（通讯员 杨玲）近日，我校地球物理与石油资源学院测井信息工程系张冲教授课题组在电成像测井地质体精细分割与智能检测方面取得研究进展。相关研究成果发表于地球科学与遥感领域国际权威期刊《IEEE Transactions on Geoscience and Remote Sensing》（TGARS，中国科学院一区 TOP，CCF B类期刊，IF=9.4）2026年第64卷，论文题目分别为《LAGF-FracNet: Liquid ODE-Driven Adaptive Graph Fusion for Fine-Grained Geological Body Segmentation in Borehole Electrical Images》、《HY-Geo: A Hybrid Mixture-of-Experts and Hypergraph Framework for Intelligent Geological Body Detection in Borehole-Scale Electrical Imaging Logs》，两篇论文第一作者为测井信息工程系博士生杨华钟，张冲教授为通讯作者。本研究得到国家科技重大专项课题《万米深层测井机理及评价方法》和中石化经纬公司项目《电成像测井地质异常体智能提取方法研究》经费支持。

第一篇论文针对电成像测井中裂缝与层理识别不准确及图像上背景噪声干扰等问题，提出液态常微分方程驱动的自适应图融合网络LAGF-FracNet，实现不同类型裂缝与层理的像素级精细识别，为储层评价提供技术支撑。该模型融合卷积神经网络的局部纹理提取能力与Swin Transformer的全局建模能力，通过液态常微分方程增强弱响应目标的特征，利用自适应图融合建立空间分离区域之间的关联，并结合条带池化与多解码器联合监督，改善细长裂缝、交叉区域及层理边界的分割效果。

第二篇论文针对电成像测井图像中裂缝与层理尺度差异大地质体目标易漏检及相近类别易混淆等问题，提出了融合混合专家机制与超图卷积的地质体检测模型HY-Geo，实现不同类型裂缝与层理的自动定位与分类。该模型以YOLOv9为基础，结合Kolmogorov-Arnold网络与混合专家机制，增强不同类型地质体的特征，并通过超图卷积建立跨尺度、非局部的高阶关联，提升复杂井壁图像中裂缝与层理的检测能力。

论文全文链接：https://doi.org/10.1109/TGRS.2026.3738790.

https://doi.org/10.1109/TGRS.2026.3674235.

在智能算法研究基础上，课题组进一步将LAGF-FracNet与HY-Geo两项研究成果集成至自主开发的电成像测井智能解释平台，将地质体自动定位、类别识别与像素级精细分割集成到软件中，并与测井数据管理、图像预处理、解释结果可视化及成果输出等功能衔接，形成面向裂缝与层理识别的智能解释工作流程，实现算法向平台功能的转化。

张冲教授课题组研究方向为测井资料处理与综合解释、人工智能测井应用以及测井软件研发。近年研究工作聚焦页岩气、潜山、裂缝型致密砂岩的测井评价方法研究、电成像与核磁智能处理与评价方法研究。相关成果已发表于《IEEE Transactions on Geoscience and Remote Sensing》《GEOPHYSICS》《SPE Journal》《地球物理学报》等国内外学术期刊。

据悉，《IEEE Transactions on Geoscience and Remote Sensing》是遥感与地球科学领域国际顶级期刊，是IEEE 旗下地球科学与遥感学会（GRSS）的旗舰期刊，期刊主要关注陆地、海洋、大气及空间探测相关的科学与工程理论、方法和技术，涵盖传感器与成像系统、地球科学信息获取、遥感数据处理与解释、计算机视觉与图像处理、信号与图像分析等方向。

（审核 盛广龙 编辑 余为）