基于深度神经网络的岩芯柱岩石类型识别
文章阐述了使用手机摄像头对岩芯表层图像进行采集,并使用深度神经网络分类的可行性.实验对象为砂岩和灰岩两大类岩石,对建立的数据集通过网络模型的100000次训练后,模型准确度在90%以上.通过对实验结果的分析,处于过渡带的岩芯因为岩性不一致或因外力遗留在岩芯表面的痕迹会干扰网络模型的识别准确率.从整体来看,网络模型能有效提取出岩石的基本特征,验证了方法的可行性,实验数据采集流程简单,采集效率高,具备广泛推广的可能性.
岩石图像、深度学习、卷积神经网络、特征提取
17
TP311(计算技术、计算机技术)
2021-05-24(万方平台首次上网日期,不代表论文的发表时间)
共4页
192-194,197