1、测井电成像修复模型：因电成像采集设备的因素，导致测井电成像存在近 1/4 尺寸为图像缺失区域，利用基于对抗神经网络GAN的deepfill v2模型为基础模型，进行优化和模块功能扩充，实现的图像修复效果远超智能油气行业No.1的斯伦贝谢公司旗下的修复模型；测井声电成像地质特征识别模型：2、利用深度学习的实例分割模型RCNN及传统图像算法，对声电成像中的裂缝、层理、孔洞等地质特征进行识别及量化计算。此前，油气行业内测井声电成像的识别一直为人工操作，识别模型大大减少了人工成本，并提升识别效率。