典型文献
基于深度学习的岩石薄片矿物自动识别方法
文献摘要：
岩石薄片矿物识别是岩石学研究工作的基础,亦是进一步认识岩石种类、成因机理、物质运移和演化历史的基础.传统的矿物识别主要依靠光学显微镜进行人工鉴定,经济成本和时间成本较高、效率较低,且受制于专家个人经验与主观判断.随着深度学习技术的发展,计算机能从图像中自动提取更准确的语义信息,从而为岩石薄片图像的智能分析提供有效途径.提出了一种基于深度学习的岩石薄片矿物自动识别方法,利用深度卷积神经网络自动提取岩石薄片图像中不同矿物的有效特征,并对其进行语义分割与识别,综合利用单偏光与正交偏光2种光性图像实现了对矿物的自动识别.对南京大学岩石教学薄片显微图像数据集进行了矿物识别测试,结果表明,总体精度为86.7％,Kappa系数为0.818,识别结果较传统图像分类方法更准确.
文献关键词：
矿物识别;岩石薄片图像;深度学习;语义分割
中图分类号：
作者姓名：
徐圣嘉;苏程;朱孔阳;章孝灿
作者机构：
浙江大学 地理与空间信息研究所,浙江 杭州 310027;浙江大学 地质研究所,浙江 杭州 310027
文献出处：
引用格式：
[1]徐圣嘉;苏程;朱孔阳;章孝灿-.基于深度学习的岩石薄片矿物自动识别方法)[J].浙江大学学报（理学版）,2022(06):743-752
A类：
B类：
自动识别方法,矿物识别,岩石学,成因机理,运移,光学显微镜,经济成本,时间成本,受制于,个人经验,深度学习技术,自动提取,语义信息,岩石薄片图像,智能分析,深度卷积神经网络,有效特征,语义分割,偏光,南京大学,显微图像,图像数据集,总体精度,Kappa,图像分类,分类方法
AB值：
0.283104
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
