基于卷积神经网络-深度迁移学习的岩性自动识别研究

作     者：熊峰 廖一凡 曹伟腾 张国华 师学明 李辉 郑洪 XIONG Feng;LIAO Yifan;CAO Weiteng;ZHANG Guohua;SHI Xueming;LI Hui;ZHENG Hong

作者机构：中国地质大学(武汉)工程学院湖北武汉430074 中国地质大学(武汉)地球物理与空间信息学院湖北武汉430074 武汉大学土木建筑工程学院湖北武汉430072 中铁第四勘察设计院集团有限公司数智化事业部湖北武汉430063 

基　　金：国家重点研发计划项目(2021YFB2600402) 国家自然科学基金项目(52209148) 

出 版 物：《安全与环境工程》 (Safety and Environmental Engineering)

年 卷 期：2023年第30卷第4期

页      码：26-34页

摘      要：基于人工智能算法实现岩性自动和快速识别是地质界和工程界的热点和难点,对于构建智能勘察体系具有重要意义。首先,基于地质学岩石分类体系建立系统的岩石图像数据集架构,用以支持后续岩石识别研究工作,该数据集包含约13000张岩石样本图像;其次,基于卷积神经网络-深度迁移学习算法,建立端到端、图像到标签的岩石图像智能识别模型,并对模型进行训练和测试;最后,模型泛化性和现场钻孔岩芯岩性验证试验表明,构建的岩石图像智能识别模型具有快速和准确识别岩石的能力,利用该模型对12种岩石的识别准确率达到95%以上。新提出的岩石图像识别模型可为现场地质和科研工作者提供方便和快捷的工具。

主 题 词：人工智能 岩石分类 卷积神经网络 深度迁移学习 泛化性 

学科分类：08[工学] 080104[080104] 0837[0837] 0815[工学-矿业类] 0801[工学-力学类] 

D　O　I：10.13578/j.cnki.issn.1671-1556.20221314

馆 藏 号：203122707...