基于参数建模生成的合成数据训练的监督学习模型用于自动化岩石接缝轨迹映射

本文提出一种基于地质学驱动的机器学习方法，用于从图像中自动化岩石接缝轨迹映射。该方法结合地质建模、合成数据生成和监督图像分割，旨在解决现实数据有限和类别不平衡的问题。首先，使用离散裂缝网络模型通过参数建模在场尺度下生成带接缝的岩石图像，保留接缝持久性、连通性和节点类型分布。其次，在混合训练和预训练后进行微调，使用实图像训练分割模型。该方法在盒状域和斜坡域中测试，并使用多个真实数据集。结果表明，当真实数据稀缺时，合成数据可支持监督式接缝轨迹检测。混合训练在真实标签一致时表现良好（如盒状域），而微调在标签噪声时更稳健（如斜坡域，标签可能受偏差、不完整和不一致影响）。完全零样本从合成模型预测受限，但通过少量真实数据进行微调可实现有用的泛化。定性分析表明，提出的方法生成的接缝轨迹比仅凭定性指标更具地质学意义。该方法支持可靠的接缝映射，为后续的域适应和评估工作奠定了基础。