基于介观岩石图像深度学习的便携式岩性智能识别
Portable Intelligent Lithology Identification via Deep Learning of Mesoscopic Rock Images作者机构：隧道工程灾变防控与智能建养全国重点实验室山东济南250061 山东大学齐鲁交通学院山东济南250061 山东大学计算机科学与技术学院山东青岛266237
出 版 物：《应用基础与工程科学学报》 (Journal of Basic Science and Engineering)
年 卷 期：2024年第32卷第4期
页 面：911-925页
核心收录：
学科分类：0710[理学-生物学] 081406[工学-桥梁与隧道工程] 0808[工学-电气工程] 0709[理学-地质学] 08[工学] 0835[工学-软件工程] 0836[工学-生物工程] 0814[工学-土木工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 082301[工学-道路与铁道工程] 0823[工学-交通运输工程]
基 金：国家自然科学基金项目(52021005 52279103 52379103)
主 题：岩性识别 深度学习 人工智能 图像识别 模型部署 岩石图像
摘 要：针对传统岩性识别依赖人工经验、主观性强、耗时耗力的问题,提出了一种基于介观岩石图像深度学习的现场岩性智能识别方法.采用卷积神经网络并结合迁移学习方法,构建了岩性识别模型.采用身份采样器以多样化的方式选择样本构建训练批次,保证了模型不会偏向数据量较多的样本,提高了推理的准确性.将经过训练的Pytorch模型转换成ONNX模型部署到便携式设备上,设计和开发了一款专用于岩性识别的软件.在此软件中,电子放大镜可用于拍摄介观岩石图像,实现了对岩石岩性的准确判识.研究结果表明,该方法的识别准确率最高可达99%,可满足地质调查人员在野外作业中快速获取岩石岩性的需求.
维普期刊数据库
同方期刊数据库