岩屑样本分析对于地质勘探、油气探测以及岩土工程具有重要意义。通过开展钻井工作，依据时间收集并分析返回井口的岩屑的技术称为岩屑录井技术^[1]。通过岩屑录井技术获得的岩屑样本具有颗粒细小、特征差异较小、呈粉末状且岩屑混杂的特点，使得岩屑识别具有一定难度。同时随着钻井技术的发展，岩屑样本的生产速度也相继加快，对岩屑样本的收集与分析的及时性和准确性提出更高的要求^[2]。然而，人工整理分析岩屑样本存在耗时长、流程复杂、成本高及工作人员经验不足导致识别准确率低等问题^[3-4]。提高岩屑样本识别的及时性和准确性，促进岩屑录井技术的智能化发展，成为待解决的重要问题。近年来，围绕深层—超深层油气勘探开发及其关键技术问题，学者们在油藏数值模拟与历史拟合、录井与测井成像技术、岩心多尺度裂缝提取以及基于深度学习的孔洞与裂缝智能识别等方面开展大量研究，并取得显著进展，但在复杂地质条件下多目标信息的高效、精准识别仍面临一定挑战^[5-12]。为解决这一挑战，近年来，计算机视觉技术逐渐应用于岩屑图像的分析，深度学习方法成为岩屑分类中的重要手段。随着计算机视觉的发展，越来越多的学者采用深度学习方法对岩屑进行分类，以便进行岩屑样本分析。采用图像分类算法^[13-15]，实现岩屑岩性的自动识别，但岩屑图像分类在实际工作中难以发挥作用；采用语义分割算法^[16-18]，实现岩屑图像中多类别的划分，相较于图像分类更贴合实际应用场景，但语义分割不关注区域的具体实例，无法提供更深入的岩屑信息。目标检测算法能够一次性识别出岩屑图像中的多个目标，可以为分析岩屑的种类、分布情况等提供更精细、深入的岩性信息。其中YOLO（You Only Look Once）系列因其高效、实时的特点被广泛应用于物体检测任务，作为快速且准确的目标检测系统YOLO实现单阶段目标检测^[19-25]。采用在小目标检测方面灵活性和稳定性上表现更佳的YOLOv5模型，同时为提高其检测性能，针对岩屑图像的多目标、多尺度等特征，基于YOLOv5模型提出RFA-ST-YOLO模型，以有效解决岩屑图像中的多目标检测问题，实现岩屑在录井工作中的智能化识别和分析。

1 YOLOv5模型

YOLOv5是一种流行的目标检测算法，广泛应用于计算机视觉任务中，由Ultralytics团队开发并发布，是目前最常用和最优化的YOLO版本之一。YOLOv5网络结构如图1所示，主要包括主干网络、特征融合网络、检测头。图1中输入层的主要功能包括: 自适应锚框计算根据数据集特点进行动态调整锚框范围、自适应图片缩放将图片尺寸进行统一、Mosaic数据增强加强数据的多样性^[26]。主干网络的主要结构为卷积层模块、C3模块、空间金字塔池化快速版，各个模块的具体组成如图2所示。特征融合网络采用 FPN+PAN结构，从主干网络中获取相对较浅的特征，再与深层的语义特征拼接。检测头是由检测层组成。

最大池化操作可以减小特征图的尺寸，同时保留重要的特征信息。批量归一化（batch normalization，BN）起到加速模型收敛的作用，BN层计算的具体过程为

式中，x_i为每个mini-batch的输入，针对每层的输入进行归一化得到均值μ_B、方差${\sigma }_{\mathrm{B}}^2$及归一化结果${\widehat{x}}_i$，γ和β为待学习参数，输出y_i^[27]。

SiLU是一种平滑的非线性激活函数，其数学形式为

式中，x为输入^[28]。

上采样是一种常用于生成网络或图像恢复任务中的操作，其作用是将输入的特征图或图像进行尺寸放大。

2 YOLOv5模型优化

岩屑图像数据示例如图3，观察发现岩屑图像数据具有多目标、多尺度、小颗粒和特征差异不明显等特点。

研究主要目标是提高岩屑图像多目标识别精度，针对岩屑图像具有的特点提出添加ST模块、引入注意力机制等改进方案。

2.1 ST模块

YOLOv5模型主干网络部分包含3个检测头，分别将图片划分为20×20、40×40、80×80个网格。为提高模型在小目标方面的检测性能，在此基础上添加ST模块，即增加160×160的检测头，在原特征融合网络部分针对80×80的特征图进行一次上采样获取160×160的特征图，将其与主干网络部分160×160的特征图进行拼接，并经过C3模块操作传给检测层模块，具体结构如图4所示。

2.2 注意力模块EMA

在计算机视觉任务中，添加注意力机制便于聚焦重要的信息并忽略不重要的信息。EMA模块结合通道和空间注意力机制，在不进行通道降维的前提下可以实现有效的通道描述，并为高级特征图生成更好的像素级注意力。

EMA模块的结构如图5所示，其中g表示分组，c为通道索引，表示第c个特征通道，X方向平均池化表示一维水平全局池化，Y方向平均池化表示一维垂直全局池化。

EMA模块通过沿通道维度将输入特征图$X\in {\mathbf{R}}^{c\times h{x}_{ve}}{\mathbf{R}}^{c\times h\times w}$分割成g 个子特征来学习不同的语义信息，分组方式为$X=\left[X_0，X_1，\cdots ，X_{g-1}\right]$，其中$X_i\in {\mathbf{R}}^{c/g\times h\times w}$，这种分组方式有助于学习和加强特征表示，特别是对每个子特征中感兴趣区域的增强。

EMA并行子网络通过三条路径（两条1×1分支和一条3×3分支）高效地捕获多尺度特征，利用通道间信息交互和空间结构的保留，提升模型的性能。通过全局平均池化和卷积操作来优化计算效率，在增强通道间关系的同时保持空间信息，从而在多尺度学习中取得更好的表现。同时通过并行使用1×1和3×3卷积，结合二维全局池化来编码全局空间信息，实现跨空间学习，提升特征聚合的能力。跨空间学习方法通过两个空间注意力图，捕捉不同尺度的空间信息和长程依赖，同时保留精确的空间位置信息。最终通过聚合空间注意力权重并应用Sigmoid函数，生成的特征图增强像素级的注意力，优化模型的性能。

其中二维全局池化操作的公式为

sigmoid函数公式为

2.3 注意力模块SOCA

Dai Tao等^[29]为提高CNN（convolutional neural networks）的表达能力提出SAN（second-order attention network），其中开发一种可训练的SOCA模块。SOCA模块通过使用二阶特征统计自适应地重新调整特征，使得网络能够关注更多的信息特征，增强判别学习能力。SOCA模块如图6所示，包括Covariance normalization和Channel attention。

Covariance normalizatio：将特征图重塑为大小为H×W的特征矩阵X，且每个特征有C维，根据如下公式得到样本协方差矩阵Σ：

式中，$\stackrel{-}{I}=\frac{1}{s}\left(I-\frac{1}{s}1\right)$，I 和 1 是大小为 s×s 的单位矩阵和全为 1 的矩阵。再对协方差矩阵 Σ 进行归一化，得到特征分解值，协方差归一化可转为特征值的幂，具体为

式中，通道描述符$\widehat{Y}=\left[y_1，\cdots ，y_C\right]$，U是一个正交矩阵，$\mathrm{\Lambda }=\mathrm{d}\mathrm{i}\mathrm{a}\mathrm{g}\left({\lambda }_1，\cdots ，{\lambda }_C\right)$，α是一个正实数，设置α=$\frac{1}{2}，{\wedge }^{\alpha }=\mathrm{d}\mathrm{i}\mathrm{a}\mathrm{g}\left({\lambda }_1^{\alpha }，\cdots ，{\lambda }_C^{\alpha }\right)$。

Channel attention：通过全局协方差池化将Covariance normalizatio得到归一化的协方差矩阵。压缩通道描述符$\widehat{Y}$，得到通道统计量$z\in R^{C\times 1}，z_c$通过如下计算可得：

式中，HGCP（y_c）为全局协方差池化函数，可以捕捉高于一阶的特征统计信息。

采用门控函数，充分利用全局协方差池化聚合信息中的特征相互依赖关系。门控函数计算方式具体为

式中，W_U和W_D是卷积层的权重集，f（·）和δ（·）分别是sigmoid和RELU函数。

RELU函数具体计算方式为

最后将获得的通道注意力图w用于重新缩放输入，如下所示：

式中，w_c和f_c分别表示第c通道的尺度因子和特征图。

2.4 RFAConv模块

RFAConv是基于机制RFA设计的卷积操作^[30]。针对岩屑图像多尺度和特征差异不明显的特点，RFAConv采用多分支卷积并行提取不同粒度特征，并通过空间注意力动态加权重要区域；同时实施分组卷积，可有效解决传统卷积在岩屑特征提取中的难题。

RFAConv整体结构如图7，以3×3大小的卷积核为例。主要包括感受野空间特征模块和注意力模块。

感受野空间特征模块：感受野空间特征是通过卷积核生成的特征图，动态计算并应用于每个感受野。每个3×3的卷积窗口代表一个感受野滑动窗口，在其中提取局部区域的特征，这些特征被处理并转换为感受野空间特征图，这是RFAConv的输入之一。通过这种方法，卷积操作不再使用固定参数，而是能够根据感受野内的特征进行自适应调整。

注意力模块：在RFAConv中，注意力模块用来根据感受野内的特征生成权重，这些权重用于调整卷积核对不同特征的响应。注意力机制通过加权每个感受野中的特征来强调关键信息。

RFAConv结合卷积操作与上述生成的感受野空间特征和注意力机制，进行特征提取。这个过程保留传统卷积的高效性，同时通过引入感受野空间特征和注意力机制，使得网络能够更智能地选择和提取关键特征。

其中卷积操作引入分组卷积，将输入的特征图分为多个小组，然后分别进行卷积操作，最后将各小组的输出拼接得到最终的特征图，以达到降低计算成本和提高模型训练效率的目的。通过卷积操作结合感受野空间特征和注意力机制来实现特征提取的具体公式为

式中，g^i×i表示大小为i×i的分组卷积，k表示卷积核的大小，Norm表示归一化，X表示输入的特征图，A_rf为注意力图，F_rf为感受野空间特征，二者相乘得到F。

3 试验与结果分析

3.1 试验数据集

制作的岩屑图像数据集中的岩屑数据主要来自华北油田的冀东和冀中区块的20多口井，现场收集并由相关专家进行数据标注。该数据集中包含2185张岩屑图像，20种岩屑类别，图像分辨率为3840×2160，标注框数量共187830个，分布情况如图8，数据集命名为“岩屑图像数据集1”。

岩屑数据收集困难以及某些类别的岩屑在数据集中出现较少，导致数据分布极不均衡，影响模型的训练效果。为了缓解数据不均衡问题，采用旋转、翻转、拼接、仿射变换等数据增强手段增加标签数量少的类别，同时删除标签数量多的类别占比高的图片数据。得到新的数据集，包含1541张岩屑图像，标注框数量共97561个，分布情况如图9，数据集命名为“岩屑图像数据集2”。

观察处理后的“岩屑图像数据集2”的分布情况可以发现，相较“岩屑图像数据集1”，分布相对均衡，并且20类的标注框数量在同一量级水平上，差距大大缩小。

3.2 试验基础环境及超参数配置

试验的软硬件环境配置：处理器为Intel（R）Core（TM）i9-9980XE CPU @ 3.00GHz，GPU为Tesla P100-PCIE-16GB，操作系统为Windows10专业版，Python版本为3.8.18，Pytorch版本为1.10.0+cu102，CUDA版本为11.0。

模型训练超参数配置：训练的总轮数为 300，每批次的训练样本数为 16，输入图像的尺寸为 640×640 像素，使用 SGD优化器，动量为0.937，初始学习率为0.01，采用余弦退火方法降低学习率，学习率衰减系数为0.01。

3.3 模型评价指标

试验采用4个常用评价指标：P、R、A_mAP@50和 A_mAP@50-95。P表示精确度，指所有被模型预测为正类的样本中，实际为正类的比例，指标越大说明模型识别精度越高；R表示召回率，指所有实际为正类的样本中，被模型正确识别为正类的比例，指标越大说明模型在识别过程中能够正确识别出更多的真实目标。计算公式分别为

式中，N_TP为真正例的数量；N_FP为假正例的数量，N_FN是假负例的数量。

A_mAP表示平均精度均值，指标越大表明模型整体性能越好，A_mAP@50 是在f_IoU阈值为 0.5 时计算的A_mAP，计算公式为

式中，N为类别数；A_i为第i个类别的平均精度。

A_mAP@50-95 是计算在不同 f_IoU阈值下（从 0.5 到 0.95，以 0.05 为步长）的平均A_mAP，计算公式为

式中，N为类别数；A_i为第i个f_IoU阈值下的平均精度。

A_mAP@50 和 A_mAP@50-95 更加全面地反映目标检测模型的精度，而 P和R则专注于模型的分类能力和样本识别能力。试验主要通过对比A_mAP@50-95衡量模型效果，其次考虑A_mAP@50、P和R。

3.4 数据增强效果对比

基于YOLOv5模型分别对“岩屑图像数据集1”和“岩屑图像数据集2”进行模型训练，训练集和验证集比例为8∶2，训练结果如表1所示。

经过数据增强获得的数据集2相较于原数据集在YOLOv5模型训练效果有明显提升，其中A_mAP@50-95提升0.209，A_mAP@50提升0.282，P提升0.301，R提升0.139。针对类别不均衡问题，数据增强起到重要作用，缓解模型倾向于学习数据集中的大类别，而忽视小类别的问题，使模型可以学习更多的类别特征，提升模型的整体性能，同时提高模型的泛化能力和稳定性。

3.5 消融试验

3.5.1 试验结果

消融试验常被用来评估模型中的模块对整体性能的贡献，通过逐步修改模型的某些模块，帮助了解每个模块在模型表现中的重要性。试验采用消融试验，分析各个优化方案对YOLOv5模型在岩屑图像数据集2上的影响，并选出最佳模型。试验结果如表2所示。

观察表2发现不同的优化方案对模型性能的影响有所不同。首先优化方案YOLOv5s+EMA的P相较于YOLOv5s模型提升0.011，但A_mAP@50-95、A_mAP@50和R均下降，说明引入EMA模块不能有效提升模型整体性能，反而抑制模型的召回能力。YOLOv5s+SOCA 方案P提高0.012，但A_mAP@50-95 基本持平，说明 SOCA对模型的影响有限。YOLOv5s+RFAConv 方案表现不佳，尤其是A_mAP@50-95 和 R均有明显下降，表明RFAConv 在此配置下未能发挥预期效果。

另一方面，加入ST模块对模型有显著的正面影响，YOLOv5s+ST方案的A_mAP@50-95 提升 0.006，P和R均有明显提升。与其他优化方案相比，YOLOv5s+ST+RFAConv 方案在所有指标上均表现最佳，尤其在A_mAP@50-95和P上，表明ST模块与RFAConv模块的协同作用能够有效提高模型在岩屑图像多目标识别中的精度和小目标识别能力，RFAConv在此配置下增强模型对复杂目标和背景的适应性，而ST模块则进一步提升对小目标的敏感度。

基于试验结果，得到最佳模型RFA-ST-YOLO模型，其A_mAP@50-95、A_mAP@50 和P相较于YOLOv5s模型分别提升0.009、0.006和0.017，展示其在岩屑图像多目标识别中的优势。YOLOv5s+ST也有效提升模型性能，特别是在小目标检测能力方面。而YOLOv5s+EMA和YOLOv5s+RFAConv 未能带来明显的性能提升，甚至在某些指标上出现下降。因此RFA-ST-YOLO模型是提升该模型性能的最佳方案。

3.5.2 模型预测效果对比与分析

分别采取表2中8组模型的最佳权重，针对同一张岩屑图像数据进行预测，数据未参与模型训练与验证。试验基础环境配置和超参数设置保持一致，得到对比结果图10。

观察图10发现，图（h）中标注的红色范围内的识别框明显多于其他结果，观察整体识别效果，图（h）所识别出的目标最多，共101个目标，其余7张图识别出的目标个数最多为92个。

进一步结合图11分析，针对20种岩屑的识别精度，RFA-ST-YOLO模型的P超过0.8的共6种类别，同时在6类岩屑中处于最高水平，其余类别的识别精度也多处在较高水平。

综合来看，RFA-ST-YOLO模型在目标识别数量、识别精度方面都表现得非常优秀，符合消融试验结果。

采取RFA-ST-YOLO目标识别算法对岩屑图像进行多目标识别，不仅可以获得岩屑类别信息，预测结果还可以提供岩屑目标识别框的长宽及中心点坐标，便于后续进行深入分析钻井过程中每一层岩屑的主要成分，实现岩屑的智能化识别和分析，提高岩性剖面实时监测的准确性。

3.6 最佳优化方案的训练结果及分析

RFA-ST-YOLO模型的训练结果如图12所示。在训练至150轮后，4个指标趋于稳定，模型不存在明显的过拟合或欠拟合现象。在前50训练中，训练集和验证集损失均极速下降，在50轮之后下降缓慢，在100轮以后验证集目标置信度损失有所回升，但并未影响整体性能，结合其他指标表现的稳定性，判断模型并未发生过拟合。

其中训练集和验证集的边界框损失和分类损失快速下降表明模型能够有效的进行目标边界框定位和分类，尤其是分类损失在验证集上接近0，进一步证实模型在岩屑图像多目标分类中的高效性。

同时模型在训练中的精度指标持续改善，并且表现出较强的稳定性，这对于复杂背景的岩屑图像多目标识别尤为重要。尽管后期存在验证集的目标置信度损失的波动，但整体来看并不影响模型稳定性，反而显示模型在多目标识别任务中的适应性。

综上所述，RFA-ST-YOLO模型能够准确地定位和识别岩屑图像中的多个目标，证明所提出的改进方法在复杂图像分析中的有效性与潜力，未来可以进一步在不同环境和数据集上验证其泛化能力。

为进一步验证优化后模型性能，将RFA-ST-YOLO模型和YOLOv5s模型的训练结果中的A_mAP@50-95进行对比，如图13所示，在近150轮训练后，RFA-ST-YOLO模型整体性能明显优于YOLOv5s模型。

3.7 对比试验

将最佳模型RFA-ST-YOLO与YOLO系列的其他目标检测模型做对比，试验基础环境和超参数配置保持一致，数据集均采用“岩屑图像数据集2”，得到最终试验结果如表3所示。RFA-ST-YOLO在各项关键指标上均优于YOLO系列的其他目标检测模型，在A_mAP@50-95、A_mAP@50、P和R上均有显著提升。这表明RFA-ST-YOLO模型在“岩屑图像数据集2”上的目标检测任务中具有更强的性能，能够提供更高精度和稳定性的检测结果。因此RFA-ST-YOLO在处理岩屑图像多目标识别任务时具有较大的优势，尤其适用于需要高精度和高召回的实际应用场景。

4 结论

（1） 由于岩屑数据收集困难导致数据分布极不均衡，严重影响模型训练效果，采用旋转、翻转、拼接、仿射变换等数据增强手段改善数据集不均衡问题。基于数据增强后的数据集训练模型，A_mAP@50-95提升0.209，A_mAP@50提升0.282，P提升0.301，R提升0.139，模型整体性能具有显著提升。

（2）针对岩屑图像在实际应用场景中具有的多目标、小颗粒和特征差异不明显等特点，提出添加ST模块、引入注意力机制等优化方案，通过消融试验分析得出最佳模型RFA-ST-YOLO。RFA-ST-YOLO模型相较于基础模型YOLOv5s，其 A_mAP@50-95、A_mAP@50 和 P分别提升0.009、0.006和0.017。

（3）采用RFA-ST-YOLO模型对岩屑图像数据进行目标识别，极大的提高岩屑分类的效率和精度，减少人工成本，同时针对目标识别结果提供的信息可以针对岩屑的种类、分布情况、磨圆和粒径属性、成分变化等进行深入分析，在岩屑录井工作中实现岩屑的智能化识别和分析。

参考文献