基于Xception网络的岩石图像分类识别研究

作     者：谭永健 田苗 徐德馨 盛冠群 马凯 邱芹军 潘声勇 TAN Yong-jian;TIAN Miao;XU De-xin;SHENG Guan-qun;MA Kai;QIU Qin-jun;PAN Sheng-yong

作者机构：湖北省水电工程智能视觉监测重点实验室/三峡大学计算机与信息学院湖北宜昌443002 武汉市测绘研究院湖北武汉430074 中国地质大学(武汉)计算机学院湖北武汉430074 武汉中地数码科技有限公司湖北武汉430074 

出 版 物：《地理与地理信息科学》 (Geography and Geo-Information Science)

年 卷 期：2022年第38卷第3期

页      面：17-22页

学科分类：08[工学] 080104[工学-工程力学] 080203[工学-机械设计及理论] 0815[工学-水利工程] 0802[工学-机械工程] 0801[工学-力学（可授工学、理学学位）] 

基　　金：国家自然科学基金原创性探索项目“地球科学知识图谱表示模式与群智协同构建”(42050101) 中国博士后科学基金项目(2021M702991) 国家自然科学基金项目“基于多模态数据理解及融合的三维地质模型构建方法研究”(41871311) 武汉市多要素城市地质调查示范项目(WHDYS-2020-004) 

主　　题：岩石图像 岩性识别 迁移学习 深度可分离卷积 

摘      要：准确、高效地识别岩石岩性是大数据时代地球科学研究的必然趋势和发展方向。传统岩石岩性识别方法多依赖人工判别,对相关知识与判别经验的要求很高。针对这一问题,该文提出一种基于Xception网络的自动化岩石图像分类方法,将InceptionV3网络中的卷积操作替换为深度可分离卷积模块,同时引入残差连接机制以大量减少模型参数与计算量,然后结合迁移学习思想提高图像分类准确率。选取嵊州地质调研中人工采集的10类岩石样本图像构建岩石图像数据集进行验证,结果表明,Xception网络模型对岩石岩性识别的准确率达86%,比其他主流的岩石图像分类模型的识别精度更高。