科技日报记者 荆晓青
8月底，10家油田的技术人员齐聚中国石油大学（华东），一场岩石薄片智能鉴定人机同台比拼在此进行。实验室内，传统人工鉴定与AI智能分析形成鲜明对比：老专家俯身显微镜前，肉眼逐粒甄别矿物成分、辨析孔隙结构；青年科研人员利用FalconCore岩心图像智能分析软件，快速完成矿物成分、孔隙结构、岩石结构等全套分析工作。“以前鉴定一块薄片需要两到四小时，现在智能鉴定仅需几分钟。”参与现场竞赛的中国石油吐哈油田公司勘探开发研究院试验中心一级工程师刘峰向记者感慨。
当前，以FalconCore岩心图像智能分析软件为代表的AI鉴岩产品，正处于从实验室走向油气勘探一线的关键阶段。8月27日，由中国石油天然气股份有限公司（以下简称“中国石油”）勘探开发研究院、中国石油化工股份有限公司石油勘探开发研究院、中海油能源发展股份有限公司等20余家单位起草的国家标准指导性技术文件登记项目《人工智能 岩石薄片智能鉴定》正式发布。国标的落地，有望进一步推动AI鉴岩技术嵌入油气勘探开发产业链条，为传统能源产业数智化转型提供可落地、可复制、可推广的创新样板。
改变传统鉴岩模式
岩石薄片鉴定是油气勘探的“微观关口”。取自地下数千米的岩心经磨制切片后，其内部矿物组分、孔隙结构、岩石结构等微观信息，是油气储层评价、开发方案编制等工作的核心依据。
“外行眼中的普通岩石薄片，地质人员却能从中解读地层沉积、构造演化、油气成藏等关键信息。”中国石油塔里木油田实验检测研究院副院长曾昌民告诉记者，薄片鉴定是典型的经验型技术工作，技术人员需综合矿物干涉色、突起、解理、形态等多项特征，精准区分石英、长石、方解石等矿物类型，系统识别矿物、结构组分、孔隙、胶结充填物等组分。同时，鉴定效果高度依赖专家经验，复杂蚀变岩、混积岩、特殊致密储层的识别难度极大。“没有10年以上的一线积淀，很难准确鉴定。”曾昌民坦言，一线规模化样本处理压力更为突出，仅塔里木油田年均薄片鉴定量就达两万余块，大批量样本处理高度依赖少数资深专家，人工鉴定的产能瓶颈制约着油田勘探评价进度。
除了效率短板，行业长期面临地质经验数字化留存难题。岩石薄片属于消耗品，长期存放易发黄、脱胶、变形，大量珍贵微观地质信息无法留存。老一辈地质专家的判读逻辑、研判经验多沉淀于纸质资料与个人经验，缺乏标准化、可追溯的数字化载体。中国石油勘探开发研究院人工智能研究所所长李欣说，人力消耗高、作业效率低、主观误差大、经验传承难、数据难留存等诸多痛点，让薄片鉴定成为AI落地油气行业迫切且务实的场景切口。
为破解行业难题，2020年，中国石油勘探开发研究院人工智能研究所的FalconCore交叉学科创新团队开展岩心图像智能分析技术攻关，该所一级工程师任义丽成为项目带头人。历经6年迭代优化，团队自主研发的FalconCore岩心图像智能分析软件，集成岩石薄片智能鉴定、扫描电镜孔缝分析、岩屑智能识别等多个功能模块，适配砂岩、碳酸盐岩等主流油气岩性。团队同步推进薄片制片、图像采集全流程硬件标准化，打通软硬件一体化应用链条。
智能技术的落地应用，将矿物含量、颗粒粒径、孔隙结构等关键参数从经验定性判断升级为数据定量输出。“这改变了传统鉴岩模式，有效释放了人力资源。科研人员得以从重复性基础统计工作中抽离，聚焦复杂岩相识别、成岩作用、储层机理分析等高价值工作。”任义丽说。
目前，该软件已在国内10余家油田试点应用，相关成果斩获第三届中央企业熠星创新创意大赛一等奖。
创建高质量样本库
高质量数据集是保障AI鉴岩的根基。“数据量大不等于大数据，更不等于高质量数据。油气领域数据直接服务工程决策，牵动数亿元产业成本、关乎生产安全，数据集建设容不得半点马虎。”中国工程院院士刘合说，数据标注是高质量数据集建设的关键环节，它把专家脑中模糊、隐性的鉴定经验，转化为标准、可用的数字资产，是技术落地的第一道关卡。
很多人误以为数据标注只是简单的图像圈画。从业30余年、全程负责样本质控的岩矿鉴定资深专家郭永军解释，岩心图像标注的本质，是复刻地质专家的系统性研判逻辑，涵盖矿物分类、边界精准分割、蚀变程度识别、沉积成因推演等全维度专业判断。任何标注偏差，都会造成模型误差，后期迭代修正成本极高。
为严控数据质量，团队立下铁规：核心样本必须由资深专家完成标注与多轮审核。团队拥有2名专职、10余名兼职岩矿鉴定专家，建立起图像采集、清洗、标注、多级审核的完整流程。
攻关过程中，跨学科磨合成为常态，因为地质专家精通岩矿机理但不熟悉算法逻辑，算法团队擅长AI建模但缺乏地质专业积淀。“这是老地质经验与新智能技术的双向互补、双向赋能。”FalconCore团队算法骨干罗路介绍，团队以专家标准统一判读尺度，以模型反馈优化标注规范，在反复试错迭代中，形成适配行业实景的数据标准体系。
历经6年深耕打磨，团队建成覆盖松辽、塔里木等主力油气盆地，包含50多万张多维度图像的岩心数据集，涵盖岩心滚扫、薄片、扫描电镜、CT等多尺度数据类型。高标准之下，样本库还在不断升级，仅2025年吐哈油田就梳理了800多口井、2.3万余个岩石薄片的资料，层层筛选出590个优选样本，最终精细标注350个高质量样本入库。
除了高质量数据集，让模型认得准岩心也离不开算法优化。岩石薄片内部矿物密集叠加、蚀变现象复杂，普通图像分割算法容易出现颗粒混淆、边界识别偏差。为此，团队基于SAM视觉分割大模型，利用专家精标岩石图像进行专项微调，自研岩石场景专属视觉基础模型，配套开发智能标注与审核修订模块。FalconCore团队算法骨干郑紫路说，团队形成了“应用—校正—标注”动态迭代闭环，相关底层核心算法实现自主可控。
出台统一鉴定标准
多位受访专家直言，解决了AI“能不能认、认得准不准”的技术问题后，如何推动AI鉴岩技术真正落地，是当前行业面临的重要问题。“技术试点初期，各油田、科研院所各自开展研发测试，数据规范、标注体系、算法口径、输出标准互不统一，AI鉴岩长期停留在演示展示层面，无法接入正式生产流程。”任义丽说，标准缺失是制约智能鉴岩技术产业化的重要因素。
《人工智能 岩石薄片智能鉴定》的发布有助于打通技术“能不能统一、能不能规模化落地”的产业化堵点。该标准由全国信息技术标准化技术委员会归口、中国国家标准化管理委员会主管，对数据规范、标注准则、算法要求、评价指标、输出格式作出统一规定，形成了智能鉴定新工作范式下的新标准。“这也是首个油气勘探开发人工智能国家标准，岩石薄片智能鉴定从此有了可以依据的国家标准。”李欣说。
“国标落地后，数据来源、模型评价、成果输出全部有据可依，智能鉴岩技术从创新工具升级为标准化生产工具。”中国石油大学（华东）地球科学与技术学院副院长孟凡超说，标准化体系让智能分析结果实现横向可比、纵向可溯、流程复用，对批量样本处理、区域储层评价、历史地质资料数字化盘活意义重大。
“从更广领域来看，这套智能鉴岩体系具备跨界迁移潜力。”新疆维吾尔自治区地质局地质科技发展处高级工程师李云鹏认为，油气领域指导性技术文件探索打磨的数据标注规范、算法模型体系、软硬件协同方案、标准化应用逻辑，同样适用于固体矿产等各类地质勘查领域。未来可推动跨行业样本互补、经验互通、标准互鉴，让这套技术服务更广泛的地质勘探领域。
面向未来，任义丽表示，团队将依托大模型技术进一步突破成因矿物辨析、孔隙类型区分等技术瓶颈，完善人机协同场景创新，持续赋能油气勘探数智化升级。
网友评论
