该研究利用配套的背散射电子图像(BSE)和矿物分析彩图,通过图像增强和分割处理,精确提取孔隙、有机质和矿物。借助U-Net模型的深度学习技术,训练模型识别目标相,并验证其准确性后,将其应用于所有背散射图像,揭示孔隙和矿物的分布特征。为更好地识别有机质,采用灰度图和矿物图2套标签进行辅助识别。数据分析表明,不同矿物颗粒的平均直径存在明显差异,这反映其形成过程的不同。同时,观察到白云石边缘被铁白云石环绕的现象,这与镁离子在特定条件下被铁离子替换,形成铁白云石的地质过程相符。