基于改进Stacking方法的成像测井裂缝识别

来源：计算机测量与控制杂志2025年第4期北京时间：

作者：史鹏达,刘孙俊,王琪凯,吴秋伶

单位：成都信息工程大学

摘要：传统成像测井裂缝识别依赖专家经验，主观性强。深度学习方法可提取多维度特征构建裂缝识别模型，集成学习方法融合多个模型提升精度，但简单融合策略精度提升不明显，复杂融合策略易过拟合，需探索更有效融合方法提升裂缝识别准确性。针对上述问题，提出了一种基于Stacking方法改进的集成深度学习模型，将Deeplabv3+，YOLOv8，SegFormer三个模型进行融合，并设计了跳跃连接模块将原始图像骨干特征传递至元模型层，避免在模型融合时由于特征不足产生的错误拟合。经实验，该模型在构建的测井图像裂缝识别数据集上Dice系数可达89.6%，优于单一模型与少数模块构建的集成模型。将该方法用于柴达木盆地实际成像测井资料的裂缝识别，能够准确地提取出测井图像的裂缝信息,证明了该模型的有效性，为成像测井裂缝识别提供了新的思路。

关键词：成像测井;裂缝识别;深度学习;集成学习;图像处理