文献类型：期刊文章

作　　者：冯雅兴[1,2] 龚希[1,2] 徐永洋[1,2] 谢忠[1,2] 蔡惠慧[3] 吕霞[2,3]

FENG Ya-xing;GONG Xi;XU Yong-yang;XIE Zhong;CAI Hui-hui;LV Xia(School of Information Engineering,China University of Geosciences,Wuhan 430074;National Engineering Research Center of Geographic Information System,China University of Geosciences,Wuhan 430074;Development and Research Center of China Geological Survey,Beijing 100037,China)

机构地区：[1]中国地质大学(武汉)信息工程学院,湖北武汉430074 [2]中国地质大学(武汉)国家地理信息系统工程技术研究中心,湖北武汉430074 [3]中国地质调查局发展研究中心,北京100037

出　　处：《地理与地理信息科学》

基　　金：国家自然科学基金项目(41671400)

年　　份：2019

卷　　号：35

期　　号：5

起止页码：89-94

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、JST、NSSD、RCCSE、RWSKHX、ZGKJHX、核心刊

摘　　要：目前岩性识别多基于人工判别方法,需要一定的专业背景和丰富的判别经验。该文提出基于岩石新鲜面图像与孪生卷积神经网络结构的深度学习岩性自动识别方法,兼顾岩石数据的全局图像信息和局部纹理信息。首先利用孪生卷积神经网络中的子通道提取岩石图像的全局和局部特征信息,再将特征信息融合以构建统一描述子,最后根据描述子信息识别岩性。选取野外拍摄的岩石图像作为模型验证数据,通过专家命名构建深度学习样本库对模型进行验证和分析。实验结果表明,该文提出的基于AlexNet孪生卷积神经网络对岩石数据的适用性较强,对岩性的识别精度达89.4%,能很好地区分岩石类型。

关 键 词：人工智能 岩性识别 卷积神经网络 大数据  

分 类 号：TP183] TP391.41]