摘要：
岩石不仅是地球岩石圈圈层的重要组成元素，也是陨石、月球和火星等地外物质的重要组成元素，其研究在各个领域都具有重大意义。随着人工智能技术的不断发展，各种人工智能算法开始被广泛应用于岩石样本的自动识别与分类中，为了更高效、更准确地对岩石样本图像进行识别和分类，选择合适的深度学习模型和图像处理方法是问题的关键。因此, 本文主要围绕岩石样本识别研究中的两个问题开展：岩石样本岩性识别与含油面积百分含量计算。
在岩石样本岩性识别问题上，我们针对数据样本的特性，构建了基于ResNeSt技术的深度学习模型，引入深度残差学习、Inception、组卷积和注意力机制等技术，在相关实测数据上的测试结果表明，在裁剪九张图像用于训练时准确率可达97.2%，表现良好。
在含油面积百分含量计算问题上，我们使用图像转换、掩膜处理等图像处理技术计算含油面积百分含量，对于含有地板背景的特殊图像，使用语义分割U-Net模型进行像素分类处理，得到了一个岩石图像分割的模型。实验表明，我们的模型的DiceCoeff达到94.3%。
关键词：深度学习、岩石样本识别、图像分类、语义分割