En hybrid lokal-global funktionsuppmärksamhetsnätverk för klassificering av tunna avsnitt av bergbilder

Varför bättre bergbilder spelar roll

Berg som ligger djupt nere i marken innehåller ledtrådar om var vi säkert kan bygga tunnlar, hitta grundvatten eller utnyttja nya olje- och gasreserver. Geologer studerar rakhyvlade skivor av dessa berg i mikroskop, men att noggrant märka tusentals bilder för hand är långsamt och subjektivt. Denna studie presenterar ett nytt artificiellt intelligenssystem, kallat HFANet, som lär sig känna igen bergtyper från dessa tunna avsnittsbilder med nästan perfekt noggrannhet, vilket potentiellt kan snabba upp geologiska undersökningar och göra dem mer konsekventa.

Att se helheten och de små detaljerna

De flesta datorseendeverktyg är bra på antingen att uppfatta breda mönster eller att fokusera på fina detaljer, men inte båda samtidigt. Tunna bergskivor är särskilt svåra: sandstenar, lava och metamorfa berg kan se förvillande lika ut när du zoomar in eller ut. HFANet tar sig an detta genom att dela upp problemet i två kompletterande vyer. En gren av nätverket ser hela bilden för att fånga den övergripande strukturen och mineralmönster över synfältet. Den andra grenen delar bilden i mindre patchar och undersöker texturer, kornkanter och små sprickor i varje del.

Att lära nätverket var det ska uppmärksamma

Att helt enkelt köra två grenar parallellt räcker inte; de måste kommunicera med varandra. HFANet använder uppmärksamhetsmekanismer — matematiska verktyg som berättar för modellen vilka delar av en bild som är viktigast för ett beslut. Först lär sig den patch-fokuserade grenen vilka lokala regioner som bär mest användbar information genom att låta patchar ”uppmärksamma” varandra. Därefter tillåter ett korskommunikationssteg att globala och lokala funktioner vägleder varandra i båda riktningarna. Den globala vyn knuffar modellen mot geologiskt meningsfulla områden, medan de detaljerade patcharna matar tillbaka subtila texturer och gränser till den globala sammanfattningen. Detta fram- och återgående uppmärksamhetsutbyte hjälper systemet att låsa fast viktiga signaler, såsom skillnaden mellan två mycket liknande sandstenar, som annars skulle orsaka förvirring.

Att blanda handgjorda ledtrådar med djupinlärning

Utöver vad nätverket lär sig själv tillför författarna traditionella bildbeskrivare som länge använts av geologer och bildanalytiker. Dessa inkluderar mätningar av färgbalans, texturråhet och ljusstyrkevariationer som fångar till exempel hur korn framträder mot bakgrunden eller hur ordnat ett tyg (fabric) ter sig. HFANet behandlar dessa klassiska funktioner som en annan datakälla, matar in dem i den globala grenen och låter nätverket lära sig hur de ska viktas. Denna fusion lägger till endast en liten extra beräkningskostnad men förbättrar mätbart noggrannheten, särskilt i utmanande eruptiva berg där subtila skiftningar i textur och mineralblandning gör klassificeringen svårare.

Jämförelser av prestanda och test av generaliserbarhet

Forskarna tränade och utvärderade HFANet på en stor undervisningsdatamängd från Nanjing University som innehåller över 2 600 mikroskopbilder som täcker 108 bergtyper — sedimentära, eruptiva och metamorfa. På finfördelade uppgifter, såsom att skilja en sedimentär subtyp från en annan, överträffade HFANet 99 % noggrannhet och uppnådde perfekta poäng på rankningsbaserade mått som mäter hur väl modellen separerar klasser. Över alla tre huvudgrupp­er av berg kombinerat slog den konsekvent vanliga CNN- och Transformer-modeller. Teamet ställde sedan en svårare fråga: hur beter sig modellen på en annan samling av mineraltunna snitt som den aldrig sett under träning? Här gav faktiskt ett enklare nätverk något högre rå noggrannhet, men HFANet visade fortfarande bäst förmåga att ranka rätt klass högt, vilket antyder att dess interna representation av bergmönster förblir stark även när bildförhållandena ändras.

Att titta in i modellens resonerande

För att kontrollera om HFANet fokuserar på geologiskt meningsfulla regioner jämförde författarna modellens uppmärksamhetskartor med experters annoteringar. I exempelbilder av vulkaniska sedimentära berg framhöll HFANet vulkaniskt glassfragment, kristallrester och sprickor — strukturer som mänskliga experter använder för att namnge och tolka dessa berg. Dess fokus stämde väl överens med handritade masker av viktiga strukturer och var mer precis än standardvisualiseringsverktyg som tillämpades på en ledande baslinjemodell. Denna överensstämmelse tyder på att systemet inte bara memorerar färger eller brus, utan uppmärksammar gränser, tyger och kornrelationer som är vetenskapligt betydelsefulla.

Vad detta innebär för framtida geologiskt arbete

För vardaglig geovetenskap pekar HFANet mot automatiserade verktyg som snabbt och pålitligt kan märka tunna avsnittsbilder, flagga tvetydiga fall och hjälpa till att standardisera undervisningssamlingar. Även om dess dubbelgrenade, uppmärksamhetsintensiva design är mer beräkningskrävande än enklare nätverk, levererar den en sällsynt kombination av noggrannhet, tolkbarhet och respekt för geologisk struktur. Med fortsatt arbete för att snabba upp modellen och anpassa den till nya mikroskop och bergserier kan system som HFANet bli betrodda assistenter till mänskliga experter, hantera rutinmässig bergklassificering samtidigt som geologer frigörs att fokusera på komplex tolkning och beslutsfattande.

Citering: Wei, P., Fan, C., Yang, X. et al. A hybrid local-global feature attention network for thin section rock image classification. Sci Rep 16, 6446 (2026). https://doi.org/10.1038/s41598-026-36669-x

Nyckelord: tunna bergskivor bild, djupinlärningsklassificering, uppmärksamhetsnätverk, geologisk bildanalys, petrografi automatisering