基于深度学习的智能矿物识别方法研究

摘要：

矿物识别在许多研究领域都有着重要作用,基于深度学习技术的智能矿物识别为这些领域带来了新的发展方向,不仅能有效节省人工成本,还能减小识别错误.针对石英、角闪石、黑云母、石榴石和橄榄石共5种矿物进行实验,提出了一种准确高效的智能矿物识别方法.实验采用图像分析常用的卷积神经网络建立模型,设计出一套基于残差神经网络的矿物识别方法.本实验独立采集了5种矿物的偏光显微图像数据集,用于模型的训练、验证和测试,并通过合理的数据增强策略来扩充训练数据集.在卷积神经网络的结构设计上,选取了ResNet-18作为框架,最终于模型测试中取得89％的准确率,成功训练出一个较为精准的矿物识别模型,实现了基于深度学习的智能矿物识别方法.

关键词：深度学习、矿物识别、计算机视觉、卷积神经网络、残差神经网络

所属期刊栏目：27

分类号：P57;TP391.41(矿物学)

资助基金：国家科技重大专项;教育部产学合作协同育人项目;中央高校改善基本办学条件专项基金项目;北京大学本科教学改革项目

在线出版日期：2020-11-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：39-47