一种结合局部与全局特征注意力的薄片岩石图像分类网络

为什么更智能的岩石图像很重要

埋藏在地表下的岩石包含关于隧道安全、地下水寻址或石油天然气储集位置的重要线索。地质学家在显微镜下研究这些刀片般薄的岩石切片，但手工标注成千上万张图像既耗时又带有主观性。本研究提出了一种新的人工智能系统，称为 HFANet，能够从这些薄片图像中学习识别岩石类型，准确率接近完美，有望加速地质勘查并提高结果的一致性。

兼顾整体视野与微小细节

大多数计算机视觉工具要么擅长捕捉整体模式，要么擅长关注微小细节，很少二者兼顾。薄片岩石尤其棘手：砂岩、火山岩和变质岩在不同放大倍数下可能显得相互相似而令人困惑。HFANet 通过将问题分成两个互补视角来应对这一挑战。网络的一条分支观察整幅图像，以捕捉视野中的整体结构和矿物分布；另一条分支将图像划分为更小的补丁，检查每个小块的纹理、晶粒边缘和微小裂隙。

教会网络在哪里“注意”

仅仅并行运行两条分支并不足够；它们需要相互交流。HFANet 使用注意力机制——一种告诉模型图像哪些部分对决策最重要的数学工具。首先，以补丁为中心的分支通过让补丁彼此“关注”，学习哪些局部区域携带最有用的信息。然后，一个交互阶段让全局与局部特征双向引导彼此。全局视角将模型引向具有地质意义的区域，而细节补丁则将微妙的纹理和边界反馈到全局摘要中。这种往返的注意力有助于系统锁定关键信号，例如区分两种非常相似的砂岩，否则这些差异可能导致混淆。

将人工特征线索与深度学习融合

除了网络自行学习的内容外，作者还引入了地质学家和图像分析人员长期使用的传统图像描述符。这些包括颜色平衡、纹理粗糙度和亮度变化的测量，能够捕捉晶粒如何从背景中凸显或织构的有序程度等信息。HFANet 将这些经典特征视为另一种数据源，输入到全局分支中，让网络学习如何对它们加权。这种融合仅带来极小的计算开销，却在准确性上带来可衡量的提升，特别是在那些因为纹理和矿物组合微妙变化而更难分类的火成岩中。

性能基准测试与泛化性检验

研究人员在来自南京大学的大型教学数据集上训练和评估了 HFANet，该数据集包含超过 2,600 张显微图像，覆盖 108 个岩石类型——沉积岩、火成岩和变质岩。在细粒度任务上，例如区分沉积岩的不同亚型，HFANet 的准确率超过 99%，并在基于排序的指标（衡量模型区分类别能力）上取得了完美分数。在三大类岩石的总体比较中，它持续优于常用的卷积神经网络和 Transformer 模型。团队随后提出了更严格的问题：当模型在从未见过的薄片矿物集合上测试时表现如何？在这个情形下，一个更简单的网络在原始准确率上略高，但 HFANet 在将正确类别排在前列的能力上依然最好，表明其对岩石模式的内部表示在成像条件变化时仍然稳健。

洞察模型的推理过程

为检验 HFANet 是否关注具有地质意义的区域，作者将模型的注意力图与专家注释进行了比较。在火山沉积岩的示例图像中，HFANet 突出了火山玻璃碎片、晶体碎屑和裂隙——这些是人工专家用于命名和解释此类岩石的结构。其关注区域与手工绘制的重要特征掩码高度一致，并且比应用于主流基线模型的标准可视化工具更精确。这种一致性表明系统并非仅在记忆颜色或噪声，而是关注那些在科学上重要的边界、织构和晶粒关系。

这对未来地质工作的意义

对于日常地球科学工作，HFANet 指向了可快速且可靠地标注薄片图像、标记模糊样本并帮助标准化教学藏品的自动化工具。尽管其双分支、重度使用注意力的设计比简单网络在计算上更为昂贵，但它提供了罕见的准确性、可解释性和对地质结构的尊重。通过在模型加速和适配新显微镜与不同岩石组合方面进一步工作，像 HFANet 这样的系统有望成为人类专家的可信助手，处理常规的岩石分类任务，让地质学家将注意力集中在复杂的解释与决策上。

引用: 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

关键词: 岩石薄片图像, 深度学习分类, 注意力网络, 地质图像分析, 岩相学自动化