基于深度学习特征提取的岩石图像矿物成分分析

• 作者: 姚钰 徐东晶 李双涛 白林 魏昕
• 来源期刊: 中国矿业
• 学科: 地球科学
• 关键词: 岩石识别 人工智能 深度学习 卷积神经网络 特征提取
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 矿业纵横
• 页码范围: 178-182
• 页数: 5页
• 分类号: P628+.5|TP183
• 字数: 3310字
• 语种: 中文

摘要

采用深度学习方法进行岩石识别,收集15种常见岩石的图像数据,基于卷积神经网络构建岩石识别深度学习模型,达到63% 的识别准确率.分析岩石识别结果,白云岩、灰岩和大理岩等矿物成分接近的岩石容易互相误判,说明矿物成分对于岩石识别是很重要的特征.进一步对卷积神经网络学习过程中产生的特征图分析,成功提取了多种类型岩石中的矿物,如花岗岩中的石英、长石、云母等矿物,闪长岩中的角闪石、斜长石等矿物,千枚岩中的绢云母等矿物,说明深度学习方法能有效提取岩石的矿物成分特征,也说明深度学习方法对于岩石识别的有效性,同时有助于按矿物成分进行岩石定名.对岩石识别是有效的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姚钰	成都理工大学管理科学学院	1	8	1.0	1.0
2	李双涛	成都理工大学网络安全学院	2	8	1.0	2.0
3	徐东晶	成都理工大学地球科学学院	1	8	1.0	1.0
4	魏昕	成都理工大学地球科学学院	3	10	2.0	3.0