(1. 河南理工大学 能源科学与工程学院，深井岩层控制与瓦斯抽采技术应急管理部科技研发平台，河南 焦作 454003；2. 河南理工大学 资源与环境学院，河南 焦作 454003；3. 中国地质大学(北京) 能源学院，北京 100083；4. 河南理工大学 计算机科学与技术学院，河南 焦作 454003 5. 亚琛工业大学 应用地球物理与地热能研究所，德国 亚琛 52074)

创新点

1.提出将结合Transformer模块与卷积神经网络（CNN）的Trans-UNet模型用于煤裂隙分割任务的方法，通过多头自注意力机制（MHSA）捕获长距离依赖关系，同时利用CNN提取局部细节特征，显著提升了分割精度，解决了传统方法全局特征捕捉不足的问题。

2.提出创新的数据预处理与增强策略，将差值法与数据增强技术、图像重采样方法有机结合，显著提高了μCT图像质量并扩充了数据集，为岩心小样本数据集的深度学习任务提供了一种有效解决方案。

3.提出优化的混合损失函数与训练策略，通过Dice损失与交叉熵损失的加权组合，有效缓解类别不平衡问题，提升对微小裂隙的敏感度，同时引入学习率调度、早停策略、Dropout和L2正则化，优化模型训练过程，增强泛化能力，避免过拟合。

文章主要内容

1.1 样品的数据采集

1.2 图像预处理

1.3 数据增强

1.4 图像重采样

2.1 Trans-UNet网络架构

2.2 多头自注意力机制

2.3 网络训练与优化

3.1 实验设置

3.2 评价指标

3.3 Trans-UNet训练过程分析

3.4 Trans-UNet模型与多种无监督机器学习算法对比

3.5 Trans-UNet模型与其他多种智能模型对比

3.6 消融实验

主要附图

上下滑动

第一作者简介

胡咤咤，1990年生，湖北黄冈人，博士(德国），副教授。主要从事非常规天然气地质、地热能勘探开发、核废料地质埋存、天然氢勘探等领域的教学与科研工作。现担任Unconventional Resources、《煤田地质与勘探》和《河南理工大学学报（自然科学版）》的青年编委。近年来，在本领域出版学术专著1部，参编教材1部，主持国家自然科学基金、河南省科技攻关项目、河南省博士后科研项目、河南省高等学校重点科研项目、河南省矿产资源绿色高效开采与综合利用重点实验室开放基金等共7项，在Engineering Geology、Geomechanics and Geophysics for Geo-Energy and Geo-Resources等国内外知名期刊上发表论文22篇，授权国家发明专利2项。

金毅，男，1979年生，湖北鄂州人，博士、教授，博士生导师。现任河南理工大学资源环境学院院长以及河南省煤系非常规资源成藏与开发重点实验室主任，担任《煤田地质与勘探》等杂志的编委和青年编委。先后入选中原科技创新领军、河南省特聘教授、省杰青、省高校科技创新团队带头人等人才计划，获中国煤炭工业协会杰出青年科技工作者、省教育厅学术技术带头人等名誉称号。主要从事数学地质、煤层气地质以及多孔介质物理等方面的研究。发表学术论文70余篇，授权专利及软著16项，出版《定量储层地质学理论与方法》等专著4部。荣获河南省自然科学贰等奖2项（R1、R2）、重庆市科技进步叁等奖1项（R4）、河南省教育厅科技成果奖壹等奖1项（R4）及省优秀科技论文壹等奖4项（3R1、1R2）。

胡咤咤，张寻，金毅，等. 基于µCT和深度学习的煤裂隙智能提取方法[J]. 煤田地质与勘探，2025，53(2)：55−66.

doi:10.12363/issn.1001-1986.24.09.0609