基于多分辨率图像的矿物特征自动提取与矿物智能识别模型

作     者：杨彪 倪瑞璞 高皓 马亦骥 曾德明 YANG Biao;NI Ruipu;GAO Hao;MA Yiji;ZENG Deming

作者机构：昆明理工大学信息工程与自动化学院昆明650500 昆明理工大学云南省人工智能重点实验室昆明650500 昆明理工大学非常规冶金教育部重点实验室昆明650093 

出 版 物：《有色金属工程》 (Nonferrous Metals Engineering)

年 卷 期：2022年第12卷第5期

页      面：84-93页

学科分类：0709[理学-地质学] 070901[理学-矿物学、岩石学、矿床学] 07[理学] 081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(61863020) 

主　　题：矿物分类 特征提取 多分辨率 深度学习 

摘      要：传统卷积神经网络运用于矿物种属鉴定时,由于其较大的参数量和固定输入图像分辨率的限制,需要充足的计算资源与一定的图像预处理能力,难以在实际勘探中部署。为此,基于深度可分离卷积,结合注意力机制,通过密集连接的方式构建矿物智能识别模型,且该模型可以对多分辨率矿物图像进行训练。实验结果表明,模型内存占用仅为20 Mb,验证准确率与测试准确率均高于90%,分类效果优于经典卷积神经网络,表现出优异的正负例样本鉴别能力。以上结果证明,该模型在识别性能与内存占用上达到良好的平衡,适用于便携式设备,且能有效地对不同分辨率矿物图像进行识别,并有良好的泛化性,具有潜在的应用价值。