典型文献
融合图像外特征的岩屑岩性深度学习识别方法
文献摘要：
岩屑的岩性识别是地质工作中的一项重要内容.为解决传统人工鉴别岩性的低效问题和传统机器识别的低可靠性问题,提出一种融合图像特征与图像外特征的岩性识别方法.首先采集岩屑的高分辨率图像,使用Xception特征提取器对图像特征进行提取并降维为一维向量,提高模型抽象特征敏感性并防止网络退化问题.同时量化岩屑的物理化学特征如:与盐酸反应程度、含矿物纯度、元素分析结果、硬度等,构建图像外特征向量.融合图像特征向量与图像外特征向量为总特征向量,构建神经网络与分类器进行训练,产生岩性识别模型.该模型相较于仅图像训练模型,在高质量岩屑图像数据集上提高3.45个百分点,在低质量岩屑图像数据集上提高20.92个百分点.该模型结合了传统录井与机器学习的优势,为建立可靠岩性剖面与实现数字化岩屑录井提供了更为高效的方法.
文献关键词：
深度学习;岩屑图像;Xception;岩性;特征融合
中图分类号：
作者姓名：
覃本学;沈疆海;马丙鹏;宋文广
作者机构：
长江大学计算机科学学院,荆州434023;中国科学院大学计算机科学与技术学院, 北京100190
文献出处：
引用格式：
[1]覃本学;沈疆海;马丙鹏;宋文广-.融合图像外特征的岩屑岩性深度学习识别方法)[J].科学技术与工程,2022(26):11500-11506
A类：
岩屑图像
B类：
融合图像,岩性识别,地质工作,传统人工,机器识别,图像特征,高分辨率图像,Xception,模型抽象,防止网络,物理化学特征,反应程度,元素分析,建图,特征向量,分类器,识别模型,图像训练,训练模型,图像数据集,百分点,低质量,岩屑录井,特征融合
AB值：
0.287619
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。
