5)

其中, ${x_{ji}}$可理解为第i通道像素对第j通道像素的权重, ${E_j}$为CAM的输出特征; $\beta$是一个需迭代更新的权重参数, 初始值为0; ${A_i}$为A中第i列的元素.

将两个注意力模块输出的结果进行特征融合, 从而获得更深入地捕获全局依赖关系的特征, 也就是最终的特征, 对像素点进行分类.

2.4 特征融合

特征融合是一种改善模型对图像的语义理解和像素级别分类任务的技术, 其目的是将不同层次或来源的特征信息结合在一起, 利用不同特征图的信息来提高分割模型的性能. 特征融合通常通过不同的操作实现, 例如级联、相加、相乘、池化、上采样等, 具体取决于网络架构和任务要求. 对于岩屑图像的语义分割任务来说, 特征融合使用简单的级联和相加的方式也能取得一定的效果, 但不是最佳的方式, 为了帮助模型更好的理解特征图中的语义和上下文信息, 本文提出专门的特征融合模块(special feature fusion module, SFFM), 其结构如图6所示.

给定不同层次的特征, 首先在通道维度concat输入的特征图X和Y, 然后经过BN层进行归一化来平衡特征的尺度, 得到初始融合特征$I(X, Y)$. 接下来, 使用归一化后的融合特征, 将其传入两个不同的分支来提取特征, 其中一个分支通过逐点卷积直接提取局部特征$L(I)$. 计算公式如下:

$L(I) = \beta ({\mathrm{PWConv}}_2(\delta (\beta ({\mathrm{PWConv}}_1(I)))))$

(6)

其中, PWConv表示逐点卷积, $\beta$表示BN操作, $\delta$表示ReLU操作.

另一个分支将特征池化为一个特征向量, 并计算权重向量, 该权重向量可以对特征重新加权, 这相当于全局特征选择和组合, 从而提取全局特征$G(I)$, 计算公式相较于$L(I)$多了全局平均池化. 对两个分支的输出结果进行Sigmoid运算, 可得到融合权重, 再将初始融合特征与融合权重相乘并进行加权求和, 则得到最终的融合特征Z. SFFM的计算公式如下:

$Z = (\sigma (L(I) + G(I)) \otimes I) \oplus I$

(7)

其中, $\sigma$表示Sigmoid操作, $\otimes$表示逐元素相乘, $\oplus$表示广播加法.

3 实验及结果分析 3.1 数据集制作

本文制作的岩屑数据集RC_Dataset初始样本是由合作的石油公司提供, 通过将现场采集到的岩屑经过清洗整理后得到的大面积粗选岩屑图像, 其中所包含的岩屑种类总共有6种, 分别为页岩、泥岩、石膏、白云岩、砂岩和石灰岩, 具体岩屑种类如图7.

目前, 该数据集中共有6450张可用的岩屑图像数据, 图像分辨率为512×512. 为了后续的岩屑识别工作, 以及模型训练和模型性能优化, 将数据集进行划分, 为训练、验证和测试3种用途, 其中训练集共有4266张岩屑图像, 验证集有885张岩屑图像, 测试集有795张岩屑图像, 如图8所示, 展示了部分数据集RC_Dataset图像.

3.2 实验环境和相关参数

本文实验在Linux操作系统上进行, 开发环境为PyTorch深度学习框架, CPU型号是Intel i7-9700, GPU型号是NVIDIA GeForce RTX 1080 Ti, 内存为16 GB.

在网络训练过程中使用Adam算法有效地优化损失函数, 动量为0.9, 权值衰减为0.005, batch size设置为4, 学习率为0.0001, 最大迭代次数是80000次. 每个模型训练都是相同的配置条件.

利用损失函数分析模型预测输出结果$\hat y$与数据集原始标签y的误差, 模型训练过程中使用交叉熵(cross entropy)损失函数计算公式如下:

$l = - \sum {_{i = 1}^N{y_i}} \log ({p_i})$

(8)

其中, y和p表示为真实预测和期望, N表示为分类标签数.

3.3 评价指标

为了更精准地比较网络模型的分割效果, 本文采用语义分割标准度量方法包括平均像素准确率(mean pixel accuracy, mPA), 交并比(intersection over union, IoU)和平均交并比(mean intersection over union, mIoU).

mPA计算分类结果中预测正确的类别的像素数目的比例的平均值. 具体计算公式如下:

$mPA = \frac{1}{{K + 1}} \times \sum\limits_{i = 0}^K {\frac{{{P_{ii}}}}{{\displaystyle\sum\nolimits_{j = 0}^K {{P_{ij}}} }}}$

(9)

IoU计算模型预测结果和真实标签结果的交集占这两个结果并集的比例, 具体计算公式如下:

$IoU = \frac{{{P_{ii}}}}{{\displaystyle\sum\limits_{j = 0}^K {{P_{ij}} + } \displaystyle\sum\limits_{j = 0}^K {{P_{ji}} - {P_{ii}}} }}$

(10)

mIoU计算所有类别的IoU的平均值, 具体计算公式如下:

$mIoU = \frac{1}{{K + 1}} \times \displaystyle\sum\limits_{i = 0}^K {\frac{{{P_{ii}}}}{{\displaystyle\sum\limits_{j = 0}^K {{P_{ij}} + } \sum\limits_{j = 0}^K {{P_{ji}} - {P_{ii}}} }}}$

(11)

其中, K为分类标签数, K+1为分类标签数加背景数, ${P_{ii}}$为分类正确像素比例, 表示岩屑图像中像素点实际为$i$类同时被预测为$i$类, ${P_{ij}}$为分类错误的像素比例, 表示岩屑图像中像素点实际为$i$类同时被预测为$k$类.

3.4 实验结果与分析

为了测试本文模型改进的有效性和性能优势, 本文在自制岩屑数据集RC_Dataset上进行大量消融对比实验. 通过表1可以发现, 通过在模型中改进STDC特征提取模块, 加入注意力机制和特征融合模块, 本文模型的平均交并比相较于原始STDC网络有了7.51%的提升, 在精度和效率上都具有较好的效果. 实验结果表明, 本文的优化和改进方法是有效的.

本文与图像语义分割中7种算法U-Net^[25], DANet^[24], BiSeNet-V1^[26], MobileNetV3^[27], STDC^[23], SCTNet^[28], 以及岩屑实时网络模型BiSeNet_SPARM_S-iAFF ^[19]进行对比实验, 其中U-Net和DANet为高精度模型, BiSeNet-V1, MobileNetV3, STDC和 SCTNet为高实时性模型, BiSeNet_SPARM_S-iAFF为岩屑分割模型. 表2实验对比了使用不同模型训练, 在测试集上进行模型预测后的不同类别的IoU, 以及总的mPA和mIoU结果, 由表2可知DAF-STDC模型的IoU相较于其余的模型最优结果分别提高了–0.76%, –1.23%, 0.91%, 1.67%, 2.88%, 0.65%, –12.99%. 在mPA度量方法上, DAF-STDC相较于其他网络模型分别提高了9.87%, 3.67%, 12.27%, 14.28%, 8.73%, 10.09%, 14.9%. 对于mIoU评价指标, DAF-STDC则分别提高了12.19%, 3%, 10.13%, 12.13%, 7.51%, 7.57%, 10.88%. 由对比结果可以看出, 在各个评价指标上, 本文构建的DAF-STDC网络模型在岩屑分割时的总体表现优于其他对比网络模型, 具有较好的分割效果.

为了进一步直观地展示模型的分割效果, 将模型训练后的最好结果对测试集进行预测, 各个模型的分割结果如图9所示, 其中U-Net和MobileNetV3效果欠佳, 在此不展示.

由图9可知, 本文提出的DAF-STDC整体分割效果优于其余模型, 在图像中使用红色矩形框选出来的颗粒可以明显看出, 其中较大的完整岩屑颗粒都被分割出来, 并且具有较好的岩屑边缘分割效果. 无论是在像素分割准确率还是岩屑边缘的分割, 本文构建的DAF-STDC模型具有明显优势, 说明本文的模型具备较强的特征提取能力, 并且注重特征的表达和融合, 对全局信息进行充分利用, 表现出优秀性能. 在面对复杂场景下的岩屑样本时, 同样可以表现出优秀的分割能力.

表3实验对比了不同模型的性能, Params表示模型训练的参数量, FLOPs表示模型每秒的浮点运算次数, FPS表示模型每秒内可以处理的图片数量. 实验结果表明, 本文提出的DAF-STDC算法, 在保持模型小参数量同时, 模型精度达到83.12%, 每秒处理图片数量为34.15张. 相较于其余高实时性模型, DAF-STDC的平均交并比相较于最好效果的原始STDC网络有了7.51%的提升, 满足工业应用的速率要求, 并且方便在工业机器上部署和迁移. 相较于其余高精度模型, DAF-STDC的平均交并比相较于最好效果的DANet网络提高了3%, 具有较好的分割效果. 相较于专用岩屑模型BiSeNet_SPARM_S-iAFF, 本文网络模型同样具有更好的分割效果. 综合来看, 本文方法可以满足工业应用的实时性和精度要求, 具有优秀的性能.

4 结论

本文提出了一种针对岩屑图像的特征进行快速分割识别的方法, 构建了实时语义分割网络模型DAF-STDC. 通过引入空洞卷积提取特征避免下采样导致精度下降, 利用双通道注意力模块获取特征图相中更为全局的信息, 用特征融合模块加强低阶细节特征与高阶语义特征的融合程度, 在保证模型参数量和计算量的同时, 实现高精度的分割识别. 将该网络应用于岩屑录井时采集到的粉末状岩屑样本的识别与分析, 实验结果表明, DAF-STDC相较于其余分割网络具有更好的分割效果和泛化能力, 适用于多种岩性混合的复杂工况下的岩性识别, 可以有效提高岩屑录井工作效率, 从而加快录井工作数字化进程.