地科学院邵燕林副教授团队长期从事数字露头、储层三维表征等方面的研究，团队硕士生刘浪在遥感领域期刊《Sensors》上发表题为“MC-H-Geo: A Multi-Scale Contextual Hierarchical Framework for Fine-Grained Lithology Classification”的研究论文。长江大学地球科学学院为论文第一署名单位，硕士生刘浪为论文第一作者，邵燕林副教授为该文通讯作者。

针对 TLS 点云在细粒岩性识别中受风化噪声影响大、岩性差异细微且易发生特征混叠的难题，研究团队利用多尺度特征构建、跨尺度对比增强和任务分解式分类等技术手段，开发了 MC-H-Geo 精细岩性智能识别方法。该方法在陕西前王家河露头开展应用与验证，系统评估其在泥岩、粉砂岩和细砂岩等近似岩性区间的判别能力。结果表明，MC-H-Geo 的总体精度达到 94.3%，Macro F1 为 0.944，显著优于 PointNet++、SG-RFGeo 等基线模型，并有效改善岩性边界模糊与薄层识别不足的问题。研究成果在复杂地质露头场景中的岩性识别效果与现有方法相比具有比较明显的优势。

论文链接：https://www.mdpi.com/1424-8220/25/22/6859

图1 MC-H-Geo框架结构

图2 论文首页