企业官网建设流程全解析

简介：这份资源面向地质学、计算机相关专业的毕业设计、课程设计与期末大作业场景，提供一套基于机器学习的岩石薄片自动鉴定完整项目。内容围绕卷积神经网络、随机森林、支持向量机等算法展开，涵盖图像预处理、特征提取、模型训练与评估等环节，帮助读者理解岩石纹理、结构与矿物组合的自动分类流程。压缩包共28个文件，约758KB，以15个Python脚本为核心，配套4个Markdown说明文档、3张示例图片、2个文本文件及1个Excel结果表，另含配置文件与忽略规则，便于快速运行与二次开发。目录中划分了数据统计、模型测试、训练器、数据集与网络定义等模块，结构清晰，适合作为可复用的工程模板。目前已有46人学习，读者可据此掌握从数据准备到模型验证的完整思路，并在此基础上完成自己的课题实践。

1. 岩石薄片自动鉴定：从一块石头到一张标签的完整链路

地质队里最磨人的活，不是出野外，是回到室内对着偏光显微镜一张一张看薄片。一块岩石切成 0.03 毫米厚的薄片，放在正交偏光下，石英、长石、方解石、角闪石各有各的消光行为和干涉色，有经验的人一眼能认，没经验的人盯一下午也分不清微斜长石和正长石。基于机器学习的岩石薄片自动鉴定，要解决的就是这件事：把显微镜下拍到的薄片图像，交给模型输出矿物类别甚至岩石定名。它适合两类人——一类是地质专业想把手里的薄片数据批量处理掉的研究者，另一类是懂机器学习但没碰过岩石图像的算法工程师。整条链路不复杂：采图、标注、训练、推理、复核，难的是每一步都有地质学的坑，不是调个参就能糊弄过去的。

2. 先搞清楚模型要认什么：矿物颗粒还是整张薄片

2.1 两种任务定义，决定了后面所有数据工作

岩石薄片自动鉴定在落地时，第一个要拍板的问题不是选什么网络，而是鉴定粒度。常见做法有两种：一是矿物颗粒级分类，把图像里每个颗粒分割出来，判断它是石英、钾长石、斜长石还是黑云母；二是岩石整片定名，直接给整张薄片一个标签，比如“花岗闪长岩”“石英砂岩”。这两条路的数据标注方式、模型结构、评价指标完全不同。

颗粒级分类本质是语义分割或实例分割任务，标注时要用多边形把每个颗粒轮廓勾出来，工作量大但信息密度高，后续还能统计矿物含量、粒度分布、颗粒接触关系。整片定名本质是图像分类任务，标注成本低，但一张薄片里矿物组合复杂，单标签会丢掉大量信息，而且类别不平衡极严重——某些岩性在数据集里可能只有几十张。

我一般建议：如果手头薄片数量在几百张以内，先做整片定名，快速验证可行性；如果超过一千张且有地质人员愿意配合标注，直接上颗粒级分割，因为颗粒级结果可以聚合出整片定名，反过来不行。这里有个容易被忽略的点：同一岩石名称在不同地区的矿物组合可能有差异，比如同样是“花岗岩”，有的地方钾长石多，有的地方斜长石多，模型如果只学了单一来源的样本，换一个地区准确率会断崖式下跌。

2.2 偏光图像的特殊性：为什么直接套 ImageNet 预训练模型会翻车

自然图像里物体有纹理、有阴影、有透视，偏光显微镜下的矿物颗粒却是另一套视觉逻辑。单偏光下看颜色和形态，正交偏光下看干涉色和消光位，同一颗粒旋转载物台会呈现完全不同的颜色。这意味着同一矿物在不同偏光条件下的像素分布差异极大，而不同矿物在某一特定条件下又可能颜色相近。

常见做法是采集多模态输入：同一视域分别拍单偏光、正交偏光、甚至加石膏试板的图像，把三张图叠成多通道输入模型。如果只拍一种，模型很容易学到“颜色=类别”的捷径，换一台显微镜或换一个曝光参数就失效。另一个坑是白平衡和曝光，不同显微镜、不同相机、不同光源老化程度都会让同一矿物的 RGB 值漂移，所以数据增强里必须包含颜色抖动，而且抖动幅度要比自然图像任务大。

提示：如果条件允许，采集时固定显微镜型号、光源亮度和相机参数，并在每批采集前拍一张标准色卡。后期做颜色归一化时，色卡就是后悔药。

3. 从原始图像到训练集：标注、增强与划分的实操细节

3.1 用 Labelme 标注颗粒并转成掩码的完整脚本

假设我们走颗粒级分割路线，标注工具用 Labelme，每张图对应一个 JSON 文件，里面是多边形坐标和标签。下面这段脚本把 Labelme 的 JSON 批量转成训练用的掩码图，同时生成类别索引文件。

import json import os import numpy as np import cv2 from glob import glob # 类别定义：背景为 0，其余从 1 开始 CLASSES = ["quartz", "k_feldspar", "plagioclase", "biotite", "amphibole", "calcite"] CLASS_TO_ID = {name: idx + 1 for idx, name in enumerate(CLASSES)} def json_to_mask(json_path, output_dir): with open(json_path, "r", encoding="utf-8") as f: data = json.load(f) img_h = data["imageHeight"] img_w = data["imageWidth"] mask = np.zeros((img_h, img_w), dtype=np.uint8) for shape in data["shapes"]: label = shape["label"] if label not in CLASS_TO_ID: continue # 跳过未定义类别，避免训练时索引越界 points = np.array(shape["points"], dtype=np.int32) # 填充多边形，颜色值即类别 ID cv2.fillPoly(mask, [points], color=CLASS_TO_ID[label]) base = os.path.splitext(os.path.basename(json_path))[0] out_path = os.path.join(output_dir, base + ".png") cv2.imwrite(out_path, mask) return out_path if __name__ == "__main__": json_files = glob("./raw_labelme/*.json") os.makedirs("./masks", exist_ok=True) for jf in json_files: json_to_mask(jf, "./masks") print(f"done, {len(json_files)} masks generated")

这段代码的逻辑很直接：读 JSON、建全零掩码、按多边形填充类别 ID、存 PNG。关键参数在CLASS_TO_ID，它决定了训练时每个像素的标签值，必须和后面数据集类的类别数严格一致，否则会出现“模型输出 7 类但标签最大是 6”这种低级错误。另一个细节是cv2.fillPoly的填充顺序，如果两个颗粒有重叠标注，后画的会覆盖先画的，标注时要提醒地质人员不要重复勾同一区域。

3.2 数据增强不能照搬自然图像那一套

偏光图像做增强时，几何变换和颜色变换要分开对待。几何变换（翻转、旋转、缩放）可以大胆用，因为矿物颗粒的形态不依赖方向，旋转 90 度不会改变它是石英的事实。但要注意：旋转后图像边缘会出现黑边，如果直接送进网络，模型可能学到“黑边=某类”的伪相关。常见做法是旋转后做中心裁剪，或者用镜像填充。

颜色变换要谨慎。前面说过同一矿物在不同偏光条件下颜色差异大，所以适度的亮度、对比度、饱和度抖动是必要的，但色相抖动幅度不能太大，否则石英的干涉色可能被抖成方解石的干涉色，模型学到的就是噪声。我一般把色相抖动控制在 ±10 度以内，亮度 ±20%，对比度 ±15%。

还有一个地质学特有的增强手段：模拟不同旋转角度的消光变化。正交偏光下旋转载物台，矿物会周期性地变黑（消光）。可以在训练时随机对图像做不同角度的“消光模拟”——把某些区域亮度压暗，模拟消光位。这个操作能显著提升模型对消光行为的鲁棒性，但实现起来需要知道每个颗粒的消光角，标注成本高，适合后期优化阶段做。

3.3 训练集、验证集、测试集怎么分才不骗自己

随机划分是最省事的，也是最容易骗自己的。岩石薄片往往来自不同钻孔、不同深度、不同手标本，如果同一块手标本切出的多张薄片被随机分到训练集和测试集，模型在测试集上的表现会虚高，因为它见过同一块石头的“兄弟”图像。

正确做法是按手标本或按钻孔分组划分：同一块手标本的所有薄片只能出现在一个集合里。这样测试集才能真正反映模型面对新样本时的能力。如果数据量允许，还可以做跨区域验证：用 A 地区的薄片训练，用 B 地区的薄片测试，这个指标才是模型能不能推广到新工区的关键。

注意：如果分组划分后测试集准确率比随机划分低很多，不要急着调模型，先检查是不是数据泄漏。这个差距本身就是有价值的信息。

4. 模型选型与训练：U-Net、DeepLab 还是自己搭

4.1 分割网络的三个必调参数

颗粒级分割最常用的基线是 U-Net 和 DeepLabV3+。U-Net 结构简单、对小数据集友好，适合薄片数量不多的情况；DeepLabV3+ 带空洞卷积和多尺度特征，对颗粒边界模糊的图像更稳，但需要更多数据才能训起来。不管选哪个，有三个参数必须根据岩石图像的特点调整。

第一个是输入尺寸。偏光图像里颗粒尺度差异大，有的薄片里颗粒占几百像素，有的只有几十像素。如果统一缩放到 512×512，小颗粒可能只剩几个像素，分割精度直接崩。常见做法是多尺度训练：随机从原图裁剪 512×512、768×768、1024×1024 的块，让模型见过不同尺度的颗粒。推理时用滑动窗口加重叠，最后做投票融合。

第二个是损失函数。岩石薄片里背景和某些矿物（比如石英）占比极高，交叉熵损失会让模型倾向于全预测成石英。换成Dice Loss + Focal Loss 的组合更稳：Dice 管类别不平衡，Focal 管难分样本。我一般用0.5 * Dice + 0.5 * Focal，Focal 的 gamma 设 2.0。

第三个是学习率策略。分割任务对学习率敏感，初始学习率太大容易在早期把编码器权重带偏。用余弦退火 + 热重启，初始 lr 设 1e-4，每 20 个 epoch 重启一次，配合 AdamW 优化器，权重衰减 1e-4。这个组合在薄片数据上比固定学习率稳定得多。

4.2 一个可复现的训练循环骨架

下面这段代码用 PyTorch 搭一个最小训练循环，重点看数据加载和损失计算部分。

import torch import torch.nn as nn from torch.utils.data import DataLoader, Dataset import segmentation_models_pytorch as smp class ThinSectionDataset(Dataset): def __init__(self, img_paths, mask_paths, transform=None): self.img_paths = img_paths self.mask_paths = mask_paths self.transform = transform def __len__(self): return len(self.img_paths) def __getitem__(self, idx): img = cv2.imread(self.img_paths[idx]) # BGR img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) mask = cv2.imread(self.mask_paths[idx], cv2.IMREAD_GRAYSCALE) if self.transform: augmented = self.transform(image=img, mask=mask) img, mask = augmented["image"], augmented["mask"] img = torch.from_numpy(img).permute(2, 0, 1).float() / 255.0 mask = torch.from_numpy(mask).long() return img, mask # 模型：U-Net + EfficientNet-B3 编码器，类别数含背景 model = smp.Unet( encoder_name="efficientnet-b3", encoder_weights="imagenet", in_channels=3, classes=len(CLASSES) + 1 # 背景 + 矿物类别 ) dice_loss = smp.losses.DiceLoss(mode="multiclass") focal_loss = smp.losses.FocalLoss(mode="multiclass", gamma=2.0) def criterion(pred, target): return 0.5 * dice_loss(pred, target) + 0.5 * focal_loss(pred, target) optimizer = torch.optim.AdamW(model.parameters(), lr=1e-4, weight_decay=1e-4) scheduler = torch.optim.lr_scheduler.CosineAnnealingWarmRestarts(optimizer, T_0=20) for epoch in range(100): model.train() for img, mask in train_loader: img, mask = img.cuda(), mask.cuda() pred = model(img) loss = criterion(pred, mask) optimizer.zero_grad() loss.backward() optimizer.step() scheduler.step()

这段代码里，classes=len(CLASSES) + 1是背景类，如果忘了加 1，训练时标签里的 0 会被当成无效值忽略，模型永远学不会背景。encoder_weights="imagenet"用了预训练权重，虽然偏光图像和自然图像差异大，但底层边缘和纹理特征仍然可迁移，比从零训快很多。损失函数组合里 Dice 和 Focal 各占一半，实际调的时候可以先跑一轮看哪个 loss 下降更慢，适当调权重。

4.3 训练过程中看什么指标才不盲目

分割任务不能只看准确率。岩石薄片里石英可能占 60% 像素，模型全预测石英也有 60% 准确率，但毫无意义。要盯三个指标：各类别 IoU、边界 F1、混淆矩阵。

各类别 IoU 能看出哪个矿物分得差，通常长石类（钾长石和斜长石）混淆最严重，因为它们的干涉色和双晶特征在低倍镜下很接近。边界 F1 衡量颗粒轮廓的贴合程度，如果边界 F1 低但 IoU 还行，说明模型把颗粒内部认对了但边缘糊了，这时候要检查损失函数里边界权重够不够。混淆矩阵直接看谁被错认成谁，如果黑云母大量被认成角闪石，可能是颜色增强把深色矿物都抖成一样了。

提示：每训完一个 epoch 存一次验证集上的混淆矩阵图，训练结束后翻一遍，比看 loss 曲线有用得多。

5. 避坑与排查：薄片自动鉴定里最容易翻车的五件事

5.1 现象：验证集准确率 95%，换一批薄片掉到 60%

原因：数据泄漏或域偏移。前者是同一手标本的薄片被分到了训练和验证集，后者是训练集和验证集来自不同显微镜或不同曝光参数。地质样本的采集批次往往和岩性相关，比如某次集中采了一批花岗岩，如果按随机划分，模型可能只是记住了这批图像的色调。

解决：按手标本或钻孔分组划分，并在训练时加入强颜色增强。如果换批后掉得厉害，先做颜色归一化——用标准色卡或直方图匹配把新图像的颜色分布对齐到训练集。

5.2 现象：模型把石英和斜长石大量混淆

原因：这两种矿物在单偏光下都是无色透明，正交偏光下石英是灰白干涉色，斜长石有聚片双晶但低倍镜下不明显。如果只输入单偏光图像，模型几乎没有区分依据。

解决：加入正交偏光图像作为额外通道，或者用双分支网络分别处理单偏光和正交偏光，在特征层融合。如果只能拍一种，至少要在正交偏光下拍，因为干涉色信息量更大。

5.3 现象：颗粒边界分割得支离破碎，一个颗粒被切成好几块

原因：损失函数里边界权重不足，或者输入分辨率太低导致小颗粒信息丢失。另外，标注时如果颗粒边界勾得不准，模型学到的边界就是模糊的。

解决：在损失函数里加边界加权，用形态学梯度提取标注边界，给边界像素更高权重。输入分辨率至少保持 512×512，小颗粒多的薄片用 1024×1024。标注规范要统一，颗粒边界以实际接触线为准，不要留空隙也不要重叠。

5.4 现象：训练 loss 震荡剧烈，偶尔跳到 NaN

原因：学习率太大，或者数据里有异常样本（比如全黑图、标注全零的图）。偏光图像里如果某张图曝光失败，像素值全在 0 附近，归一化后梯度会爆炸。

解决：训练前做数据清洗，统计每张图的均值和方差，剔除异常样本。学习率用 warmup，前 5 个 epoch 从 1e-6 线性升到 1e-4。加梯度裁剪，torch.nn.utils.clip_grad_norm_(model.parameters(), max_norm=1.0)。

5.5 现象：推理时单张图要好几秒，批量处理等不起

原因：滑动窗口重叠太大，或者模型参数量太大。U-Net + EfficientNet-B3 在 1024×1024 输入下，单张推理在 GPU 上大概 0.5 秒，如果重叠 50% 做滑窗，一张大图要跑几十次。

解决：推理时用 TensorRT 或 ONNX Runtime 加速，重叠率降到 25%，或者把模型换成轻量编码器（MobileNetV3、EfficientNet-B0）。如果精度允许，先下采样再推理，后处理时上采样回原尺寸。

6. 让模型真正能用：后处理、置信度与人工复核的配合

模型输出掩码只是第一步，直接拿掩码去定名还会翻车。我一般会在推理后加三层后处理。第一层是形态学清理：用开运算去掉小面积噪声区域，用闭运算填补颗粒内部空洞，面积阈值根据薄片放大倍数定，通常小于 50 像素的连通域直接丢掉。第二层是类别投票：对每个颗粒区域，统计模型预测的类别概率均值，如果最高概率低于 0.6，标记为“待复核”，不强行给标签。第三层是矿物含量聚合：统计各类别像素占比，和岩石定名标准做匹配，比如石英占比超过 60% 且长石以钾长石为主，倾向定为花岗岩。

置信度阈值不是拍脑袋定的。我会在验证集上画置信度-准确率曲线：把预测按置信度分桶，看每个桶里的实际准确率。如果置信度 0.5 到 0.6 的桶里准确率只有 0.3，说明模型在这个区间不可信，阈值就要往上提。通常分割任务里，置信度 0.7 以上的区域准确率能到 0.9，0.5 以下的基本是噪声。

人工复核环节不能省。地质定名本身就有主观性，不同的人对同一薄片可能给出不同名称，模型的作用是把 90% 的常规样本自动处理掉，把 10% 的疑难样本挑出来给人看。复核界面里要同时显示原图、模型掩码、置信度热力图，让地质人员一眼看出模型哪里不确定。我习惯把置信度低于阈值的区域用红色边框标出，复核人员只需要看这些区域，效率比从头看一遍高得多。

最后说一个我自己的教训：早期做这个方案时，我花了两周调模型结构，准确率从 82% 提到 85%，后来花了一天做颜色归一化和分组划分，准确率直接跳到 91%。岩石薄片自动鉴定里，数据质量比模型结构重要得多。如果你刚开始做，先把采集规范、标注规范、划分策略定死，再动模型。希望帮到你。

本文还有配套的精品资源，点击获取