声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-1965/P
国际刊号：0258-7106
发布日期:
作者：赵兴东,王宏宇,白夜
单位：东北大学, 深部金属矿采动安全实验室, 辽宁 沈阳 110004
关键词：岩性识别,图像分类,迁移学习,卷积神经网络,智能识别,
基金：本文得到NSFC-山东联合基金项目（编号：U1806208）、国家自然科学基金重点项目（编号：52130403）和中央高校基本科研业务费项目（编号：N2001033）联合资助
文章基于Inception-v3卷积神经网络模型，通过对采集的金矿石、铜矿石、铁矿石、铅锌矿、花岗岩、片麻岩、大理岩和页岩，8种岩石453张图像进行特征提取和迁移学习，建立了岩性分类的迁移学习模型，实现了岩性的自动识别和分类。每种岩石图像随机抽取4张作为测试集进行测试，剩余421张图像作为训练集参加训练，经测试全部图像的岩性分类结果均正确，识别正确率超过80%的岩石图像占测试集图像总数的90%以上。识别正确率未达到80%的图像经过处理后重新训练并测试，其识别正确率均超过了80%，表明了该模型具有良好的岩性识别能力且鲁棒性较好，为岩性识别和自动分类提供了一种新的智能分析方法。
来源：2023年第5期
《矿床地质》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。