文献类型：期刊文章

作　　者：许振浩[1,2] 马文[2] 李术才[1,2] 林鹏[2] 梁锋[3,4] 许广璐[2] 李珊[2] 韩涛[2] 石恒[1]

XU Zhenhao;MA Wen;LI Shucai;LIN Peng;LIANG Feng;XU Guanglu;LI Shan;HAN Tao;SHI Heng(Geotechnical and Structural Engineering Research Center,Shandong University,Jinan,250061;China School of Qilu Transportation,Shandong University,Jinan,250061;Chinese Academy of Geological Sciences,Beijing,100037;China Deep Exploration Center,SinoProbe Center,Beijing,100094)

机构地区：[1]山东大学岩土与结构工程研究中心,济南250061 [2]山东大学齐鲁交通学院,济南250061 [3]中国地质科学院,北京100037 [4]自然资源部深地科学与探测技术实验室,北京100094

出　　处：《地质论评》

基　　金：国家自然科学基金优秀青年科学基金资助项目(编号:52022053);国家自然科学基金青年基金资助项目(编号:52009073);山东省自然科学基金杰出青年科学基金资助项目(编号:ZR201910270116)的成果。

年　　份：2022

卷　　号：68

期　　号：6

起止页码：2290-2304

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、JST、RCCSE、ZGKJHX、核心刊

摘　　要：岩性识别是地质工作中一项基础而又重要的工作。传统的岩性识别方法过于依赖经验和地质专业知识积累,不仅耗时长、专业性强,还易受主观因素影响,导致准确率不理想。笔者等首先回顾了传统的岩性识别方法,之后总结了最新涌现的智能化识别方法,最后详细介绍了基于岩石图像、镜下图像、图像与元素信息融合等的智能识别方法。基于岩石图像的识别方法对于文中的岩石识别准确率可达90%以上,基于图像与元素融合的岩性识别方法可以降低图像相似度高、风化破坏表观特征等因素对识别准确度的影响。笔者等认为当前岩性智能化识别研究仍处于初级阶段。综合各类数据源的优势,利用机器学习深度挖掘岩石元素、矿物、光谱和表观特征间的内在关联性,有利于突破单源信息的局限性,实现岩性快速准确识别。

关 键 词：岩性识别 深度学习  人工智能 融合分析  图像识别

分 类 号：P585]