本文研究了岩石样本的智能识别问题，主要包括岩石样本岩性识别和含油面积百分含量计算两个方面。
在岩石样本岩性识别问题上，本文构建了基于ResNeSt技术的深度学习模型，引入了深度残差学习、Inception、组卷积和注意力机制等技术。实验结果表明，在裁剪九张图像用于训练时，模型的准确率可达97.2%。
在含油面积百分含量计算问题上，本文使用图像转换、掩膜处理等图像处理技术计算含油面积百分含量，并使用语义分割U-Net模型对含有地板背景的特殊图像进行分割处理。实验结果表明，U-Net模型的Dice系数达到94.3%。
本文的研究结论表明，基于深度学习的岩石样本智能识别方法能够有效地识别岩石样本的岩性和含油面积百分含量，为地质调查提供了新的解决途径。
