文献类型：期刊文章

作　　者：白林[1,2,3,4] 姚钰[3] 李双涛[5] 徐东晶[6] 魏昕[6]

BAI Lin;YAO Yu;LI Shuangtao;XU Dongjing;WEI Xin(Geomathematics Key Laboratory of Sichuan Province,Chengdu University of Technology,Chengdu 610059,China;College of Geophysics,Chengdu University of Technology,Chengdu 610059,China;College of Management Science,Chengdu University of Technology,Chengdu 610059,China;Key Laboratory of Geological Information Technology of Ministry of Land and Resources,Beijing 100037,China;College of Network Security,Chengdu University of Technology,Chengdu 610059,China;College of Earth Sciences,Chengdu University of Technology,Chengdu 610059,China)

机构地区：[1]数学地质四川省重点实验室(成都理工大学),四川成都610059 [2]成都理工大学地球物理学院,四川成都610059 [3]成都理工大学管理科学学院,四川成都610059 [4]国土资源部地质信息技术重点实验室,北京100037 [5]成都理工大学网络安全学院,四川成都610059 [6]成都理工大学地球科学学院,四川成都610059

出　　处：《中国矿业》

基　　金：国土资源部地质信息技术重点实验室开放课题资助(编号:2017321);四川省应用基础研究项目资助(编号:2018JY0112)

年　　份：2018

卷　　号：27

期　　号：7

起止页码：178-182

语　　种：中文

收录情况：BDHX、BDHX2017、JST、RCCSE、ZGKJHX、核心刊

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。

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

分 类 号：P628.5] TP183[地质学类;地质类]