董小龍，胡修棉*，賴文

1.南京大學(xué)地球科學(xué)與工程學(xué)院，南京 210023

數(shù)據(jù)庫（集）基本信息簡介

數(shù)據(jù)庫（集）名稱 雅魯藏布江砂粒顯微圖像數(shù)據(jù)集數(shù)據(jù)作者 董小龍，胡修棉，賴文數(shù)據(jù)通信作者 胡修棉（huxm@nju.edu.cn）數(shù)據(jù)時間范圍 河流砂樣品采集的時間為2016年6月；河流砂薄片偏光顯微照片拍攝于2019年。地理區(qū)域 樣品采自中國西藏自治區(qū)日喀則地區(qū)雅魯藏布江干流；GPS坐標為：29°19′13.5″N，88°51′28.4″E。偏光顯微鏡分辨率 4908×3264像素數(shù)據(jù)量 10.3 GB數(shù)據(jù)格式 *.jpg，*.xls，*.xml數(shù)據(jù)服務(wù)系統(tǒng)網(wǎng)址 https://dx.doi.org/10.11922/sciencedb.j00001.00035基金項目 第二次青藏高原科學(xué)考察研究項目（STEP，2019QZKK0204）數(shù)據(jù)庫（集）組成數(shù)據(jù)集共包括3個數(shù)據(jù)文件，它們分別為：碎屑單顆粒標記圖片集data.zip、標記底圖.zip、砂粒信息表.zip。其中：(1) data是標記的圖像坐標文件（xml格式）和原始薄片偏光顯微照片（jpg格式），共1876張照片，數(shù)據(jù)量9.49 GB；(2)標記底圖是標記的顆粒的編號及其對應(yīng)的顯微照片拍照視域，共120張照片，數(shù)據(jù)量911 MB；(3) 砂粒信息表是標記的砂粒的類型，共2份，數(shù)據(jù)量162 KB。

引 言

砂或砂巖中碎屑顆粒的組分和含量是判定碎屑物源的重要依據(jù)。要獲得碎屑顆粒的組分和含量，傳統(tǒng)工作需要將砂或砂巖磨制成標準薄片，在偏光顯微鏡下采用Gazzi-Dickinson方法統(tǒng)計約400個顆粒[1]。然而，這種靠人眼在顯微鏡下逐顆粒識別統(tǒng)計的方法不僅所耗時間長，勞動強度大，而且受人的主觀認識和經(jīng)驗的影響，所得到的統(tǒng)計數(shù)據(jù)的對比性較差。如何能把地質(zhì)工作者從繁瑣耗時的碎屑統(tǒng)計中解脫出來，從而提高工作效率，是一個亟待解決的問題。

近年來，使用機器學(xué)習(xí)技術(shù)的計算機輔助方法已應(yīng)用于煤巖組分的自動鑒定[2]，礦石礦物的自動鑒定[3]和重礦物的自動識別[4]，這不僅可以減少地質(zhì)學(xué)家的工作量，并且可以提高鑒定的準確性，實現(xiàn)不同實驗室的數(shù)據(jù)對比?；跈C器學(xué)習(xí)算法的地質(zhì)圖像分類方法首先通過提取地質(zhì)圖像特征，如顏色、解理、結(jié)構(gòu)和形狀等信息，在特征空間中構(gòu)建對地質(zhì)圖像的特征表示。然后使用機器學(xué)習(xí)算法學(xué)習(xí)不同類別特征間的差異，構(gòu)建特征分類器，從而實現(xiàn)基于顯微圖像的碎屑顆粒自動鑒定和分類統(tǒng)計。

基于顯微圖像的碎屑組分自動鑒定技術(shù)，前期需要大量的由專業(yè)地質(zhì)人員所標記的圖像數(shù)據(jù)集作為機器學(xué)習(xí)的樣本。然而，該類型的數(shù)據(jù)現(xiàn)在還處于空白，有許多想要利用已標記好的碎屑顆粒圖像數(shù)據(jù)集進行深度學(xué)習(xí)的計算機工作者苦于找不到公開發(fā)表的數(shù)據(jù)基礎(chǔ)?；跀?shù)據(jù)共享，公開利用的原則，筆者將前期耗費大量時間和精力所拍照并逐一標記的顯微圖像數(shù)據(jù)集進行整理，并與大家共享。

1 數(shù)據(jù)采集和處理方法

選取2016年6月采集于雅魯藏布江干流心灘河流砂樣品16A063（圖1），采樣標準參考[5-8]，采集砂樣約2公斤，分成2份分別編號16A063-1和16A063-2。16A063-1用2000 μm和63 μm的篩網(wǎng)濕篩得到粒徑在63-2000 μm的砂樣，16A063-2用500μm和63μm的篩網(wǎng)濕篩得到粒徑在63-500 μm的砂樣。然后用分樣器多次均分樣品，最終得到約5 g砂樣，前后分兩批送往河北省廊坊誠信地質(zhì)服務(wù)有限公司進行標準薄片磨制，獲得厚度為0.03 mm的標準光學(xué)薄片，其中薄片16A063-1顆粒膠結(jié)物為藍色環(huán)氧樹脂，薄片16A063-2顆粒膠結(jié)物為無色環(huán)氧樹脂。

拍攝顯微圖像時，先在薄片上畫出一定的矩形區(qū)域，以去掉邊緣不均勻的部分。然后在標準偏光顯微鏡下（顯微鏡型號Nikon ECLIPSE LV 100POL，目鏡10倍）進行底圖拍照，同時拍攝單偏光和正交偏光照片。拍照時有小部分重疊以便能完整拼接。根據(jù)砂粒大小，薄片16A063-1選用2.5倍物鏡進行底圖拍攝，選用10倍物鏡進行單顆粒圖像拍照。薄片16A063-2選用5倍物鏡進行底圖拍攝，選用20倍物鏡逐一拍攝單顆粒圖像。薄片拍照和信息采集方法統(tǒng)一按《巖石顯微圖像專題》的標準執(zhí)行[9]，系統(tǒng)采集了砂薄片顯微圖像。采集的每張單顆粒圖像視域均在底圖上框出，以便能快速找到每張顯微照片的位置。采集完偏光顯微圖像后，按照劃分的17種顆粒類型進行逐顆粒鑒定，將鑒定的結(jié)果在底圖上標出，用折線將標記的顆粒相連，折線中每個拐點所在的位置代表一個顆粒，按照順序以間距為10進行編號，同時在Excel表中對每個顆粒進行編號，以方便后期顆粒標記（圖2）。將拍攝的單顆粒圖像文件用專業(yè)標記軟件LabelImg打開并對每張圖片上的每一個顆粒進行標記，得到樣本的標記數(shù)據(jù)集。LabelImg是一款開源的標注工具，使用版本為windows_v1.5.0（下載網(wǎng)址：http://tzutalin.github.io/labelImg/）。

圖1 樣品位置圖（改自[10]）

圖2 砂粒顯微圖像拍照編號流程圖

2 數(shù)據(jù)樣本描述

本數(shù)據(jù)集由3部分組成，分別為data文件夾、標記底圖文件夾和砂粒信息表文件夾。共包含不同類別的砂粒8734顆，砂薄片顯微圖像1996張，其中單顆顯微圖像1876張，標記底圖照片120張。粒砂粒按照6大類17小類進行分類（表1），分類標準參考[1]，對于石英僅區(qū)分單晶石英和多晶石英，長石區(qū)分斜長石和鉀長石，本數(shù)據(jù)集未再進行細分。不同類型的砂粒數(shù)量見表2。

表1 砂粒分類及縮寫表

表2 薄片16A063-1和16A063-2顆粒數(shù)量和顯微圖片數(shù)量統(tǒng)計表（顆粒縮寫見表1）

總數(shù) 45 7 120 107 2 2 702 8734 1876備注16A063-1 其他=重礦物（187）+不透明礦物（7）+無法識別礦物（2）16A063-2 其他=重礦物（338）+不透明礦物（163）+無法識別礦物（5）

2.1 碎屑單顆粒標記圖片集

全部數(shù)據(jù)集信息保存為data壓縮文件。data文件中包含：image文件夾，annotation文件夾和類別注釋 predefined classes文件。annotation文件夾包含與 image文件夾中圖片一一對應(yīng)的標注文件（圖3）。這樣的文件組織格式方便計算機進行讀取。

圖3 顯微圖像數(shù)據(jù)組成圖

圖像標注工作使用LabelImg軟件完成，在LabelImg軟件中打開砂粒圖像，手動標注顆粒位置及類別。由于單偏光圖像與正交偏光圖像顆粒位置一一對應(yīng)，故僅需對單偏光圖像進行標記。計算機可以根據(jù)單偏光標記的位置坐標自動提取正交偏光顯微照片的顆粒位置。標記信息以xml格式保存在 annotation文件中。annotation文件中的每個顆粒標記坐標文件可用軟件 Notepad++，版本為windows_v7.8.8（下載地址：https://notepad-plus-plus.org/downloads/v7.8.8/）打開。標記的圖片位置用LabelImg打開時，需要將圖片文件夾名稱與標記保存的xml文件夾名稱對應(yīng)（圖4A兩個紅色方框位置），才能顯示標記位置。

砂粒照片數(shù)據(jù)集image文件夾共包含1876張單顆粒偏光顯微照片組成，每一個單顆粒視域都包含單偏光顯微照片和正交偏光顯微照片各一張，顯微照片編號樣式為“a1-”和“a1+”，“a1”為對應(yīng)底圖拍照視域的位置，“-”表示單偏光照片，“+”表示正交偏光照片（圖 4B）。顯微照片顏色與偏光顯微鏡下的肉眼觀察一致。顯微照片的分辨率為4908×3264，保存格式為JPG。

圖4 顆粒標記示意圖

2.2 標記底圖

標記底圖文件夾中共有120張標記好的顯微圖像照片。其中文件名“a*標”為10倍或20倍鏡下拍攝的單顆粒照片視域（圖5A）；文件名“a*-1”為對應(yīng)的“a*標”視域，用折線將每個鑒定編號的顆粒相連，以10為間距依次編號（圖5B）。

圖5 標記底圖示例

2.3 砂粒信息表數(shù)據(jù)子集

砂粒信息表為兩張薄片16A063-1和16A063-2的顆粒鑒定結(jié)果，信息表中的編號與底圖“a*-1”的編號順序相一致（圖 5B）。單顆粒的鑒定結(jié)果按照底圖標定的順序以縮寫的形式填寫在砂粒信息表中。在薄片16A063-1將強烈蝕變的斜長石（P）和鉀長石（K）分別標記為P1和K1，以示區(qū)別。不同的顆粒所占總體的比例如圖6。

圖6 薄片16A063-1和薄片16A063-2不同類型砂粒組成比例圖（顆?？s寫見表1）

3 數(shù)據(jù)質(zhì)量控制和評估

巖石薄片樣本符合國家與國際標準的厚度。在本次顯微照片拍攝和薄片鑒定過程中，同一批次的巖石薄片中觀察到石英顆粒的干涉色均為一級干涉色，說明薄片的厚度符合0.03 mm的國家標準。顯微照片高清且無色差。在顯微鏡拍攝過程中，采用自動曝光和自動白平衡，使得肉眼觀察和系統(tǒng)照片顏色盡量保持一致；且顯微照片的分辨率統(tǒng)一采用拍照系統(tǒng)的最高值4908×3264像素，圖片統(tǒng)一保存為jpg格式；故而顯微照片的質(zhì)量與清晰度是可靠的。每張照片都添加有比例尺，為后期顆粒大小的測量、圓度計算、面積計算提供便利。

砂粒的鑒定是研究者共同討論的結(jié)果，以確保鑒定結(jié)果的準確性。

本數(shù)據(jù)集提供大量的已標記的砂粒圖像和標記的坐標文件，每張顆粒顯微照片的每個顆粒均進行標記，可以獲得每個顆粒的坐標值和對應(yīng)的顆粒類型。同時標記過程中在底圖上標出顆粒圖像的視域位置并進行顆粒編號，使得每個標記顆粒的位置和類型可追蹤。后面的使用者可以進行校驗。

數(shù)據(jù)的不足之處在于數(shù)據(jù)結(jié)構(gòu)不均衡，有的顆粒類型數(shù)量非常多，如石英顆粒，有的顆粒類型非常少，如變質(zhì)巖巖屑（圖6）。這使得基于機器學(xué)習(xí)技術(shù)的圖像識別結(jié)果的準確性參差不齊，有待下一步繼續(xù)對數(shù)據(jù)集進行補充，減少數(shù)據(jù)庫內(nèi)各顆粒類型的數(shù)量差距。由于人工移動載物臺，拍照視域和底圖視域稍有偏差，但不影響快速定位。部分顆粒在底圖上未標出，但用LabelImg標記時每張圖片中出現(xiàn)的顆粒均標出其坐標位置和顆粒類型，以利于計算機讀取。

4 數(shù)據(jù)價值

本數(shù)據(jù)集包含大量標記好的單顆粒圖片和坐標文件，是利用機器學(xué)習(xí)技術(shù)實現(xiàn)砂粒中的礦物和巖屑自動鑒定的重要數(shù)據(jù)基礎(chǔ)。大量已鑒定的單顆粒照片可以作為鑒定圖版使用。砂粒的分類可為后續(xù)的河流砂研究提供參考標準，提高不同實驗室所獲碎屑數(shù)據(jù)的可比較性。現(xiàn)代河流砂砂粒的鑒定特征可以為砂巖成分的鑒定提供參考依據(jù)，幫助我們理解古代砂巖的特征。

5 數(shù)據(jù)使用方法和建議

本數(shù)據(jù)集中3個文件的關(guān)聯(lián)性較強，內(nèi)容相對應(yīng)，使用時注意一下幾點：

（1）數(shù)據(jù)集中出現(xiàn)的薄片，都集中統(tǒng)一保存在南京大學(xué)胡修棉教授課題組。如果以上數(shù)據(jù)集中提供的顯微照片不能滿足進一步的研究需要，可以聯(lián)系通信作者申請進一步使用。

（2）數(shù)據(jù)使用時3個文件應(yīng)同時下載使用，以便能迅速找到每個顆粒的位置信息和顆粒類型，在使用標記的 annotation標記文件時，應(yīng)提前下載好標記軟件 LabelImg（具體安裝步驟可參考https://blog.csdn.net/qq_38451119/article/details/83036495）和坐標文件讀取軟件Notepad++，以讀取顆粒圖像和坐標。用LabelImg打開圖像文件時，應(yīng)將標記的保存目錄更改為與圖像文件想對應(yīng)的文件名下，才能顯示標記的圖框位置。如在使用中有任何問題請聯(lián)系本文作者。

（3）單顆粒的砂粒照片可以作為河流砂碎屑鑒定的標準圖版，部分具有典型結(jié)構(gòu)的碎屑顆粒可以直接用于教學(xué)和圖書出版。