[发明专利]一种矿物智能识别分类系统与方法

权利要求书

1.一种矿物智能识别分类系统，其特征在于，所述矿物智能识别分类系统包括深度学习算法的卷积神经网络模块和全连接网络模块，利用带有类别标签和莫氏硬度标签的矿物图片输入卷积神经网络模块和全连接网络模块进行预先训练，训练完成后将采集的矿物实物图片和莫氏硬度值输入智能识别分类系统，将采集的矿物图片输入至卷积神经网络，将矿物对应的莫氏硬度值输入到两层或两层以上的全连接网络，智能识别分类系统结合输入的图片和莫氏硬度值对矿物所属类别进行比对分析预测，输出矿物所属不同类别的概率大小，取概率最大值所属类别为此矿石的类别。

2.如权利要求1所述的一种矿物智能识别分类系统，其特征在于，所述卷积神经网络模块包括分类器预训练单元和分析判断单元，分类器预训练阶段包括人工神经网络训练用数据集生成模块和人工神经网络训练模块，分析判断单元包括人工神经网络推理预测模块和人机交互模块，所述人工神经网络训练用数据集生成模块对用于训练人工神经网络的示例图像数据进行预处理和图像数据集的创建，所述人工神经网络训练模块以人工神经网络训练用数据集生成模块输出的图像数据集为输入，进行神经网络计算，输出人工神经网络分类器，所述人工神经网络推理预测模块以实际现场采集的原始数据图像为输入，人工神经网络分类器对每张图所代表的类别进行批量自动的推理预测，输出每一张图像对应的类别标识，所述人机交互模块实现操作人员输入待分析的原始矿物图像。

3.如权利要求2所述的一种矿物智能识别分类系统，其特征在于，所述人工神经网络推理预测模块以实际现场采集的原始矿物图像为输入，通过内置的图像预处理器过滤后，输送给人工神经网络训练模块输出的人工神经网络分类器，人工神经网络分类器对每一张图所代表的类别进行批量自动的推理预测。

4.如权利要求1所述的一种矿物智能识别分类系统，其特征在于，所述卷积神经网络模块训练完成后，输入采集的矿物图片，得到一维特征值向量或未归一化的一维概率值向量。

5.如权利要求1所述的一种矿物智能识别分类系统，其特征在于，所述全连接网络模块设置有多层，将矿物的莫氏硬度值输入两层或两层以上的全连接网络，输出未归一化的一维概率值向量。

6.一种矿物智能识别分类方法，其特征在于，所述矿物智能识别分类方法为：将采集的矿物图片输入至卷积神经网络，得到一维特征值向量或未归一化的一维概率值向量；

将矿物对应的莫氏硬度值输入到两层或两层以上的全连接网络，得到未归一化的一维概率值向量；

将从卷积神经网络得到的一维特征值向量或未归一化的一维概率值向量和从全连接网络得到的未归一化的一维概率值向量拼接成一个新的一维向量；

将新的一维向量输入一层及一层以上的全连接网络，输出待识别矿物所属不同类别的概率大小。

7.如权利要求6所述的一种矿物智能识别分类方法，其特征在于，所述采集的矿物图片和矿物莫氏硬度值同时输入矿物智能识别分类系统。

8.如权利要求6所述的一种矿物智能识别分类方法，其特征在于，所述输出待识别矿物所属不同类别的概率中，取概率最大值为该矿物所属类别。