文献类型：期刊文章

作　　者：陈洪建[1] 向滔[1] 柳春源[1] 宋先璐[2] 寇喜鹏[1]

机构地区：[1]重庆科技学院数理与大数据学院,重庆 [2]西南石油大学电气信息学院,四川 成都

出　　处：《计算机科学与应用》

年　　份：2022

卷　　号：12

期　　号：7

起止页码：1765-1780

语　　种：中文

收录情况：IC、RCCSE、普通刊

摘　　要：岩石种类繁多,人类现已发现的岩石种类有好多种。从现实意义来说,岩石样本识别在油气勘探、水资源勘探、矿物勘探、能源勘察、工程建设中是一项既基础又重要的环节。近年来,随着人工智能技术的发展,采用图像深度学习的方法建立岩石样本自动识别分类模型成为主导,相较于传统岩石分类减少了设备影响与人为因素干扰,更为快速且准确地识别。本研究数据集来自Big Data Mining Race dataset2021,针对该数据集存在岩石种类不均匀、图片大小不一且数据量少的问题,通过图片裁剪、旋转、饱和度调整等图片增强手段,上述问题得以缓解。本研究针对岩石剖面,结合迁移学习,通过冻结与微调预训练模型的部分层,分别建立基于InceptionV3网络、ResNet50网络、VGG16网络的逐步细分串联模型与单个模型,通过准确率、召回率等值判断模型的好坏,最终得出结论。

关 键 词：岩石识别  卷积神经网络 ResNet50  InceptionV3  VGG16  

分 类 号：TP183] TP391.41]