基于地质图像大数据的岩性识别研究 |
| |
引用本文: | 胡启成,叶为民,王琼,陈永贵.基于地质图像大数据的岩性识别研究[J].工程地质学报(英文版),2020,28(6):1466-1473. |
| |
作者姓名: | 胡启成 叶为民 王琼 陈永贵 |
| |
作者单位: | ①.同济大学岩土及地下工程教育部重点实验室,上海 200092,中国 |
| |
基金项目: | 国家重点研发计划2019YFC1509900 |
| |
摘 要: | 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。
|
关 键 词: | 地质大数据 数据挖掘 深度学习 网络训练 岩性识别 |
收稿时间: | 2019-11-14 |
|
| 点击此处可从《工程地质学报(英文版)》浏览原始摘要信息 |
| 点击此处可从《工程地质学报(英文版)》下载免费的PDF全文 |