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。     

基于深度信念网络的地质实体识别方法

地质实体作为地质信息表达的核心要素,对其准确识别是地质文本数据挖掘和应用的重要基础。本文通过分析各种类型文本数据中地质实体信息的描述特点,构建了地质实体信息的标注规范和语料库,设计了基于深度信念网络(Deep Belief Networks)的地质实体识别模型,解决了文本数据中地质实体信息的结构化、规范化处理问题。以矿产资源地质调查报告为实验数据,对本文的地质实体识别方法性能进行了评估分析。结果表明,深度学习模型能够在较小规模语料库的基础上,达到较好的地质实体识别性能。     

基于深度置信网络的煤层含气量测井解释研究

为了解决煤层含气量定量解释问题,将煤层测井数据与煤心解吸数据作为输入和输出参数,构建深度置信网络(DBN),进而预测煤层含气量。研究以甘肃合水地区测井数据为例,筛选出该地区120组煤层样品作为DBN样本分析数据。选择短源距自然伽马、自然伽马、密度、长源距自然伽马和浅侧向5条测井曲线,作为DBN的输入参数,煤层气含量作为DBN的输出参数,研究RBM数量和隐藏神经元数量对计算结果的影响。并通过概率统计法、BPNN、DBN和SVM计算了30组煤层的煤层气含量,比较不同方法的预测效果。结果表明:①受限玻尔兹曼机(RBM)对DBN计算结果的精度有一定的影响,RBM数量达到7层时,预测结果准确性更高;②选择合适的隐藏层神经元数量,可以保证计算结果的精度和稳定性,神经元数量为20时,预测结果精度更高,稳定性更好;③RBM使得DBN的准确性高于BPNN,此外,DBN的计算准确性和稳定性高于概率统计法和SVM。     

基于深度信念网络的遥感影像识别与分类

高分辨率遥感影像具有高维、多尺度、非平稳的内部特性和海量、多源、异构的外部特征,具有丰富的空间信息。探讨了利用新兴的深度信念网络研究高分辨率遥感影像的智能提取与分类,通过大量实验对比分类精度、Kappa系数以及参数敏感度分析,提出了网络层数、隐含层神经元个数、迭代次数等参数的最优设置方案,相比传统的浅层网络分类器,改进后的深度信念网络更好地拟合了样本的内在结构,遥感图像分类精度达到92%左右,取得了很好的分类效果。     

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,...     

基于混合像元分解的火星南极矿物制图研究

对火星高光谱遥感数据进行混合像元分解,有助于获取像元内部火星表面矿物含量。端元光谱提取和光谱解混是混合像元分解的关键技术。以ORB0942_2轨道覆盖的火星南极地区作为研究区,应用纯净像元指数法（PPI）从影像中提取出端元光谱,并利用线性分解模型对影像中混合像元进行了分解,计算出其各端元组分的百分含量,获得了研究区水冰、石膏、钙镁橄榄石及紫苏辉石的相对含量分布图。     

基于地物光谱特征的成像光谱遥感矿物识别方法

成像光谱技术是遥感技术发展的前沿技术之一 ,它是在可见光、近红外及短波红外上 ,集图像、光谱于一体的具有高光谱分辨率的纳米遥感技术。文中从岩矿光谱特性的研究入手 ,通过光谱特征识别准则 ,利用机载的可见光、近红外及短波红外成像光谱 (HyMap)数据 ,开展成像光谱遥感矿物识别的试验研究。试验识别的矿物有绿泥石、绿帘石、橄榄石、绢云母、滑石、石膏及黑云母等。试验结果表明 ,通过矿物光谱特征分析与其识别原则进行成像光谱遥感矿物识别获得了很好的效果。因此 ,基于地物光谱特征进行成像光谱矿物直接识别确实可行 ,有利于矿产资源评价中成矿物源和矿化蚀变信息分析。     

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。     

浅覆盖区基于ASTER 数据的蚀变矿物识别方法

国内外提取蚀变矿物的报道中,多数采用高光谱数据(图像和光谱曲线),而这两者具有数据价格昂贵和大范围进行反演蚀变矿物比较困难的缺点.ASTER在短波红外和热红外波段时刻画岩石中矿物成分具有一定的优势.本文选择内蒙古东乌珠穆沁旗北部地区为研究区域,尝试用ASTER图像进行蚀变矿物识别的研究,并给出了对五种常见矿物提取的主成分分析方法.通过对提取结果的实地调查验证发现,本文所给方法对铁氧化物(褐铁矿和赤铁矿等)、绿泥石、高岭石等蚀变信息提取效果很好,鉴于伊利石和明矾石均以K~+、Al~(3+)和OH~-离子为主要成分,对区分二者的效果并不明显.     

基于光谱知识库对高光谱影像目标快速识别方法

针对国内引进的机载高光谱成像仪（CASI/SASI）数据采集系统,介绍了利用先验知识建立的多种地物目标光谱库,以及高光谱影像目标快速识别的技术方法研究;同时还阐述了其数据处理流程、目标识别原理和应用开源代码编程实现过程,并对其结果与应用进行了简要的分析。     

基于高分遥感影像的泥石流潜在形成区识别方法探讨

提前对泥石流可能发生和造成影响的区域进行预测和防范,一直是地质灾害预测中的重要课题。为充分发挥国产高分影像的空间分辨率优势,利用NNDiffuse和Gram-Schmidt两种融合方法实现多光谱和全色波段的融合并作为研究数据,结合常用的支持向量机(SVM)和基于土壤亮度指数特征的动态聚类(ISODATA)两种分类方法对泥石流潜在形成区的自然地表覆盖和人类影响区域进行识别和提取,再利用泥石流隐患沟和集水区的空间和属性关系预测泥石流形成区。研究表明,不同融合方法会对泥石流形成区的预测产生影响,本文基于NNDiffuse融合方法进行预测的总体效果最好;SVM方法有最好的效果,表明先验知识对预测形成区的重要意义,但无先验知识的ISODATA方法结合有效的指数特征在泥石流形成区识别和预测中有较好的表现,预期未来能在测绘部门有很大的应用潜力。     

基于不同岩性背景的遥感影像蚀变矿物信息提取

为了减少由于不同岩性的反射率值差异而造成提取到错误的蚀变信息, 采用先进星载热发射和反射辐射仪(advanced spaceborne thermal emission and reflection radiometer, ASTER)数据, 以内蒙古昌特敖包地区为研究区, 先开展岩性分区, 再利用主成分分析和阈值分割的方法提取矿化蚀变信息, 并进行了方法对比与野外验证工作.褐铁矿化蚀变信息验证点共12个, 不分区直接提取的信息有6个与验证点吻合, 分区后提取的信息有8个点与验证点吻合; 绿泥石化蚀变信息验证点共5个, 不分区直接提取的信息有2个与验证点吻合, 分区后提取的信息有4个点与验证点吻合.研究结果表明, 针对不同岩性存在的反射率差异, 造成高背景值地区提取出较多的非矿致异常信息, 而低背景值地区弱信息被噪声淹没的现象, 该方法能够减少不同岩性产生的反射率差异.      

火星快车OMEGA高光谱探测矿物组成的新进展

主要介绍"火星快车(Mars Express)"搭载的"可见光及红外矿物制图光谱仪(OMEGA)"及其采集数据的特点、大气校正方法和矿物识别研究的新进展."经验传输函数法"(ETF)是目前O-MEGA数据大气校正普遍采用的方法.OMEGA数据已经成功揭示了火星表面矿物和组成的多样性和复杂性.OMEGA检测到与水蚀变相关的层状硅酸盐矿物绿脱石、绿泥石和蒙脱石等主要分布于古老的诺亚期的露头上,这些层状硅酸盐矿物可能是火成岩矿物长期持续与液态水系统作用的结果.含水硫酸盐类矿物石膏、水镁矾和多水硫酸盐等水合化学沉积矿物在亮色调层状地层区的发现,表明火星表面有大量与水作用相关的蒸发盐的存在.火星表面缓慢风化形成的无水铁氧化物主要分布于北半球铁镁质含量低的低地(lowland)地区.OMEGA可以识别辉石和橄榄石,能够区分高钙辉石和低钙辉石.高钙辉石主要分布于Hesperian期的低反照率的火山岩分布地区、黑色沙丘和撞击坑喷射物分布区;低钙辉石主要分布于老的诺亚期的亮色调露头分布区.OMEGA在反照率变化大的极地冰盖地区可以识别水冰和CO2冰.水冰主要利用1.08 μm、1.25 μm、1.51μm和2.0μm特征吸收波段来识别.水冰各吸收特征波段的吸收强度与水冰的粒度呈正相关.CO2冰主要利用1.43 μm、2.0 μm和2.6 μm特征吸收波段来识别.     

矿物溶解的表面化学动力学机理

本文应用表面化学理论分析了矿物在水溶液中的溶解反应动力学机理。表面化学的催化作用使矿物溶解反应的活化能显著降低。矿物溶解速率受表面吸附、表面交换反应和解吸反应等表面化学过程的控制并与溶液的pH值有关，正比于溶液αH＋值的nθ次幂。受表面吸附控制时，nθ＝1，溶解速率随pH增大而减小；受表面交换反应控制时，nθ＝0，溶解速率与pH无关；受解吸反应控制时，酸性条件下nθ为0～1内的正小数，碱性条件下nθ为-1～0之内的负小数。大多数矿物的溶解作用在酸性条件下受表面吸附和／或表面交换反应控制，在碱性条件下受解吸反应的控制。     

碳酸钙矿物表面润湿性的控制机理

系统论述了碳酸钙矿物浮选中常用的捕收剂和抑制剂及其相关作用机理。这些药剂通过包括静电作用、氢键、半胶束吸附和化学吸附等多种机理,吸附在碳酸钙矿物表面,从而控制矿物表面的润湿性。捕收剂的功能在于增强矿物表面的疏水性,抑制剂的功能在于增强矿物表面的亲水性。选择合适的捕收剂和抑制剂复配方案对高效浮选分离至关重要。