基于深度学习的智能矿物识别方法研究

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。     

耦合颜色和纹理特征的矿物图像数据深度学习模型与智能识别方法

在野外地质勘探过程中,矿物识别是一项重要的任务。但是在复杂的地质勘探条件下准确识别矿物是一项极具挑战性的任务。本文首先结合矿物知识,对图像中矿物的颜色和亮度进行判别,从而强化矿物图像的纹理特征,基于强化后的纹理特征,利用深度学习模型和迁移学习方法建立矿物深度学习模型;同时利用K-means算法提取矿物颜色特征,建立颜色特征模型;最终基于矿物识别深度学习模型和颜色特征模型,建立矿物图像的耦合识别模型,提出了一套完整的矿物智能识别分析方法。在深度学习模型建立过程中,共对19类矿物,总计6203张图像进行了训练,同时使用456张图像对耦合模型进行测试,其top-1准确率和top-3准确率分别达到72.2%和91.2%。基于所训练的模型,在Android系统开发了矿物图像智能识别应用系统,主要由矿物识别、矿物知识卡和矿物资料存储三个模块组成,提供矿物实时识别、矿物基础知识及实时储存等功能。作为野外地质勘察的辅助工具,此应用可以减少重复劳动,提升野外地质勘察的数字化和信息化水平。     

某矿床铂钯等贵金属元素的电子探针分析

某矿床为一大型的铜镍铂钯矿床,原矿石化学分析有用元素为：Ｐｔ１－３８ｇｔＰｄ２－３６ｇｔ、Ｃｕ０－１４％、Ｎｉ０－２２％。显微镜观察发现,矿石主要金属矿物为黄铜矿、紫硫镍矿、黄铁矿、磁铁矿、铬铁矿,脉石矿物为蛇纹石、辉石等。经显微镜观察以及电子探针扫描分析,铂钯矿物在矿石中嵌布颗粒粒度细小,与不同矿物连生,根据电子探针分析,仍有许多超显微状态的铂钯矿物赋存在硫化矿物中。１　样品制备与仪器设备及实验条件从原矿石中挑选部分有代表性矿石,切割抛光制成矿石光片,经显微镜镜下鉴定后,留待进行电子探针分…     

基于改进InceptionV3模型的常见矿物智能识别

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。     

XRF半定量分析技术在矿石光片鉴定中的应用

偏光显微镜反光镜下鉴定金属矿物是最常用、最快捷有效的方法,然而鉴定结果容易受到鉴定者主观因素或磨片情况的影响。为了更快速、准确地在反光镜下鉴定矿物,利用XRF半定量分析技术快速、无损、前处理简单等特点,以及磨平抛光的矿石矿物在半定量分析过程中能较好地避免楔入效应和阴影效应的有利因素,采取了先用XRF半定量分析测得的结果去反推矿物,再在显微镜下鉴定矿物的方法。以多金属硫化物矿石、含铀多金属矿石及含微量铀的矿石样品为例进行鉴定,结果表明,在鉴定前知道光片上的元素及其质量分数,通过地球化学方法和经验法反推矿物,结合显微镜观察需要鉴定的矿物,可有效避免忽略掉透明/半透明矿物（锡石）、小粒径矿物（沥青铀矿）、易混淆矿物（铀黑）,提高光片鉴定工作的效率和准确性。     

基于机器学习的矿物智能识别方法研究进展与展望

矿物智能识别是地球科学与信息科学的重要交叉方向,显示出强大的生命力.本文在调研国内外研究动态的基础上,把矿物智能识别划分为4个阶段,即矿物采集、数据获取、模型构建、分类判别;根据测试方法和获得的数据类型,把矿物智能识别分为基于化学成分、显微光学图片、光谱分析的3条基本路线;总结了应用于矿物智能识别的机器学习方法和技术,包括统计学习、线性回归模型、距离度量模型、树结构模型、神经网络模型及其与样本问题相关的新技术.在此基础上,提出消除地质学与人工智能的鸿沟、建设可用于学习的高质量矿物数据集、完善适合矿物智能识别的机器学习方法、增进模型可解释性、加强工业推广的实践是该领域未来的重点发展方向.      

庞家河微细浸染型金矿金的赋存状态

本文论述了庞家河金矿矿石中的主要在金矿物和载金矿物，金然矿石中的配分微型赋存状态矿石中金矿物主要有自然金银金矿；主要载金矿物是黄铁矿，毒砂和粘土质矿物（含绢云母和少量粉砂质）金主要为次显微金，粒度在０．０２５～０．１μｍ之间，呈小圆球状及链状的独立金矿物（自然金）充填在黄铁矿，毒砂的微裂隙度或沉淀在晶面上或吸附在晶体边缘。在氧化或半氧化矿石中，可见到一部分可见金或显微金。     

基于深度置信网络的CRISM影像火星表面矿物识别方法

鉴于传统的光谱特征参数方法存在不能综合考虑光谱在整个波长范围内的谱形、对于单一吸收带相似的不同矿物难以区分等问题,研究采用深度置信网络方法对火星专用小型侦察影像频谱仪(CRISM)高光谱影像中的火星表面矿物进行自动识别,该算法具体包括:①预训练阶段。利用非监督算法逐层训练受限玻尔兹曼机,自动学习模型参数,提取光谱特征。②调优阶段。将自动学习的光谱特征输入分类器,采用反向传播算法对模型进行监督微调,识别矿物在CRISM影像中的分布。在算法的研究中,采用光谱比值方法降低火星表面灰尘等噪声对矿物光谱的影响,并探讨样本数量、隐含层节点数、网络深度等对算法识别精度的影响,试图构建适宜于CRISM影像火星表面矿物识别的深度置信网络模型。以火星表面镁铁蒙脱石和氯盐为例进行测试,实验结果表明:该方法能够对火星表面矿物进行自动识别,准确率达到85%以上,与光谱参数法的识别结果基本叠合,并能够探测光谱参数法未能识别的部分矿物分布。     

东山金矿物质组成及金的赋存状态初步研究

文章通过电子探针,单矿物化学分析和镜下观察,对广西陆川东山金的赋存状态进行研究,为该区矿石中金银铜的综合回收利用提供科学依据,结果表明选矿上采用优选浮选工艺处理该类型金矿可获得较好的技术、经济指标。     

利用电子探针研究甘肃陇南赵家庄金矿载金矿物特征

应用偏光显微镜与电子探针相结合的手段是研究载金矿物的主要方法。本文采用镜下鉴定和电子探针分析技术,对赵家庄金矿中载金矿物含量、形态特征及其与其他矿物的空间关系开展研究,并对载金矿物进行定性和定量分析,探寻具有找矿意义的载金矿物和总结标志矿物特征。结果表明:研究区金矿石中主要载金矿物为黄铁矿,少量为黄铜矿、闪锌矿,这些载金矿物中Au含量依次为:细晶黄铁矿粗晶黄铁矿草莓状黄铁矿黄铜矿。不同时期的黄铁矿(粗晶黄铁矿、细晶黄铁矿、草莓状黄铁矿)中Au的分布均匀,但存在差异性,主要表现为细晶黄铁矿和草莓状黄铁矿中的Au含量较高(平均含量0. 14%～0. 18%),这种现象表明此类矿物为构造热液期形成,金易富集。Au以两种形式存在,一种是"可见金"包裹于脉石矿物中,或以裂隙金的形式嵌布在矿物晶隙及裂隙中;另一种是"不可见金"以纳米级颗粒金的形式存在于载金矿物中,也是Au的主要存在形式。本研究为后期矿床的成因、成矿过程和成矿机理研究提供了佐证,同时易于根据含金矿物的特征选择合适的选冶方法。     

卷积神经网络及其在矿床找矿预测中的应用——以安徽省兆吉口铅锌矿床为例

大数据人工智能地质学刚刚起步,基于大数据智能算法的地质研究是非常有意义的探索性实验。利用大数据和机器学习解决矿产预测问题,有助于人们克服不能全面考虑地质变量的困难及评估当前模型在已有数据中的可靠性。元素地表分布特征量主要受原岩成分、成矿作用影响和地表过程的影响,它们携带某些指示矿体就位的信息,即矿体在地下空间就位时在地表的响应,且未在地表过程中消失。以往的地球化学勘查工作仅仅识别异常,但未能发现矿体在地表响应的成矿特征量。本文以安徽省兆吉口铅锌矿床为例,通过机器学习,利用卷积神经网络算法,不断挖掘元素Pb分布特征与矿体地下就位空间的耦合相关性。经过1000次训练后,可以得到准确率0. 93,损失率0. 28的卷积神经网络模型。这种神经网络模型就是矿体在地下就位时元素在地表分布的响应,可以用来进行矿产资源预测。应用该模型对未知区进行预测,结果显示第53号区域具有很大概率存在尚未发现的矿体。     

新疆布尔克斯岱金矿床含金矿物标型特征及其地质意义

对布尔克斯岱金矿床的主要含金矿物采用多种测试手段进行研究：如重砂、化学分析、Ｘ射线衍射分析、电子探针、ＥＰＲ谱、数学地质和包裹体分析等。对矿物特征及其与金矿化的关系作了较详细的研究。对确定矿床成因、找矿标志和成矿预测有一定意义。为矿床外围和深部找矿提供了依据。     

基于卷积神经网络迁移学习模型的矿岩智能识别方法

文章基于Inception-v3卷积神经网络模型,通过对采集的金矿石、铜矿石、铁矿石、铅锌矿、花岗岩、片麻岩、大理岩和页岩,8种岩石453张图像进行特征提取和迁移学习,建立了岩性分类的迁移学习模型,实现了岩性的自动识别和分类。每种岩石图像随机抽取4张作为测试集进行测试,剩余421张图像作为训练集参加训练,经测试全部图像的岩性分类结果均正确,识别正确率超过80%的岩石图像占测试集图像总数的90%以上。识别正确率未达到80%的图像经过处理后重新训练并测试,其识别正确率均超过了80%,表明了该模型具有良好的岩性识别能力且鲁棒性较好,为岩性识别和自动分类提供了一种新的智能分析方法。     

耦合PCA-SVM算法的金矿矿床规模预测分析研究

判断矿床(点)的类型是矿床勘探中的重要内容,传统预测金矿成矿规模的方法不仅耗时耗力,而且所需的经济成本较大。为提高矿床规模的勘探效率和准确度,揭示元素与金矿成矿规模的潜在联系,文中提出了耦合主成分分析(principal component analysis,PCA)和支持向量机(support vector machine,SVM)算法的预测分析PCA-SVM(principal component analysis-support vector machine)方法。该方法先通过主成分分析提取数据中的主要特征,再将主要特征带入支持向量机算法,从而训练出最优分类器以预测金矿成矿规模。文中共使用了3 812个金矿样本数据用于学习训练和预测分析,训练准确率为92.3%,测试准确率为88.7%,分别比直接使用支持向量机算法高出14.3%和17.1%。基于PCA-SVM的预测模型,不仅消除了人为主观因素的影响,而且有效提高了勘探过程中矿床预测的准确率和矿床勘探的效率,为地质勘查工作提供依据。     

湘中泥潭冲锑砷金矿地质地球化学及成矿机制

详细地阐述了泥潭冲锑砷金矿床成矿地质地球化学特征和金及载金矿物的某些标型特征,进而应用米理论（Ｍａｎｏ ＳＴ）的观战探讨了矿床形成机制。     

甘肃省礼县上坝金矿床载金矿物特征及其矿床成因

礼县上坝金矿床是甘肃省近年来在南秦岭微板块发现的矿体规模较大、主要赋矿岩石为硅质岩、氧化带深度大、矿石可浸出性好、金成色高的岩金矿床。通过对上坝金矿床矿石组构、矿物共生组合及载金矿物特征研究发现：金矿物主要为自然金、银金矿、金银矿。载金矿物主要为石英。褐铁矿、粘土矿物和少量碳质矿物也含金。金的赋存形式为粒间金和裂隙金。金矿物的形成富集与硅化一硫化物交代充填作用关系密切,矿床成因为低温热液型金矿床。     

桂东金矿床地质特征及成因

详细论述了桂东金矿床的地质特征。从矿床地质、矿石物质成分及金的赋存状态、围岩蚀变、矿物流体包裹体、稳定同位素等不同角度阐明金矿床的地球化学特征，认为桂东金矿有３种成因类型：变质热液、岩浆热液和复合叠加型，以后者为主，构成该区主要工业矿体，并认为矿区东南部有很大的找矿远景。     

申家窑金矿床地气测量异常特征

河南申家窑金矿床属典型的蚀变破碎带型金矿,矿区大部分被第四系沉积物所覆盖。文章通过偏光显微镜与扫描电子显微镜观察、电子探针微区分析、矿石成分化学分析等方法,认为申家窑金矿床的主要金矿物为自然金和银金矿,主要载体矿物为石英、黄铁矿和方铅矿。作者在总结矿床矿物学特征的基础上,实验研究了地气测量在该隐伏矿床上方黄土覆盖层的勘查效果。地气测量使用泡塑为捕集介质,利用surfer软件绘制元素空间分布图。元素空间分布图表明Au具有明显的地球化学异常,同时Cu、Pb、Zn等成矿伴生元素也存在异常。综合矿床矿物学的研究结果和元素空间分布特征,认为地气测量异常为矿致异常,地气异常结果能够指示深部隐伏矿体的产状。地气测量方法作为深穿透地球化学找矿方法之一,在研究区能够反映深部矿化,可以应用于黄土覆盖区寻找隐伏矿床。     

鄂东北白云金矿床地质特征及成因初探

论述了白云金矿床的地矿地质特征。从区域成矿地质背景，矿床地质，矿石物质组分及金的赋存状态，围岩蚀变，矿物流体包裹体，稳定同位素等阐明金矿床的地质和地球化学特征。认为该金矿是与碱性成矿流体有关的岩浆热液型金矿。     

甘肃寨上金矿床矿物组成特征与矿质沉淀机理

位于西秦岭礼(县)—岷(县)成矿带西段的寨上金矿床,是近年发现的一个大型微细浸染型金矿。笔者通过显微镜观察、电子探针和扫描分析等综合分析技术,确认金矿床中矿物组成相当丰富,既有大量硫化物、硫盐、氧化物、硫酸盐、碳酸盐、钨酸盐,又有碲化物、自然金属及多金属互化物。除常见矿物为自然金、黄铁矿、黄铜矿、黝铜矿、方铅矿、闪锌矿、辉锑矿、石英、白钨矿、方解石、菱铁矿、铁白云石和重晶石外,笔者还鉴定出在卡林型金矿床较少见的一些矿物,如硫铜锑矿、车轮矿、辉锑铅矿、辉钼矿、碲汞矿、碲镍矿、Cu-Zn-Ni-Sn-Fe的金属互化物和白钨矿等。矿石中矿物种类较多,组成较复杂以及存在显微自然金,构成寨上金矿床的一大特色。赋矿围岩中含Fe碳酸盐矿物溶解释放Fe以及溶解Fe的大量硫化物化,是寨上金矿床中存在显微可见自然金的最重要因素和金沉淀富集的有利条件。