基于深度学习的智能矿物识别方法研究

作     者：郭艳军 周哲 林贺洵 刘小辉 陈丹丘 祝佳琪 伍峻琦 GUO Yanjun;ZHOU Zhe;LIN Hexun;LIU Xiaohui;CHEN Danqiu;ZHU Jiaqi;WU Junqi

作者机构：北京大学地球与空间科学学院北京100871 北京大学信息科学技术学院北京100871 北京大学软件与微电子学院北京102600 北京大学地球科学国家级实验教学示范中心北京100871 北京大学地球科学国家级虚拟仿真实验教学中心北京100871 

基　　金：国家科技重大专项(2017ZX0513-002) 教育部产学合作协同育人项目(201802267003) 中央高校改善基本办学条件专项基金项目(XG2001221) 北京大学本科教学改革项目(JG1901221) 

出 版 物：《地学前缘》 (Earth Science Frontiers)

年 卷 期：2020年第27卷第5期

页      码：39-47页

摘      要：矿物识别在许多研究领域都有着重要作用,基于深度学习技术的智能矿物识别为这些领域带来了新的发展方向,不仅能有效节省人工成本,还能减小识别错误。针对石英、角闪石、黑云母、石榴石和橄榄石共5种矿物进行实验,提出了一种准确高效的智能矿物识别方法。实验采用图像分析常用的卷积神经网络建立模型,设计出一套基于残差神经网络的矿物识别方法。本实验独立采集了5种矿物的偏光显微图像数据集,用于模型的训练、验证和测试,并通过合理的数据增强策略来扩充训练数据集。在卷积神经网络的结构设计上,选取了ResNet-18作为框架,最终于模型测试中取得89%的准确率,成功训练出一个较为精准的矿物识别模型,实现了基于深度学习的智能矿物识别方法。

主 题 词：深度学习 矿物识别 计算机视觉 卷积神经网络 残差神经网络 

学科分类：0709[理学-地质学] 070901[070901] 07[理学] 08[工学] 080203[080203] 0802[工学-机械学] 

核心收录：

D　O　I：10.13745/j.esf.sf.2020.5.45

馆 藏 号：203986188...