花岗岩矿物正交偏光镜下图像人工智能识别研究

人工智能在地球科学领域中的应用是近年来研究的热点，对地球科学的发展有着重要意义，其应用之一就是使用计算机视觉技术实现岩石或矿物的自动化识别分类。然而，目前大多研究直接对岩石薄片图像进行分类，不能够精细定位并识别薄片中多且复杂的矿物目标。虽然现已有许多学者将目标检测技术应用于岩石矿物的图像识别分类中，但这些方法识别的对象大多是岩石手标本图像，只能对图像中的单一对象检测。在识别分类研究领域中，缺少对岩石薄片镜下图像识别的算法及质量较好的相关数据集。为了解决这些问题，本文首先采集了3000张正交偏光镜下花岗岩薄片图像，标注矿物样本10000余个，并通过数据增广方式对数据集进行增强，建立了一个质量较好、具有多样性的数据集。其次本文提出基于Yolov5x的改进算法RDB-Yolov5x。这种方法在特征提取过程中添加了密集连接方式，使用密集连接残差模块（RDB）替代传统的残差结构，有效地保留了图像的语义和位置信息细节。实验结果表明该方法泛化能力较好，在对图像中小尺寸、特征模糊的矿物颗粒的识别中表现出优秀的性能，可以准确有效地对花岗岩中的五类目标矿物（石英、黑云母、白云母、斜长石、钾长石）进行识别，...