近日，永利6774app手机版官网測繪工程專業2025級碩士生秦聲炟在SCI-2區期刊《Computers & Geosciences》發表題為“Automatic recognition of debris rock lithology based on unsupervised semantic segmentation”的研究論文。永利6774app手机版官网為論文第一署名單位，碩士生秦聲炟為論文第一作者，其導師王慶副教授為通訊作者。

圖1 論文首頁

 準确識别碎屑岩遙感圖像的岩性對于地質勘探和石油天然氣行業的資源開發至關重要。傳統方法依賴專家手動分析遙感圖像，這既耗時又容易受到主觀影響。盡管監督學習已經實現了高度自動化，但它還面臨着大量标注數據和樣本不平衡的問題。

 本研究提出了一種無監督語義分割方法，有效提高了碎屑岩圖像中岩性識别的效率和準确性。通過使用遙感衛星收集來自喀拉紮——清水河地區的大量碎屑岩地表影像數據，并結合改進的FCN網絡和超像素分割，成功生成了僞标簽，從而實現了無需人工标注的自動分割。

圖二 基于僞标簽的無監督方法流程圖

 與傳統的IOSDATA、Felzenszwalb方法及較新的CNN+K-Means僞标簽生成技術相比，該方法在不同圖像尺寸下表現出更好的穩定性和一緻性，特别是在較大碎屑岩圖像中優勢明顯。該方法在評估指标上顯著優于其他方法，根據精度評估結果顯示，ARE為0.6872，AMI為0.2245，FMI為0.2312，碎屑岩岩性分割效果出色。

 這項工作成功解決了碎屑岩遙感圖像中因分塊導緻的大量相似塊問題以及邊界問題。此外，本研究還确定了不同圖像尺寸的理想疊代次數，解釋了該方法在碎屑岩岩性識别中的有效性和精确性，并為地質研究人員提供了一種實用且有效的數據處理方案。

（論文鍊接：https://www.sciencedirect.com/science/article/abs/pii/S0098300424002735）