面向自动岩相分析
计算机视觉与模式识别
2025-11-04 v1 人工智能
摘要
岩相学是岩石学的一个分支，通过显微薄片样本的显微镜下视觉检查来分析岩石的矿物学组成。它是理解地质、考古、工程、矿物勘探和石油行业中岩石性质的关键技术。然而，岩相学是一项费用较高的工作，需要专家通过光学偏振显微镜对薄片样本进行详细的视觉检查，从而限制了其可扩展性，凸显了自动化技术的需求。为此，我们引入了大规模成像与薄片光学偏振集（LITHOS），即用于自动岩相分析的最大、最具多样性的公开实验框架。LITHOS 包括 211,604 个高分辨率 RGB 偏振光 patches 和 105,802 个专家标注的颗粒，覆盖 25 个矿物类别。每项标注包括矿物类别、空间坐标以及专家定义的主轴和次轴，表示为相交向量路径，捕捉颗粒的几何形状和方向。我们评估了 LITHOS 中多种深度学习技术用于矿物分类，并提出了一种双编码器变压器架构，将两种偏振模态整合为未来参考的强基准。我们的方法在单偏振模型上 consistently 优于，展示了偏振协同作用在矿物分类中的价值。我们已公开发布 LITHOS 基准，包括数据集、代码和预训练模型，以促进自动岩相分析的可重复性和进一步研究。
引用
@article{arxiv.2511.00328,
title = {Towards Automated Petrography},
author = {Isai Daniel Chacón and Paola Ruiz Puentes and Jillian Pearse and Pablo Arbeláez},
journal= {arXiv preprint arXiv:2511.00328},
year = {2025}
}