典型文献
基于高光谱图像的矿物种类深度识别方法
文献摘要：
矿物识别较大程度上依赖人工经验判断,这种方法成本高昂且受矿物识别人主观影响较大,文中提出利用深度学习神经网络的方法自动识别矿物种类.通过模拟专家目视识别矿物的方式采集了矿物RGB图像和高光谱图像样本,利用以上样本对卷积神经网络进行训练并得到矿物种类识别模型.实验分析结果表明:矿物RGB图像包含的信息较单一,不足以区分矿物种类,识别效果较差,识别准确率仅约39.52％;矿物高光谱图像所含信息更为丰富,能有效表达矿物种类特征,因此识别表现优异,模型识别准确率超过94.7％,能满足实际的生产需求.
文献关键词：
矿物识别;RGB;高光谱;卷积神经网络
中图分类号：
作者姓名：
王吉源
作者机构：
江西理工大学信息工程学院,江西 赣州 341000
文献出处：
引用格式：
[1]王吉源-.基于高光谱图像的矿物种类深度识别方法)[J].有色金属科学与工程,2022(05):114-119
A类：
B类：
高光谱图像,深度识别,矿物识别,高昂,别人,观影,深度学习神经网络,自动识别,目视,RGB,像样,种类识别,识别模型,识别准确率,所含,有效表达,种类特征,模型识别
AB值：
0.275768
相似文献
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。
