[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

说明书

本发明属于岩土工程领域，提供了基于多维岩石图像深度学习的岩性识别方法及系统。它解决了浅层神经网络易丢失岩石图像的纹理信息问题，具有对岩性的识别精确度高的效果。其中，该识别方法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。

技术领域

本发明属于岩土工程领域，尤其涉及一种基于多维岩石图像深度学习的岩性识别方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

在地质学研究中，岩性识别是一项重要的工作，目前对岩性的识别主要由具有一定地质学基础的专业人士完成。由于此过程受主观因素影响较大且费时费力，近年来随着深度学习的发展，利用卷积神经网络提取岩石图像的特征并进行分类，从而实现对岩性的自动识别得以广泛应用。

发明人发现，岩石图像具有颜色特征、构造特征、结构特征、纹理特征和全局组合特征等，对这些特征进行充分的学习可以更好的对岩石图像进行分类。目前有研究者直接采用全局图像进行深度学习，虽然取得了一定的成果，但是主要存在两个问题：(1)未能充分利用岩石图像中的多维信息，仅采用全局图像对岩石图像信息的抽象程度较低，且局部的微小特征易丢失，难以充分表达岩性信息，从而可能导致对岩性分类错误的情况。(2)未能结合不同类型图像分类的结果，对于同一岩石可以结合不同类型图像做出的岩性判断，而现在的研究很少考虑到这一点。

发明内容

为了解决上述问题，本发明的第一个方面提供一种基于多维岩石图像深度学习的岩性识别方法，其能够自动采集岩石的全局图像和局部图像，实现综合特征的融合，并且可以对不同类型图像的识别结果进行综合分析，对岩性的识别准确度高。

为了实现上述目的，本发明采用如下技术方案：

一种基于多维岩石图像深度学习的岩性识别方法，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。

为了解决上述问题，本发明的第二个方面提供一种基于多维岩石图像深度学习的岩性识别系统，其能够自动采集岩石的全局图像和局部图像，实现综合特征的融合，并且可以对不同类型图像的识别结果进行综合分析，对岩性的识别准确度高。

为了实现上述目的，本发明采用如下技术方案：

一种基于多维岩石图像深度学习的岩性识别系统，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；