基于改进InceptionV3模型的常见矿物智能识别

摘要：

以常见的16类矿物作为研究对象,收集每一类矿物约1000张图像,按比例划分为训练集、验证集和测试集,通过图像随机选取增加数据的多样性,建立矿物识别InceptionV3模型,训练7万次在测试集上获得81％的识别正确率.通过对损失函数的改进,引入Center Loss损失函数,训练40万次识别准确率提高到86％.对分类的混淆矩阵分析发现,孔雀石等外观特征明显的矿物识别正确率很高,而闪锌矿等与其他矿物容易混淆导致正确率较低.从特征图分析看出,模型很好地提取了孔雀石的放射状特征,矿物图像特征向量聚集程度很高,也说明了模型的可靠性.

关键词：矿物图像、矿物识别、人工智能、深度学习

所属期刊栏目：38

分类号：P585;P628(岩石学)

资助基金：国家重点研发计划《基于地质云的地质灾害基础信息提取与大数据分析挖掘》;成都理工大学国家级大学生创新创业训练计划项目《基于人工智能方法的岩石识别技术研究》

在线出版日期：2020-03-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：2059-2066