文献类型：期刊文章

作　　者：刘晨[1] 赵晓晖[1] 梁乃川[2] 张永新[1]

LIU Chen;ZHAO Xiaohui;LIANG Naichuan;ZHANG Yongxin(School of Mathematics and Statistics,Shandong Normal University,Ji'nan 250358;Liaocheng Senior Finance Vocational School,Liaocheng 252000)

机构地区：[1]山东师范大学数学与统计学院,济南250358 [2]聊城高级财经职业学校,聊城252000

出　　处：《计算机与数字工程》

基　　金：2019教育部产学合作系统育人项目(编号:201902009007);山东省计算机网络重点实验室开放课题(编号:SDKLCN-2020-05);山东师范大学教学改革重点项目(编号:2019XD19)资助。

年　　份：2021

卷　　号：49

期　　号：12

起止页码：2526-2530

语　　种：中文

收录情况：ZGKJHX、普通刊

摘　　要：岩性识别与分类对于地质分析具有重要的研究意义,是油藏描述和固体金属矿产资源勘探中的核心环节。传统的岩性识别方法受限于研究者的地质经验和实验设备的质量,受主观因素影响较大。为此提出了一种基于ResNet50网络模型和迁移学习的岩性识别与分类方法,首先使用预训练的ResNet50残差网络进行特征提取,然后利用改进的分类模型进行训练,最后在测试集上进行岩性识别分类。实验的数据集是使用工业相机在录井现场拍摄的岩屑和岩心图像,其中包含深灰色泥岩、深灰色粉砂质泥岩、浅灰色细砂岩等7类共315岩石图片。实验结果表明,所提模型对岩石样本数据的适用性较强,岩性识别准确率达到93.93%,能够很好地区分岩石类型且有较好的泛化能力和鲁棒性,可以满足实际应用需求。

关 键 词：岩性识别 深度学习  ResNet50  迁移学习  

分 类 号：P588]