地科學院邵燕林副教授團隊長期從事數字露頭、儲層三維表征等方面的研究，團隊碩士生劉浪在EI期刊《激光與光電子學進展》上發表題為《基于露頭體素多特征值的高效通道注意力岩性分割方法》的研究論文。永利6774app手机版官网為論文第一署名單位，碩士生劉浪為論文第一作者，邵燕林副教授為該文通訊作者，本項研究得到湖北省教委科研基金共同資助。

該論文聚焦露頭點雲語義分割任務中，存在點雲密度分布不均和單點反射率可分離性有限的問題。為高效準确地實現露頭點雲岩性分割，提出一種基于露頭體素多特征值的高效通道注意力機制的岩性分割方法（MGECA）。所提方法首先對原始點雲進行體素化，并計算各體素的空間-光譜特征參數。然後使用多粒度卷積神經網絡進行多尺寸特征融合。接着使用高效通道注意力機制（ECA）改進經典Transformer中的自注意力機制，對編碼後的特征圖進行加權，以便模型能建立空間和光譜信息的全局關聯。最後設計雙通道分組卷積銜接卷積神經網絡和ECA，實現空間光譜特征整合并降低計算複雜度。實驗結果表明，MGECA在月牙灣激光露頭點雲數據集上的岩性識别總體準确率達到90.6%，平均交并比達到70.4%，相較于DGPoint模型分别提高31.7百分點和24.7百分點。結果表明，所提方法在露頭點雲場景中的分割效果與現有方法相比具有比較明顯的優勢。

論文鍊接：https://kns.cnki.net/kcms2/article/abstract?v=vG2M3utQQCdM02-n1hgU6x-B2n8NSDChK1dpQktSyoNV8LY4ybjVb-B1lZ6wAH3tL8uuhTtW28m2xXDOFgAFRHJSBCoB3YvmmCWjxtGrQuxAkH3Ln_P6XtkjwWjDMs0_IbDoeaRNWx8=&uniplatform=NZKPT&language=CHS

圖1 MGECA網絡結構

圖2月牙灣激光露頭數據集識别結果對比

圖3論文首頁