[发明专利]基于多维岩石图像深度学习的岩性识别方法及系统

权利要求书

1.一种基于多维岩石图像深度学习的岩性识别方法，其特征在于，包括：

接收岩石的全局图像和局部图像；

预处理岩石的全局图像和局部图像，并融合预处理后的岩石全局图像和局部图像，得到融合图像；

将全局图像、局部图像和融合图像分别输入基于ResNet网络的岩性识别深度学习模型，输出全局识别结果、局部识别结果和融合识别结果；

采用最大似然法将全局识别结果、局部识别结果和融合识别结果进行融合，并将所有类别进行归类，再将该类别下的所有归属概率值相加，归属概率值和最大时对应岩石属于该类的概率最大，得到最终的预测结果。

2.如权利要求1所述的基于多维岩石图像深度学习的岩性识别方法，其特征在于，对岩石的全局图像和局部图像进行数据增强和分块预处理。

3.如权利要求2所述的基于多维岩石图像深度学习的岩性识别方法，其特征在于，对岩石的全局图像和局部图像进行分块预处理的过程为：

采用滑动窗口的形式将图像的长平均分为包含一定重叠区域的三部分，宽平均分为包含一定重叠区域的两部分。

4.如权利要求1所述的基于多维岩石图像深度学习的岩性识别方法，其特征在于，所述基于ResNet网络的岩性识别深度学习模型包括卷积层，其用于提取抽象岩石特征，再通过Flatten层更改图像像素，通过全连接层将提取到的特征进行融合，最后通过Softmax分类器实现对岩石图像的分类。

5.一种基于多维岩石图像深度学习的岩性识别系统，其特征在于，包括：

图像接收模块，其用于接收岩石的全局图像和局部图像；

图像预处理及融合模块，其用于预处理岩石的全局图像和局部图像，并融合预处理后的岩石全局图像和局部图像，得到融合图像；

初步识别模块，其用于将全局图像、局部图像和融合图像分别输入基于ResNet网络的岩性识别深度学习模型，输出全局识别结果、局部识别结果和融合识别结果；

识别结果融合模块，其用于采用最大似然法将全局识别结果、局部识别结果和融合识别结果进行融合，并将所有类别进行归类，再将该类别下的所有归属概率值相加，归属概率值和最大时对应岩石属于该类的概率最大，得到最终的预测结果。

6.如权利要求5所述的基于多维岩石图像深度学习的岩性识别系统，其特征在于，在所述图像预处理及融合模块中，对岩石的全局图像和局部图像进行数据增强和分块预处理。

7.如权利要求5所述的基于多维岩石图像深度学习的岩性识别系统，其特征在于，在所述初步识别模块中，所述基于ResNet网络的岩性识别深度学习模型包括卷积层，其用于提取抽象岩石特征，再通过Flatten层更改图像像素，通过全连接层将提取到的特征进行融合，最后通过Softmax分类器实现对岩石图像的分类。

8.如权利要求5所述的基于多维岩石图像深度学习的岩性识别系统，其特征在于，所述基于多维岩石图像深度学习的岩性识别系统还包括岩石图像自动采集模块，所述岩石图像自动采集模块包括LED补光屏，所述LED补光屏上方设置有自动化转台，所述自动化转台用于放置待识别的岩石，所述自动化转台上方还设置有至少一台全局图像采集装置以及至少一台局部图像采集装置；所述全局图像采集装置和局部图像采集装置均安装在移动支架上。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-4中任一项所述的基于多维岩石图像深度学习的岩性识别方法中的步骤。

10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-4中任一项所述的基于多维岩石图像深度学习的岩性识别方法中的步骤。