皇家永利

2025年9月12日下午2:45，由西南石油大学地球科学与技术学院研究生会、学生会联合主办的硕博论坛第111-112期学术讲座在明辨楼C403顺利举行。地科院地质资源与地质工程专业2024级博士研究生马国立与2023级博士研究生何江海分别围绕人工智能在地学与工程领域的创新应用，作了题为“多尺度小波对抗学习消除数字岩石分析中的成像伪影”与“基于掩膜数据增强的地下管道缺陷高效分类方法研究”的学术报告。本次讲座现场气氛热烈，报告开始前，不少学生因对学术内容感兴趣而早早到场，对此次报告充满浓厚的期待。

马国立博士在报告中指出，生成式超分辨率重建模型虽常用于平衡岩心图像分辨率与扫描设备视野，但现有方法往往难以兼顾视觉细节增强与结构保真度，容易产生伪影，干扰专家判读，进而降低后续模拟分析的准确性。他采用三种岩性的不同分辨率图像进行试验，通过引入两种不同分解方式的小波变换，在对抗学习网络中实现多尺度频率约束。该方法将小波分解得到的细节与聚焦高频的判别器相结合，在高频信息维度中进行对抗学习，有效去除超分辨率重建任务中产生的伪影干扰。后续在连续切片数据集上进行的孔隙分割与渗流模拟表明，基于小波高频细节的超分辨率结果与基准岩石物理参数高度一致，为石油地质领域的储层表征提供了新颖可靠的方法。

图1 马国立博士作报告

何江海博士针对地下管道内检测图像中管道接口区域强对比度造成的缺陷检测性能瓶颈问题，指出传统数据增强方法（如随机裁剪）在去除接口干扰的同时容易丢失缺陷信息。他介绍了一种基于领域知识的掩膜数据增强新方法——管道接口掩码（Pipe Joint Masking, PJM）。该方法通过精准检测并构建图像中的管道接口掩膜，有效抑制无关特征干扰，完整保留缺陷信息，从而提升深度卷积神经网络（DCNN）对缺陷特征的识别能力与分类精度。

图2 何江海博士作报告

本次讲座不仅深入探讨了人工智能在地学与工程检测中的前沿应用，更从方法创新与实际价值两个层面展现出重要的学术意义。两位报告人的工作共同体现了面向真实问题开展算法创新的研究路径，其方法设计紧密结合领域知识，验证过程充分关注实际效能，不仅拓宽了人工智能技术在专业场景中的应用边界，也为跨学科合作与产学研融合提供了典型范例。本次讲座进一步强化了“人工智能+”在地学与工程领域的交叉研究氛围，为推动关键技术突破与行业应用落地注入了新的动力。硕博论坛持续为研究生提供高水平的学术交流平台，通过分享前沿研究成果，激发创新思维，提升科研能力，助力青年学者在交叉学科中探索更广阔的研究空间。

图3 报告现场