来源：期刊VIP网 时间：
作者：邴震;陈宗恒;温明明;吕万军;陶军;叶俊聪;黄元铿;
单位：中国地质调查局广州海洋地质调查局;中国地质大学(武汉)海洋学院;天然气水合物勘查开发国家工程研究中心;
摘要：监测海底冷泉处渗漏的甲烷气泡流体对海洋研究及资源勘探开发至关重要。目前的冷泉研究主要使用遥控潜水器和自主潜航器等载体搭载声学和光学设备进行探测，但后期的数据分析和图像识别方面仍存在准确度不高的问题，亟需深度学习和智能判别。因此，本研究引入卷积神经网络（CNN）技术，用于海底冷泉喷发状态的智能识别和分类。通过结合海上调查获取的高质量视频资料和人工识别，计算气泡覆盖率指标（BCI），并利用这些数据建立基于ResNet模型的海底冷泉喷发图像的标定数据集。在琼东南盆地海马冷泉研究区的应用中，通过与标定结果的对比分析，该模型实现了高达98.9%的识别准确率，为数据分析和图像处理提供一种新方法，同时，也为海底冷泉现场智能决策和原位样品采集提供了可靠的支持。这种新方法可提升冷泉喷发图像的自动化处理效率，解决冷泉喷发状态识别难题，为冷泉环境评估、能源勘探开采提供辅助研判的基础。
关键词：冷泉;;喷发状态;;卷积神经网络;;残差网络;;智能识别
基金资助：国家重点研发计划“天然气水合物大深度浅表层三维广角探测技术”（2023YFC2808700）;; 广东省重点领域研发计划“海底冷泉原位智能监测/探测站研制”（2020B1111510001）
