Hoge-resolutie geannoteerde dataset van Girvanella boundstone-microfacies uit de Xiannüdongformatie, China

Oude riffen ontmoeten moderne algoritmen

Lang voordat koralen de huidige tropische riffen bouwden, assembleerden piepkleine microben al complexe onderwaterstructuren op de zeebodem. Deze gefossiliseerde "microbiële riffen" leggen vast hoe vroeg leven meer dan 500 miljoen jaar geleden de oceanen vormde. De nieuwe studie achter dit artikel beschrijft geen enkel fossiel, maar publiceert in plaats daarvan een zorgvuldig opgebouwde, open dataset van microscoopbeelden van zulke oude riffen in China—specifiek geformatteerd zodat moderne kunstmatige intelligentie (AI)-systemen zelfstandig het gesteenterecord kunnen leren lezen.

Gesteenten uit een zeer oude ondiepe zee

Het onderzoek richt zich op gesteenten uit de Xiannüdongformatie in Zuid-China, afgezet tijdens het vroege Cambrium, een tijd waarin dierlijk leven snel diversifieerde en mariene ecosystemen complexer werden. Deze gesteenten bewaren een rifachtige structuur die Girvanella boundstone wordt genoemd, voornamelijk opgebouwd door filamentachtige cyanobacteriën die verkalkte buisjes en korsten achterlieten. Vermengd met deze microbiële structuren liggen korrels sediment, skeletfragmenten en minerale cementen die de tussenruimtes opvulden. Samen vormen deze componenten een gedetailleerde momentopname van een oude ondiepe, door golven opgeroerde zeebodem waar biologie en zeewaterchemie hand in hand solide carbonaatplatforms bouwden.

Gesteenteflarden naar digitale tegels omzetten

Om dit oude verhaal bruikbaar te maken voor computers begon het team met dunne plakjes rifgesteente gemonteerd op glazen objectglaasjes en maakte er hoge-resolutie-opnamen van onder een gepolariseerde microscoop. Van 28 oorspronkelijke platen werden er zeven geselecteerd voor gedetailleerde verwerking. Elk geheel plaatbeeld werd overlegd met een regulier raster en vervolgens in vele kleine vierkante tegels gehakt, elk 114 bij 114 pixels. Deze tegels zijn net groot genoeg om sleuteltexturen vast te leggen—zoals verwarde microbiële buisjes, fijn slib of grove korrels—maar klein genoeg om als gestandaardiseerde "pixels" voor machine learning te dienen. Dit proces leverde tienduizenden afbeeldingsfragmenten op die samen de volledige variëteit aan microtexturen in het gesteente dekken.

Zorgvuldige menselijke labels voor machine learning

Digitale beelden alleen zijn niet voldoende; AI heeft ook voorbeelden nodig van wat elk patroon betekent. De onderzoekers labelden daarom handmatig de verschillende componenten in het gesteente: Girvanella-korsten, verschillende soorten korrels, slib, cement en andere kenmerken. Ze maakten speciale "masker"-afbeeldingen waarin elk pixel in één kleurkanaal een numerieke klasse-identificatie draagt. Een Python-script gebruikte deze maskers om elke tegel toe te wijzen aan een van de tien microfaciesklassen—zoals skelet grainstone, gelamineerde microbialiet of dolomietrijk mudstone—gebaseerd op een puntentellingregel die pixelwaarden optelt. Tegels met onduidelijke of ontbrekende labels werden automatisch uitgesloten. De uiteindelijke dataset werd in evenwichtige verhoudingen opgesplitst in trainings-, validatie- en testsets, en er werd meer dan 95% overeenstemming bevestigd tussen geautomatiseerde en handmatig gecontroleerde labels.

Een FAIR-bron voor geologie en AI

Het eindproduct is een goed gestructureerde, openbare dataset gehost op Figshare, volgens de FAIR-principes (Vindbaar, Toegankelijk, Interopeerbaar, Herbruikbaar). Alle tegelafbeeldingen zijn opgeslagen als standaard PNG-bestanden, en hun labels en datasetverdeling zijn gedocumenteerd in één CSV-bestand. Tegelijkertijd bieden de auteurs open-source Python-code op GitHub die de hele pijplijn reproduceert: het snijden van de dunne sectie-afbeeldingen in tegels, het uitlezen van de verborgen labels, kwaliteitscontrole en het organiseren van de data. Dit betekent dat andere onderzoekers de dataset direct in deep learning-frameworks kunnen laden, concurrerende modellen op een gemeenschappelijke benchmark kunnen vergelijken of de workflow kunnen aanpassen aan hun eigen gesteentecollecties.

Waarom dit groter belang heeft dan één rif

Door een complex oud rif om te zetten in een georganiseerde bibliotheek van gelabelde afbeeldingstegels, bouwt de studie een brug tussen vroege aarde-ecosystemen en moderne AI-instrumenten. Voor niet-specialisten is de kernboodschap dat het interpreteren van gesteentetexturen—wat ooit het domein was van ervaren petrographen achter microscopen—steeds vaker gedeeld kan worden met algoritmen die getraind zijn op open beschikbare data. Deze dataset helpt wetenschappers bij het automatiseren van de classificatie van carbonaatgesteenten, het verfijnen van reconstructies van lang verdwenen zeeën en het toepassen van transfer learning in andere geologische omgevingen. Simpel gezegd verandert het een plakje Cambrische zeebodem in een herbruikbare lesset voor computers, en versnelt zo ons vermogen om de diepe geschiedenis van de planeet die in gesteente is vastgelegd, te lezen.

Bronvermelding: Choi, S., Kim, D., Hong, J. et al. High-resolution Annotated Dataset of Girvanella Boundstone Microfacies from the Xiannüdong Formation, China. Sci Data 13, 611 (2026). https://doi.org/10.1038/s41597-026-06958-1

Trefwoorden: Cambrische riffen, carbonaat microfacies, geologische datasets, deep learning in geowetenschap, microbiële carbonaten