论文部分内容阅读
岩石矿物分类是野外工程地质勘察中的一项重要工作,有经验的地质工程师通过观察和敲击岩石能够准确地判断其岩性分类和初步特征。随着计算机技术的快速发展,人工智能算法的发展为岩石矿物的快速识别提供了新的思路。因此,本文基于深度学习和机器学习算法,提出了基于岩石图像与锤击音频数据深度学习的岩石矿物智能识别分析方法,主要研究成果如下:
(1)基于矿物的基本颜色特征,结合计算视觉编程技术,提出了矿物图像特征提取的颜色模型。训练对比了传统的机器学习模型和谷歌开源的深度学习模型的优劣。测试结果表明,传统的机器学习模型的识别效果和岩石矿物图像特征提取能力不如深度学习模型的效果好,且颜色模型能够提高深度学习模型的识别效果。
(2)提出了矿物图像特征提取的亮度方法和颜色方法,构建了矿物图像识别耦合模型。通过判别矿物图像表面的颜色变化和亮度变化,达到矿物图像纹理特征的效果,提取特征的矿物图像训练的模型具有更高的准确率;耦合模型以深度学习模型和颜色模型为一体,先通过深度学习模型识别矿物图像,进而耦合颜色模型在识别结果中进一步筛选最优结果。测试结果表明,耦合模型的识别准确率得到有效的提升。
(3)提出了耦合声音特征的岩石岩性识别模型。该方法基于所采集的不同类别岩石图像和锤击音频数据,首先采用基于Inception-V3的迁移学习方法对岩石图像进行深度学习与训练;然后利用回弹仪测定岩石强度,通过“阈值法”得到锤击音频片段,以回弹指数的平均值作为岩石强度值,建立波形和强度的SVM(Support Vector Machine)回归模型,实现岩石表面强度预测;最后耦合岩石图像识别模型与岩石音频强度回归模型进行岩性分类智能识别。耦合模型的测试准确率较高说明耦合模型的泛化能力较强,适用于岩石的岩性识别。
(4)开发了基于Android的岩石矿物智能识别与分析系统。该系统主要包含三个模块:知识卡模块、储存模块和识别模块,具有岩石矿物资料查阅、岩石矿物图像实时识别功能和岩石矿物图像及资料储存等多方面功能。该方法和系统能有效识别岩石矿物分类,为野外工程地质勘察提供了新的技术手段。
(1)基于矿物的基本颜色特征,结合计算视觉编程技术,提出了矿物图像特征提取的颜色模型。训练对比了传统的机器学习模型和谷歌开源的深度学习模型的优劣。测试结果表明,传统的机器学习模型的识别效果和岩石矿物图像特征提取能力不如深度学习模型的效果好,且颜色模型能够提高深度学习模型的识别效果。
(2)提出了矿物图像特征提取的亮度方法和颜色方法,构建了矿物图像识别耦合模型。通过判别矿物图像表面的颜色变化和亮度变化,达到矿物图像纹理特征的效果,提取特征的矿物图像训练的模型具有更高的准确率;耦合模型以深度学习模型和颜色模型为一体,先通过深度学习模型识别矿物图像,进而耦合颜色模型在识别结果中进一步筛选最优结果。测试结果表明,耦合模型的识别准确率得到有效的提升。
(3)提出了耦合声音特征的岩石岩性识别模型。该方法基于所采集的不同类别岩石图像和锤击音频数据,首先采用基于Inception-V3的迁移学习方法对岩石图像进行深度学习与训练;然后利用回弹仪测定岩石强度,通过“阈值法”得到锤击音频片段,以回弹指数的平均值作为岩石强度值,建立波形和强度的SVM(Support Vector Machine)回归模型,实现岩石表面强度预测;最后耦合岩石图像识别模型与岩石音频强度回归模型进行岩性分类智能识别。耦合模型的测试准确率较高说明耦合模型的泛化能力较强,适用于岩石的岩性识别。
(4)开发了基于Android的岩石矿物智能识别与分析系统。该系统主要包含三个模块:知识卡模块、储存模块和识别模块,具有岩石矿物资料查阅、岩石矿物图像实时识别功能和岩石矿物图像及资料储存等多方面功能。该方法和系统能有效识别岩石矿物分类,为野外工程地质勘察提供了新的技术手段。