基于地质图像大数据的岩性识别研究

• 作者: 叶为民 王琼 胡启成 陈永贵
• 来源期刊: 工程地质学报
• 学科: 地球科学
• 关键词: 地质大数据 数据挖掘 深度学习 网络训练 岩性识别
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 地质工程及其他
• 页码范围: 1433-1440
• 页数: 8页
• 分类号: P588
• 语种: 中文
• DOI: 10.13544/j.cnki.jeg.2019-496

摘要

近些年来,随着大数据、深度学习等技术的飞速发展,大数据的开发与利用为众多行业带来了显著经济与社会效益.借助大数据手段,开展地质文本、图像和序列数据挖掘与应用研究,具有极其重要的理论与社会意义.本文在归纳总结前人工作的基础上,重点针对地质大数据中的图像数据,基于深度学习理论,构建网络学习模型,通过基于网络搜索的数据采集、数据预处理、网络搭建、网络训练及结果/评价等步骤,实现基于地质图像的大数据岩性识别.结果表明,图像识别岩性的测试准确率约为90％;有限的图像数据数,可能是产生识别误差的一个原因;机器对岩石图片所呈现的某些特征相似性,如宏观的形状、颜色等,也会给出正相关评分,从而产生误判.理论上,采用BCNN(Bilinear Convolutional Neural Network)等能够捕捉更精细细节的网络模型,解决计算机视觉中的细粒度识别问题,从而从根本上提升图像识别效率,应该是今后一个研究方向.