本发明涉及岩石结构分析，具体而言，涉及一种基于u-net3+的铸体岩石薄片图像分割方法、系统及存储介质。
背景技术：
1、铸体岩石薄片分析是岩石结构和组分等地质学研究的最重要手段之一。通过岩石薄片粒度分析，可以直观的表征岩石学特征，为沉积体系和沉积环境研究提供技术支持。铸体岩石薄片中的碎屑组分结构多样，其粒度、分选、磨圆等差异性大，具有形状多、尺寸多等特征，且颗粒之间存在点接触、线接触、凸凹接触和缝合线接触等多种关系，导致边界不清晰，薄片中的碎屑组分可以由多种造岩矿物或各种岩石碎屑组成，这些组分可以具有相似的或者截然不同的镜下特征。由于岩石图像的复杂性，导致传统的人工岩石薄片粒度识别方法在识别效率、可重复性和识别精度方面存在局限。
2、如现有技术中公开号为cn117611829a的中国专利文献公开了一种井下矿石图像的分割方法、装置、作业机械及电子设备，采用u-net分割网络对井下矿石图像进行分割，用以统计目标矿石分割图像中的矿石块度；以及现有技术公开号为cn110110661a的中国专利文献公开了一种基于u-net分割的岩石图像孔隙类型识别方法，采用初始深度学习网络模型，对待识别的岩石图像进行识别；均受限于传统u-net固有的局部性特征，对碎屑组分结构多样、颗粒边界不清晰的岩石图像难以精确分割，无法实现高精度的粒度识别。
技术实现思路
1、本发明要解决的技术问题是：
2、现有的技术受限于传统u-net固有的局部性特征，对碎屑组分结构多样、颗粒边界不清晰的岩石图像难以精确分割，无法实现高精度的粒度识别。
3、本发明为解决上述技术问题所采用的技术方案：
4、本发明提供了一种基于u-net3+的铸体岩石薄片图像分割方法，包括如下步骤：
5、步骤一、采集铸体岩石薄片的微观图像，对图像数据进行预处理，将预处理后的图像数据随机划分为训练集和测试集；
6、步骤二、构建u-net3+网络模型，所述unet3+网络模型的编码器和解码器中分别增加2个3*3卷积层，且编码器的每个3*3卷积层后引入一个senet注意力模块，以增强重要通道的响应并抑制不重要的通道；
7、步骤三、采用构建的u-net3+网络模型对训练集中图像数据进行分割，根据每个图像的分割结果，结合损失函数对模型进行优化，并采用测试集测试模型性能，得到基于unet3+的铸体岩石薄片图像分割模型；
8、步骤四、采用所述基于unet3+的铸体岩石薄片图像分割模型对铸体岩石薄片图像进行分割。
9、进一步地，步骤一中对图像数据进行预处理，具体为：对图像进行随机旋转、随机翻转、亮度增强、去噪和统一尺寸处理。
10、进一步地，步骤四包括如下过程：
11、进行编码操作：首先将输入的图像每层经过两次9*9卷积，然后通过最大池化层进行提取特征，使特征图分辨率缩小1倍，得到特征图s1，特征图s1过两次3*3卷积，传输到下一层，经过同样的编码操作生成特征图s2；在每个增加的3*3卷积层后增加一个senet注意力模块，以增强重要通道的响应并抑制不重要的通道；
12、进行特征映射：将特征图s2特征直接传递得到的特征图s3；
13、进行解码操作：首先将特征图s3每层经过两次9*9卷积，然后通过最大池化层进行特征提取，使特征图分辨率缩小1倍，得到生成特征图s4，特征图s4经过两次3*3卷积，传输到下一层，经过同样的解码操作生成特征图s5；
14、进行图像分割：将特征图s1、s2、s3、s4和s5经过五层叠加，得到像素级别特征图s6，将特征图s6映射回原始铸体岩石薄片图像空间，对每个图像进行分割，得到分割结果图。
15、进一步地，步骤二中unet3+网络模型的卷积层后构建有batchnorm2d层、激活函数层和池化层。
16、进一步地，步骤三中所述损失函数为由focal损失函数lfl、ms-ssim损失函数lms-ssim和lou损失函数liou协同构建的混合损失函数lseg，具体为：
17、lseg＝lfl+lms-ssim+liou
18、所述ms-ssim损失函数lms-ssim为：
19、
20、其中，p、g分别为模型预测的分割结果和实际的分割结果，m为尺度的总数量,μp,μg为p、g的均值，σp,σg为p、g的方差，σpg为p和g的协方差，βm,γm分别为权重参数，用于控制不同尺度上的亮度和对比度的重要性，常量c1和c2用于避免除零的不稳定情况。
21、进一步地，所述分割方法还包括：通过图像腐蚀将图像颗粒之间的粘连进行分离；采用图像膨胀将图像的颗粒空洞进行填充。
22、进一步地，一种基于u-net3+的铸体岩石薄片图像分割系统，该系统具有与上述技术方案任一项技术方案所述方法的步骤对应的程序模块，运行时执行上述的基于u-net3+的铸体岩石薄片图像分割方法中的步骤。
23、一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序配置为由处理器调用时实现上述技术方案中任一项所述的基于u-net3+的铸体岩石薄片图像分割方法中的步骤。
24、相较于现有技术，本发明的有益效果是：
25、本发明一种基于u-net3+的铸体岩石薄片图像分割方法，利用u-net3+结构的编码-解码特点，在编码器和解码器中各增加2个3*3卷积层，同时，编码器每个3*3卷积层后引入一个senet注意力模块，增强了特征提取的效果，使得模型能够更精确地捕捉图像中的重要信息，从而提高了分割的准确性。结合u-net3+结构的多级特征融合，更有效地捕捉图像中的局部和全局信息。通过提高分割准确性、适应边界不清晰情况以及提高分析效率等优势，为科学、准确地表征薄片碎屑颗粒粒度、分选、磨圆等结构特征提供了坚实的基础。
1.一种基于u-net3+的铸体岩石薄片图像分割方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于u-net3+的铸体岩石薄片图像分割方法，其特征在于，步骤一中对图像数据进行预处理，具体为：对图像进行随机旋转、随机翻转、亮度增强、去噪和统一尺寸处理。
3.根据权利要求1所述的基于u-net3+的铸体岩石薄片图像分割方法，其特征在于，步骤四包括如下过程：
4.根据权利要求3所述的基于u-net3+的铸体岩石薄片图像分割方法，其特征在于，步骤二中unet3+网络模型的卷积层后构建有batchnorm2d层、激活函数层和池化层。
5.根据权利要求4所述的基于u-net3+的铸体岩石薄片图像分割方法，其特征在于，步骤三中所述损失函数为由focal损失函数lf1、ms-ssim损失函数lms-ssim和lou损失函数liou协同构建的混合损失函数lseg，具体为：
6.根据权利要求5所述的基于u-net3+的铸体岩石薄片图像分割方法，其特征在于，所述分割方法还包括：通过图像腐蚀将图像颗粒之间的粘连进行分离；采用图像膨胀将图像的颗粒空洞进行填充。
7.一种基于u-net3+的铸体岩石薄片图像分割系统，其特征在于，该系统具有与上述权利要求1～6任一项权利要求所述方法的步骤对应的程序模块，运行时执行上述的基于u-net3+的铸体岩石薄片图像分割方法中的步骤。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序配置为由处理器调用时实现权利要求1～6中任一项所述的基于u-net3+的铸体岩石薄片图像分割方法中的步骤。
