Актуальность. Анализ керна – это основа для изучения нефтегазовых пластов. Но обычные способы исследования керна, особенно оценка нефтенасыщенности по УФ-свечению, очень трудозатратны, зависят от человека и не имеют четких правил. Данных с месторождений становится все больше, что усугубляет ситуацию. Поэтому нужны автоматические, объективные и масштабируемые методы. Цель. Разработка гибридного алгоритма определения нефтенасыщенности керна по макрофотографиям пород в дневном и ультрафиолетовом свете и его программная реализация. Методы. Обработки изображений, компьютерного зрения и глубокого обучения. Для классификации УФ-свечения была предложена мультимодальная модель на основе ResNet-34. Она обрабатывает сразу шесть каналов: RGB обычного света + RGB УФ-света. Программная реализация выполнена в виде интеллектуальной информационной системы на основе микросервисной архитектуры. Результаты. Разработан алгоритм классификации УФ-свечения, который показал точность 90 % для типа свечения и 80 % для его интенсивности. Разработана интеллектуальная информационная система, которая реализует полученный гибридный алгоритм, обрабатывает большие фото (4000×4000 пикселей) и сокращает место для хранения на 20–40 %, потому что хранит только нужные сегментированные части изображений. Выводы. Использованный подход, объединяющий анализ разных типов изображений и гибкую систему на микросервисах, является перспективным. Он не только автоматизирует и делает объективной оценку нефтенасыщенности, но и создает основу для будущих разработок в цифровой петрофизике. Решение помогает точнее определять насыщенность, быстрее анализировать данные и экономить место для хранения, что имеет высокую практическую значимость для нефтегазовой отрасли.