文献类型：期刊文章

作　　者：白林[1,2,3] 魏昕[4] 刘禹[2] 吴崇阳[2] 陈立辉[4]

BAI Lin;WEI Xin;LIU Yu;WU Chongyang;CHEN Lihui(Geomathematics Key Laboratory of Sichuan Province,Chengdu University of Technology,Chengdu 610059,Sichuan,China;College of Management Science,Chengdu University of Technology,Chengdu 610059,Sichuan,China;Key Laboratory of Geological Information Technology,Ministry of Natural Resources,Beijing 100037,China;College of Earth Sciences,Chengdu University of Technology,Chengdu 610059,Sichuan,China)

机构地区：[1]成都理工大学数学地质四川省重点实验室,四川成都610059 [2]成都理工大学管理科学学院,四川成都610059 [3]自然资源部地质信息技术重点实验室,北京100037 [4]成都理工大学地球科学学院,四川成都610059

出　　处：《地质通报》

基　　金：国家重点研发计划《基于“地质云”平台的深部找矿知识挖掘》(编号：2016YFC0600510);四川省应用基础研究项目《基于人工智能方法的岩石和矿物自动识别技术研究》(编号：2018JY0112);自然资源部地质信息技术重点实验室开放课题《基于深度学习的野外岩石识别技术研究及应用》(编号：2018433)

年　　份：2019

卷　　号：38

期　　号：12

起止页码：2053-2058

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA-PROQEUST、CSCD、CSCD2019_2020、GEOBASE、GEOREFPREVIEWDATABASE、IC、JST、PROQUEST、RCCSE、SCOPUS、WOS、ZGKJHX、ZR、核心刊

摘　　要：岩石薄片图像的复杂性和多解性,导致岩石薄片分类难度较大。尝试将深度学习方法应用于岩石薄片图像分类。实验选取了安山岩、白云岩、花岗岩等6种常见岩石种类的薄片图像,每类1000张图像作为实验数据,建立了岩石薄片分类的VGG模型,经过9万次训练后,测试集识别准确率达到了82%。对实验结果进行了分析,发现相似组成成分的岩石图像容易混淆,如白云岩与鲕粒灰岩均属于碳酸盐岩,容易相互误判。在安山岩特征图中提取出了斜长石斑晶和微晶及隐晶质或玻璃质基质,在鲕粒灰岩特征图中提取了鲕粒及填隙物中的亮晶方解石,也验证了方法的可靠性。

关 键 词：岩石薄片图像  深度学习  VGG  特征提取

分 类 号：P585] P628[地质学类;地质类]