Print

基于改进InceptionV3模型的常见矿物智能识别

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

  • 1 矿物识别研究现状
  • 2 矿物识别Inception V3模型
  • 3 实验过程
  •   3.1 图像预处理方法
  •   3.2 Center Loss
  •   3.3 模型训练
  • 4 结果分析
  • 5 矿物图像中的形态特征提取
  • 6 结语

    • 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

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/190d9b9c1131c0cf845bb659.html