基于深度学习的野外露头区岩石裂缝识别

摘要：

针对当前地质考察中的野外露头区岩石裂缝及周围环境较为复杂且数据依赖人工描绘和传统的图像处理算法,其识别效率及准确度低下造成地质考察研究困难这一实际情况,提出一种基于深度学习的露头区岩石裂缝识别算法,从而提高岩石裂缝识别的准确度及效率.该方法基于TensorFlow架构,先将预处理的训练数据集图片进行人工挑选预处理为裂缝和背景2类图片,再将已分类的图片传入已设计完成的卷积神经网络模型进行训练并保存训练模型的参数数据,用已训练的模型数据对预处理的岩石裂缝图片进行识别并记录裂缝位置信息,通过裂缝位置信息对未预处理过的原色岩石裂缝图片进行裂缝定位并显示.实验结果表明所用方法可较高准确度地识别裂缝,为地质考察提供更准确便捷的裂缝识别方法.

关键词：计算机视觉、TensorFlow、露头区裂缝识别、卷积神经网络、地质考察

分类号：TP391.9(计算技术、计算机技术)

资助基金：国家重大专项项目15160021

在线出版日期：2020-05-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：56-62