基于深度学习的镜下矿石矿物的智能识别试验研究.pdf

１００００５６９／２０１８／０３４（１１）３２４４５２ ＡｃｔａＰｅｔｒｏｌｏｇｉｃａＳｉｎｉｃａ　岩石学报 基于深度学习的镜下矿石矿物的智能识别实验研究 １，２，３ １，２，３ 徐述腾 　周永章 １，２，３ １，２，３ ＸＵＳｈｕＴｅｎｇ ａｎｄＺＨＯＵＹｏｎｇＺｈａｎｇ １广东省地质过程与矿产资源探查重点实验室，广州　５１０２７５ ２中山大学地球环境与地球资源研究中心，广州　５１０２７５ ３中山大学地球科学与工程学院，广州　５１０２７５ １ＧｕａｎｇｄｏｎｇＰｒｏｖｉｎｃｉａｌＫｅｙＬａｂｏｒａｔｏｒｙｏｆＭｉｎｅｒａｌＲｅｓｏｕｒｃｅｓａｎｄＧｅｏｌｏｇｉｃａｌＰｒｏｃｅｓｓｅｓ，Ｇｕａｎｇｚｈｏｕ５１０２７５，Ｃｈｉｎａ ２ＣｅｎｔｅｒｆｏｒＥａｒｔｈＥｎｖｉｒｏｎｍｅｎｔ＆Ｒｅｓｏｕｒｃｅｓ，ＳｕｎＹａｔｓｅｎＵｎｉｖｅｒｓｉｔｙ，Ｇｕａｎｇｚｈｏｕ５１０２７５，Ｃｈｉｎａ ３ＳｃｈｏｏｌｏｆＥａｒｔｈＳｃｉｅｎｃｅｓａｎｄＥｎｇｉｎｅｅｒｉｎｇ，ＳｕｎＹａｔｓｅｎＵｎｉｖｅｒｓｉｔｙ，Ｇｕａｎｇｚｈｏｕ５１０２７５，Ｃｈｉｎａ ２０１８０５３０收稿，２０１８０８２０改回 ＸｕＳＴａｎｄＺｈｏｕＹＺ２０１８Ａｒｔｉｆｉｃｉａｌｉｎｔｅｌｌｉｇｅｎｃｅｉｄｅｎｔｉｆｉｃａｔｉｏｎｏｆｏｒｅｍｉｎｅｒａｌｓｕｎｄｅｒｍｉｃｒｏｓｃｏｐｅｂａｓｅｄｏｎｄｅｅｐｌｅａｒｎｉｎｇ ａｌｇｏｒｉｔｈｍＡｃｔａＰｅｔｒｏｌｏｇｉｃａＳｉｎｉｃａ，３４（１１）：３２４４－３２５２ Ａｂｓｔｒａｃｔ　　Ｉｎｔｅｌｌｉｇｅｎｔｉｄｅｎｔｉｆｉｃａｔｉｏｎｏｆｏｒｅｍｉｎｅｒａｌｓｉｓｏｎｅｏｆｔｈｅｂａｓｉｃｔｅｃｈｎｏｌｏｇｉｅｓｆｏｒｉｎｔｅｌｌｉｇｅｎｔｇｅｏｌｏｇｙａｎｄｉｎｔｅｌｌｉｇｅｎｔｏｒｅｄｅｐｏｓｉｔ ｇｅｏｌｏｇｙＡｐｐｌｉｃａｔｉｏｎｏｆｄｅｅｐｌｅａｒｎｉｎｇｉｎｃｏｍｐｕｔｅｒｖｉｓｉｏｎｏｐｅｎｓａｗａｙｔｏｉｎｔｅｌｌｉｇｅｎｔｉｄｅｎｔｉｆｉｃａｔｉｏｎｏｆｏｒｅｍｉｎｅｒａｌｓＥｘｅｍｐｌｉｆｉｅｄｂｙｐｙｒｉｔｅ， ｃｈａｌｃｏｐｙｒｉｔｅ，ｇａｌｅｎａ，ｓｐｈａｌｅｒｉｔｅａｎｄｏｔｈｅｒｓｕｌｆｉｄｅｍｉｎｅｒａｌｓｆｒｏｍｔｈｅＪｉａｐｉｇｏｕｇｏｌｄｄｅｐｏｓｉｔｉｎＪｉｌｉｎＰｒｏｖｉｎｃｅａｎｄｔｈｅＳｈｉｈｕｇｏｌｄｄｅｐｏｓｉｔｉｎ ＨｅｂｅｉＰｒｏｖｉｎｃｅ，ａＵｎｅｔＣｏｎｖｏｌｕｔｉｏｎＮｅｕｒａｌＮｅｔｗｏｒｋ（ＣＮＮ）ｍｏｄｅｌｕｎｄｅｒｔｈｅＴｅｎｓｏｒＦｌｏｗｆｒａｍｅｗｏｒｋｉｓｄｅｓｉｇｎｅｄｔｏａｕｔｏｍａｔｉｃａｌｌｙ ｅｘｔｒａｃｔｔｈｅｄｅｅｐｌｙｈｉｄｄｅｎｅｓｓｅｎｔｉａｌｆｅａｔｕｒｅｓｏｆｔｈｅｏｒｅｍｉｎｅｒａｌｓｆｏｒｒｅａｌｉｚｉｎｇｔｈｅｉｒａｕｔｏｍａｔｉｃｉｄｅｎｔｉｆｉｃａｔｉｏｎａｎｄｃｌａｓｓｉｆｉｃａｔｉｏｎＩｔｉｓｓｈｏｗｎ ｔｈａｔｔｈｅｍｏｄｅｌａｃｃｕｒａｃｙｉｎｃｒｅａｓｅｓａｎｄｌｏｓｓｆｕｎｃｔｉｏｎｄｅｃｒｅａｓｅｓｗｉｔｈｔｒａｉｎｉｎｇｉｔｅｒａｔｉｏｎｇｒｏｗｉｎｇｄｕｒｉｎｇｔｒａｉｎｉｎｇｐｒｏｃｅｓｓＡｆｔｅｒ３０００ ｉｔｅｒａｔｉｏｎｓ，ｔｈｅｍｏｄｅｌａｃｃｕｒａｃｙａｎｄｌｏｓｓｆｕｎｃｔｉｏｎｂｅｃｏｍｅｓｔａｂｌｅＩｄｅｎｔｉｆｉｃａｔｉｏｎａｃｃｕｒａｃｙｏｆｔｈｅｔｒａｉｎｅｄｍｏｄｅｌｏｎｔｈｅｔｅｓｔｄａｔａｓｅｔｉｓｈｉｇｈｅｒ ｔｈａｎ９０％，ｄｅｍｏｎｓｔｒａｔｉｎｇｔｈａｔｔｈｅｅｓｔａｂｌｉｓｈｅｄｍｏｄｅｌｉｓｇｏｏｄｅｎｏｕｇｈｔｏｅｘｔｒａｃｔｔｈｅｉｍａｇｅｆｅａｔｕｒｅｓ，ｔｈｕｓｉｔｉｓｃａｐａｂｌｅｔｏｉｎｔｅｌｌｉｇｅｎｔｌｙ ｉｄｅｎｔｉｆｙｔｈｅｏｒｅｍｉｎｅｒａｌｓｕｎｄｅｒｍｉｃｒｏｓｃｏｐｅ Ｋｅｙｗｏｒｄｓ　　ＣｏｎｖｏｌｕｔｉｏｎＮｅｕｒａｌＮｅｔｗｏｒｋ；Ｄｅｅｐｌｅａｒｎｉｎｇ；Ｍｉｎｅｒａｌａｕｔｏｍａｔｉｃｉｄｅｎｔｉｆｉｃａｔｉｏｎ；Ｇｅｏｌｏｇｉｃａｌｂｉｇｄａｔａ；Ｉｎｔｅｌｌｉｇｅｎｔｇｅｏｌｏｇｙ； Ｍａｃｈｉｎｅｌｅａｒｎｉｎｇ 摘　要　　矿石矿物鉴定的智能化是智能地质学和智能矿床学的基础技术之一。计算机视觉技术和深度学习理论使矿石矿 物鉴定的智能化成为可能。本研究基于深度学习系统ＴｅｎｓｏｒＦｌｏｗ，以吉林夹皮沟金矿和河北石湖金矿的黄铁矿、黄铜矿、方铅 矿、闪锌矿等硫化物矿物为例，设计有针对性的Ｕｎｅｔ卷积神经网络模型