原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
第27卷第7期中国矿业Vol.27，No.7
2018年7月CHINAMININGMAGAZINEJuly2018
基于深度学习特征提取的岩石图像矿物成分分析
1，2,3,4
姚钰3，李双涛5，徐东晶6，魏昕6
(1.数学地质四川省重点实验室（成都理工大学四川成都610059;
2.成都理工大学地球物理学院，四川成都610059;
3.成都理工大学管理科学学院，四川成都610059;
0国土资源部地质信息技术重点实验室，北京100037;
5.成都理工大学网络安全学院，四川成都610059;
6.成都理工大学地球科学学院，四川成都610059)
摘要：采用深度学习方法进行岩石识别，收集15种常见岩石的图像数据，基于卷积神经网络构建
岩石识别深度学习模型达，到63\的识别准确率。分析岩石识别结果，白云岩、灰岩和大理岩等矿物成分
接近的岩石容易互相误判，说明矿物成分对于岩石识别是很重要的特征。进一步对卷积神经网络学习过
程中产生的特征图分析，成功提取了多种类型岩石中的矿物，如花岗岩中的石英、长石、云母等矿物，闪长
岩中的角闪石、斜长石等矿物，千枚岩中的绢云母等矿物，说明深度学习方法能有效提取岩石的矿物成分
特征，也说明深度学习方法对于岩石识别的有效性，同时有助于按矿物成分进行岩石定名。对岩石识别是
有效的。
关键词：岩石识别；人工智能；深度学习$卷积神经网络$特征提取
中图分类号：P628+.5;TP183文献标识码：文章编号：1004-4051(2018)07-0178-05
Mineralcompositionanalysisofrockimagebasedondeeplearningfeatureextraction
BAILin1234，YAOYu3，LIShuangtao5，XUDongjing6，WEIXin6
文档评论（0）