基于地质图像大数据的岩性识别研究

近些年来，随着大数据、深度学习等技术的飞速发展，大数据的开发与利用为众多行业带来了显著经济与社会效益。借助大数据手段，开展地质文本、图像和序列数据挖掘与应用研究，具有极其重要的理论与社会意义。本文在归纳总结前人工作的基础上，重点针对地质大数据中的图像数据，基于深度学习理论，构建网络学习模型，通过基于网络搜索的数据采集、数据预处理、网络搭建、网络训练及结果/评价等步骤，实现基于地质图像的大数据岩性识别。结果表明，图像识别岩性的测试准确率约为90%；有限的图像数据数，可能是产生识别误差的一个原因；机器对岩石图片所呈现的某些特征相似性，如宏观的形状、颜色等，也会给出正相关评分，从而产生误判。理论上，采用BCNN(Bilinear Convolutional Neural Network)等能够捕捉更精细细节的网络模型，解决计算机视觉中的细粒度识别问题，从而从根本上提升图像识别效率，应该是今后一个研究方向。