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EI期刊《激光与光电子学进展》上发表题为《基于露头体素多特征值的高效通道注意力岩性分割方法》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，本项研究得到湖北省教委科研基金共同资助。

该论文聚焦露头点云语义分割任务中，存在点云密度分布不均和单点反射率可分离性有限的问题。为高效准确地实现露头点云岩性分割，提出一种基于露头体素多特征值的高效通道注意力机制的岩性分割方法（MGECA）。所提方法首先对原始点云进行体素化，并计算各体素的空间-光谱特征参数。然后使用多粒度卷积神经网络进行多尺寸特征融合。接着使用高效通道注意力机制（ECA）改进经典Transformer中的自注意力机制，对编码后的特征图进行加权，以便模型能建立空间和光谱信息的全局关联。最后设计双通道分组卷积衔接卷积神经网络和ECA，实现空间光谱特征整合并降低计算复杂度。实验结果表明，MGECA在月牙湾激光露头点云数据集上的岩性识别总体准确率达到90.6%，平均交并比达到70.4%，相较于DGPoint模型分别提高31.7百分点和24.7百分点。结果表明，所提方法在露头点云场景中的分割效果与现有方法相比具有比较明显的优势。

论文链接：https://kns.cnki.net/kcms2/article/abstract?v=vG2M3utQQCdM02-n1hgU6x-B2n8NSDChK1dpQktSyoNV8LY4ybjVb-B1lZ6wAH3tL8uuhTtW28m2xXDOFgAFRHJSBCoB3YvmmCWjxtGrQuxAkH3Ln_P6XtkjwWjDMs0_IbDoeaRNWx8=&uniplatform=NZKPT&language=CHS

图1 MGECA网络结构

图2月牙湾激光露头数据集识别结果对比

图3论文首页