论文摘要
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。
论文目录
文章来源
类型: 期刊论文
作者: 彭伟航,白林,商世为,唐小洁,张哲远
关键词: 矿物图像,矿物识别,人工智能,深度学习
来源: 地质通报 2019年12期
年度: 2019
分类: 基础科学
专业: 地质学
单位: 成都理工大学网络安全学院,自然资源部地质信息技术重点实验室,成都理工大学数学地质四川省重点实验室,成都理工大学管理科学学院,成都理工大学地球科学学院
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》(编号：2018YFC1505501),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》(编号：201810616003)
分类号: P575
页码: 2059-2066
总页数: 8
文件大小: 5186K
下载量: 193