基于卷积神经ResNet50残差网络的岩石图像岩性识别研究

作     者：王晓兵 刘琳 王俊卿 胡石磊 闻磊 Wang Xiaobing;Liu Lin;Wang Junqing;Hu Shilei;Wen Lei

作者机构：中核勘察设计研究有限公司河南郑州450000 石家庄铁道大学工程力学系河北石家庄050043 

基　　金：河北省自然科学基金重点项目(A2020210008) 

出 版 物：《岩土工程技术》 (Geotechnical Engineering Technique)

年 卷 期：2024年第38卷第3期

页      码：294-302页

摘      要：深度学习卷积神经网络算法广泛应用于岩石图像的岩性识别。结合卷积神经残差ResNet50网络,构建了岩石图像岩性识别模型,并依据定义的损失函数进行了网络模型的参数调优与验证;通过构建的识别模型对岩石图像岩性进行了预测,并根据识别结果进行了误差原因分析。研究表明:以深度卷积神经ResNet50残差网络为基础,按照训练集、测试集、验证集8∶1∶1的比例可以进行岩性预测模型的构建与参数调优,从而实现岩石图像的岩性预测;结合项目实例构建了黑云母花岗闪长岩、变质砂岩、石英岩、黑云母花岗岩等四种岩性的岩石图像岩性识别模型;模型的识别准确率,除构造节理发育的破碎岩体较低外,一般可达75%~90%;岩石图像识别结果的准确率受岩体构造裂隙发育及岩石图像质量影响较大,可以通过增加训练样本数量来提高识别结果准确率。

主 题 词：卷积神经网络 ResNet50 岩石图像 识别模型 岩性识别 

学科分类：081803[081803] 08[工学] 0818[工学-交通运输类] 

D　O　I：10.3969/j.issn.1007-2993.2024.03.006

馆 藏 号：203127958...