1 问题的提出

中国碳酸盐岩油气藏丰富、勘探潜力很大，类型主要为由裂缝和溶洞形成的缝洞型，油气集中分布在以构造变形产生的构造裂缝与岩溶作用形成的孔、洞、缝中，以大型洞穴为主要的储集空间^[1]。由于溶洞型储层具有埋深大、非均质性强、成因和分布规律复杂等特征^[2]，因此识别溶洞难度较大。

当前溶洞的识别方法主要基于地震反射特征分析，包括溶洞属性分析^[3-4]、分频成像检测^[5]等一系列传统的解释方法。这些方法对数据的要求较高，这些解释方法只能适用于特定的场景，普适性不强，并且仍需人工解释、识别数据，效率低下且存在主观因素。

随着深度学习的发展，人们利用深度学习解释地震资料，特别是利用卷积神经网络(CNN)的特征提取能力识别和分类地质构造。Shi等^[6]将盐丘体的分类作为分割问题，设计多层CNN自动捕获盐丘细微特征，并用于三维地震数据体解释。Wu等^[7]基于CNN设计端到端的断层检测方法。Mukhopadhyay等^[8]提出基于编码器的贝叶斯SegNet地震相分类体系结构。陈康等^[9]将残差模块应用于U-Net网络结构，在岩性识别以及“甜点”预测方面取得了较好效果。张政等^[10]结合深度残差网络与迁移学习识别断层，能够有效提高实际断层的识别准确率。王子健等^[11]提出基于U-Net的CNN断层检测方法，并进一步对断层检测结果做匹配滤波扫描，同时得到增强的断层概率体，断层检测结果具有连续性强、分辨率高、抗噪性强、效率高等优点。上述方法的研究对象主要是盐丘、断层、地层等大尺度目标，但对于溶洞等小尺度构造容易出现误判，存在以下问题：

(1) 实际的溶洞尺度为几米到几十米，而地震剖面的长度一般为几千米，从大尺度地震剖面上直接识别相对较小尺度的溶洞无异于大海捞针^[12]，不仅存在误差，并且会产生误判或漏判。

(2) 溶洞在地震剖面上呈“串珠状”反射特征^[13]，溶洞的纵、横向尺度变化造成溶洞反射特征的变化，不同尺度的溶洞呈不同的“串珠状”^[14]。若直接识别“串珠状”，无法得到溶洞的实际位置和形态。

(3) 溶洞的反射特征复杂，存在较强的多解性，无法获得诸如断层、盐丘等的肉眼可见的实际标签，因此制作标签难度较大。

图 1、图 2分别展示了不同横向宽度、不同纵向长度的溶洞地震反射特征。由图可见：随着溶洞横向尺度增大，“串珠状”反射能量增强，宽度增加(图 1)；随着溶洞纵向长度增大，“串珠状”响应相位逐渐由四个分为六个(图 2)。

基于上述分析可见，不同尺度的溶洞在地震剖面上呈不同的反射特征，溶洞与“串珠状”间存在一定的映射关系。因此，首先在地震剖面上识别相对大尺度的“串珠状”，然后基于“串珠状”与溶洞的映射关系识别溶洞。

识别“串珠状”相当于一个目标检测问题。作为一种新的检测算法，Yolo(You only look once)网络^[15]基于深度学习中端到端的目标检测，将目标区域预测和目标类别整合于单个神经网络，可准确、快速地检测和识别目标。2021年Ge等^[16]在Yolo系列的基础上提出Yolox算法。作为最新的算法，Yolox的检测速度更快、精度更高、端到端的部署更灵活。本文基于中国西北地区的实际地震剖面，通过人工标定获得训练标签，构建基于Yolox的“串珠状”目标检测模型，定位“串珠状”异常反射边界并输出检测框。

2 Yolox目标检测模型

本文提出了基于Yolox的“串珠状”目标检测模型网络结构(图 3)，主要包括特征提取、特征加强、解耦头(Decoupled Head)三个部分。特征提取部分采用跨阶段局部网络(CSPDarknet)，特征加强采用特征金字塔网络(FPN)。输入地震剖面后，经特征提取得到不同尺度的有效特征，然后输入特征加强网络完成多尺度的特征融合，最后由解耦头获得检测框的信息，经解码后得到“串珠状”异常反射边界的位置并输出检测框。

2.1 特征提取 2.1.1 Focus网络结构

在特征提取网络的前端引入Focus网络^[17](图 4)。通过该网络对输入的地震数据进行切片(Slice)处理，每隔一个CDP道和采样点提取一个值，这样可以获得四个独立的特征层。然后堆叠四个独立的特征层，将长、宽信息集中在通道上，获得四倍于原通道的输出。随后用一个1×1大小的卷积层调整通道，生成新的特征图输入到下一特征提取层。

输入的数据经Focus网络结构后，相当于一个没有参数学习的下采样，不会造成信息损失，可以保留更完整的特征信息^[18]。同时输入数据经Focus网络后，得到的特征图尺寸是原始图像的1/4，相当于进行了一次卷积，使计算量变小，训练速度明显提高。

在Focus网络结构后，特征提取网络对数据进行多次卷积、池化操作，完成特征提取。主要网络结构包括残差卷积、残差堆叠、SPP网络。

2.1.2 残差卷积

和常规神经网络一样，Yolox卷积由二维卷积层(Conv2D)、批标准化(Batch Normolization，BN)和激活函数(SiLu)三部分组成。在Yolox中使用SiLu作为激活函数(图 5)，即

$ f(x)=x \cdot \frac{1}{1+\mathrm{e}^{-x}} $

(1)

式中x为本层的输入。SiLu为Sigmod函数和ReLu函数的改进版，具有平滑非单调的特点，在深层的效果要好于ReLu。

在Yolox中将所有的普通卷积替换为残差卷积网络(Residual Network, ResNet)^[19](图 6a)。ResNet通过短接结构缓解深度神经网络中深度增加带来的梯度消失问题，能够学习更深层特征，可提高准确率。

2.1.3 残差堆叠

不同于其他网络将残差结构直接叠加，Yolox网络采用CSP结构^[20]堆叠残差(图 6b)。CSP分为两部分，一部分继续进行原来的残差堆叠，另一部分经少量处理后与前者结合。CSP结构将梯度信息截断，使网络不会使用重复的梯度信息，以完成更丰富的梯度组合，在减少计算量的同时有效增强网络的学习能力。

2.1.4 SPP网络

Yolox在上述特征提取网络的最后一次残差堆叠前引入SPP网络^[21]。SPP网络结构将原始输出与经最大池化操作(maxpooling)(池化层的大小分别为5×5、9×9、13×13)后的结果并行连接，形成固定大小的特征向量用于后续处理。SPP结构通过最大池化(不同大小的池化核)提取特征，大幅度增强了网络的感受野，可更充分地利用特征层信息。

2.2 特征加强

在地震剖面上“串珠状”具有尺度小、有效检测特征少的特点，每次下采样后获得的特征图的尺寸越来越小，相应的特征信息损失越来越多。当运行到特征提取网络末端时，随着过多的下采样，特征信息会过度损失。如果通过减少特征提取层数减少信息丢失，或将使特征提取不充分，检测精度降低。

针对上述问题，Yolox引入Feature Pyramid Networks(FPN)网络结构^[22]加强特征。FPN结构主要包括自下而上的特征提取过程与自上而下和侧向融合过程两部分(图 8)。

自下而上过程完成于特征提取部分，考虑到前两层的特征提取不充分，语义较低，选用后三层作为FPN的输入，表示为C3、C4、C5。

在自上而下和侧向融合过程中，C5先经过1×1卷积改变特征图的通道数，进行上采样并与C4结合，通过CSP进行特征提取得到新的特征层P5。同样地，P5通过卷积、上采样及与同尺寸特征层结合，经CSP特征提取获得特征层P3_out。P3_out再进行一次下采样，与同尺寸层堆叠后经特征提取得到特征层P4_out。重复上述步骤得到特征层P5_out。经FPN并最终输出P3_out、P4_out、P5_out三个经特征加强的特征层。通过FPN结构融合了高语义与低语义特征层，可有效利用不同尺度的高、低特征层信息，增强了小尺度目标的检测能力。

2.3 解耦头

在目标检测中，分类和回归之间的冲突是一个十分常见的难题。分类问题需要知道样本为该类的概率，回归问题需要知道样本的轮廓及具体坐标。不同于以前的版本，在Yolox中采用Decoupled Head结构，将分类问题和回归问题分开，可以提高检测能力。由FPN网络后得到的三个加强特征层(FPN特征)分别经一个1×1卷积降维、统一通道后输入Decoupled Head，后续工作可以分为分类和回归两个分支，在回归分支并行两个分支(图 9)。每个分支后面接两个3×3的卷积和一个1×1的卷积调整通道。Cls分支通道数为类别数，在本文中设为1；Reg分支尺寸为4(回归得到预测框的坐标参数)；IoU分支通道数为1，表示是否有该物体(即0或1)。将三个分支的预测结果堆叠得到每个特征层的结果(h, w, 6)。

2.4 目标检测 2.4.1 预测结果解码

经特征提取、特征加强、解耦头获得预测结果(h, w, 6)，需要将预测结果回归到实际地震剖面的实际坐标，解码过程为

$ \left(a+a_{-} c, b+b \_c, w, h\right) \times \text { strides } $

(2)

式中：a，b为检测框中心相对于网络左上角的偏置情况；a_c, b_c为输出网格的位置；w、h为检测框宽、高相对于网格的参数；strides为下采样倍数。因此解码过程可以理解为检测框相对于网格左上角的偏移加上网格的位置，再乘以下采样倍数，并映射到原始地震剖面位置。完成解码后，选出置信度最大的检测框作为最终检测框。

2.4.2 损失函数

计算损失函数实际上就是对比网络的预测结果和真实结果，Yolox采用标签分配策略计算损失函数。假定检测框中心点在真实框内，且距真实框一定距离，则认为该检测框为正样本。经解耦头后获得的检测框绝大部分为负样本，只有少数是正样本，直接精确地按标签分配这些检测框的计算量较大。Yolox分两步分配标签，首先初步筛选正样本，采用标签分配策略(SimOTA)^{[16, 23]}动态分配正样本数量。根据

$ \mathrm{IoU}=\frac{\left|\boldsymbol{B}_{\mathrm{gt}} \cap \boldsymbol{B}_{\text {pred }}\right|}{\left|\boldsymbol{B}_{\mathrm{gt}} \cup \boldsymbol{B}_{\text {pred }}\right|} $

(3)

计算当前IoU。式中：B_gt为真实框；B_pred为检测框。选取IoU最大的10组数据求和取整，以确定当前真实框对应的检测框数k，并按交叉熵公式

$ L_{\mathrm{Cls}}=-\sum\limits_{i=0}^N y_i \lg p_i-\sum\limits_{i=0}^N\left(1-y_i\right) \lg \left(1-p_i\right) $

(4)

计算检测框种类的准确度。式中：y_i为真实类别；p_i为预测概率(0<p_i<1)；N为样本数。按照

$ \text { Cost }=-\lg \mathrm{IoU}+L_{\mathrm{Cls}} $

(5)

计算Cost矩阵。最后选取k个Cost最小的检测框作为该真实框的正样本。因此，Yolox计算损失函数的步骤为：

(1) 由SimOTA分配的检测框与真实框的IoU作为坐标参数的损失；

(2) 以SimOTA分配正样本、其他的特征点为负样本，根据正、负样本内是否包含物体的预测结果计算交叉熵，作为置信度损失；

(3) 经SimOTA分配得到检测框，并取出检测框的种类预测结果，根据真实框的种类和检测框种类结果计算交叉熵，作为类别损失。

SimOTA标签分配策略使网络在不影响精度的前提下，极大地提升了训练速度，训练时间变短。

3 基于Yolox的“串珠状”检测实验 3.1 训练样本的构建

地下碳酸盐岩缝洞型储集体的赋存形态复杂，强非均质性致使实际溶洞的地震反射特征复杂。人工合成的“串珠状”反射特征无法全面了解碳酸盐岩储集体地质、地震特征。为此，选取中国西北地区的典型地震剖面进行“串珠状”标定，将标定后的检测框作为训练标签。引入瞬时振幅和均方根振幅，并与原始地震数据叠加构成三通道输入，作为本次训练的样本集。由于实际地震数据的尺寸不同，在输入时需要调整到统一尺度。若直接调整数据尺度容易造成数据失真，并影响检测效果。本文在原始地震数据(图 10左)的右侧和下侧补零以确保输入网络的数据尺寸一致且不失真(图 10右)。本次研究共得到2000组数据，并按训练集∶验证集=9∶1的比例分配样本集。图 11为输入地震数据训练集和“串珠状”标签。

3.2 训练流程

本文使用Pytorch深度学习开发平台，使用Yolox_l预训练权重^[16]初始化网络模型，降低权重的随机性，提高特征提取效果。使用Adam优化器^[24]更新网络权重。文中共迭代50次，前25次冻结特征提取网络，参数变化较小，训练速度加快，并设置初始学习率和batch_size分别为1×10^-3和4；后25次解冻训练网络，参数随着网络迭代发生改变，整个网络得到优化，在此阶段设置初始学习率和batch_size分别为1×10^-4和2。随着迭代次数增加，网络参数渐渐得到优化，模型损失函数值越来越小；当损失函数值降到较小值并且基本不再变化时，说明该模型已经收敛，并获得最佳权重(图 12)。

3.3 评价指标

完成训练后，选取最佳权重测试模型的检测性能。在目标检测中采用准确率P、召回率R和平均精度AP作为模型的评价指标^[25]。其中P表示预测为“串珠状”的数量中正确检测为“串珠状”的比例；R表示所有“串珠状”中被正确预测的比例；AP表示单一类别的检测效果，本文只有“串珠状”一个类别，因此AP越高，模型检测性能越好。计算公式分别为

$ P=\frac{\mathrm{TP}}{\mathrm{TP}+\mathrm{FP}} $

(6)

$ R=\frac{\mathrm{TP}}{\mathrm{TP}+\mathrm{FN}} $

(7)

$ \mathrm{AP}=\int_0^1 P(R) \mathrm{d} R $

(8)

式中：TP为正确检测框的个数；FP为错误检测框的个数；FN为正确检测框中未预测的个数。经过多次迭代得到训练的最佳权重，模型的P和R非常稳定(均大于90%)，AP达到90.14%。因此，Yolox网络模型的训练结果较理想。

4 结果分析 4.1 合成地震数据测试

根据实际地质、地震资料，设计了正演速度模型(图 13a)，其中溶洞的形态、大小和组合方式不同。基于波动方程正演模拟和偏移成像获得地震偏移剖面(图 13b)。本文基于图 13b采用瞬时振幅(图 13c)、均方根振幅(图 13d)、U-Net模型(图 13e)及Yolox模型(图 13f)识别“串珠状”。可见：①传统方法(图 13c、图 13d)和深度学习方法(图 13e、图 13f)均可识别强“串珠状”；②图 13c、图 13d以振幅为基础，当“串珠状”处于强同相轴及其附近时难以识别，且高值部分无法反映“串珠状”实际范围；③U-Net模型识别结果(图 13e)反映了“串珠状”的位置，但不能获得边界坐标，易将两个很近的“串珠状”误判为一个，识别准确率不高，存在错拾或漏拾；④Yolox模型识别结果(图 13f)的检测框反映了“串珠状”的位置和实际大小，同时可得到“串珠状”的具体坐标，识别准确率明显高于图 13e，准确率达95%。因此，Yolox模型识别效果优于传统方法和U-Net模型。

4.2 实际地震数据测试

图 13表明，Yolox“串珠状”检测模型应用于合成地震数据具有一定可靠性。为了进一步验证Yolox检测“串珠状”的效果，将Yolox检测模型应用于实际地震数据(图 14)。可见：①利用均方根振幅可以识别孤立的强“串珠状”，但不能识别强同相轴下方的“串珠状”，也难以反映“串珠状”的实际范围(图 14b)。②U-Net模型抗噪性强，不受同相轴振幅强弱的影响，可以识别大部分的“串珠状”，但该方法的本质是图像分割，不能获得“串珠状”边界的具体位置和实际坐标(图 14c)。③Yolox模型可以准确地识别地震剖面上的“串珠状”，同时可得到“串珠状”的边界和空间坐标(图 14d)；识别结果与剖面上的“串珠状”位置吻合，并能识别强同相轴下方的“串珠状”，且不受地震数据影响，具有较好的“串珠状”检测能力。

因此，根据Yolox目标检测网络输出“串珠状”检测框的位置和空间坐标，可为后续溶洞识别提供依据。

5 结论

针对溶洞型储层预测，存在尺度小、地震反射特征复杂、训练标签难以获得等问题，使传统的识别方法存在较大困难。本文基于溶洞在地震剖面上呈“串珠状”响应，提出一种基于Yolox算法的“串珠状”目标检测方法。合成地震数据测试及实际地震数据测试结果表明：

(1) 不同尺度溶洞的“串珠状”呈不同的形态。因此可以在地震剖面上检测“串珠状”的位置和坐标，然后根据溶洞与“串珠状”的映射关系识别溶洞。

(2) Yolox目标检测算法可以较准确地识别“串珠状”并确定其位置。相较于传统的属性识别方法，该方法对地震数据分辨率、信噪比等的要求不高，可以识别强同相轴的异常反射；与基于U-Net模型的“串珠状”识别方法相比，该方法能够精确地获得“串珠状”的位置以及边界坐标。

本文方法尚存在一些不足之处，如对于小尺度“串珠状”的检测效果较差。因此在标签制作时可添加小尺度的“串珠状”标签以丰富样本集，提高检测能力。