[发明专利]模型训练、矿产预测方法、装置、设备以及存储介质

说明书

本申请公开了模型训练、矿产预测方法、装置、设备以及存储介质，涉及计算机视觉、深度学习技术领域。具体实现方案为：获取目标区域的目标高光谱图像，目标高光谱图像包括至少一个已标注矿产类别的像素点；确定与目标高光谱图像对应的掩膜图像；根据目标高光谱图像以及掩膜图像，确定样本高光谱图像；根据至少一个已标注矿产类别的像素点，确定各像素点的标注向量；根据样本高光谱图像以及各像素点的标注向量，训练模型。本实现方式可以提高矿产探测的效率，保证模型的预测结果的空间连续性。

技术领域

本申请涉及计算机技术领域，具体涉及计算机视觉、深度学习技术领域，尤其涉及模型训练、矿产预测方法、装置、设备以及存储介质。

背景技术

矿产勘探在国民经济和工业化发展中占有重要地位。矿产勘探的目的在于通过对一定区域内的地质类型和属性进行调查，从而探明矿产的质量和分布情况。

高光谱影像具有覆盖范围广、非接触式测量、安全性高、成本低等优点。由于含有不同元素比例的矿物和岩石在电磁波谱中可以表现出不同的特性，因此高光谱影像对浅层地矿的种类、分布和量级的研判具有指导性。人们可以利用高光谱影像，结合少量人工勘察的实际样本，利用机器学习和深度学习的方法，对较大范围内的地表浅层矿产的种类和分布进行预测和估算，从而减少人工勘探成本，提高勘探效率。

发明内容

提供了一种模型训练、矿产预测方法、装置、设备以及存储介质。

根据第一方面，提供了一种模型训练方法，包括：获取目标区域的目标高光谱图像，目标高光谱图像包括至少一个已标注矿产类别的像素点；确定与目标高光谱图像对应的掩膜图像；根据目标高光谱图像以及掩膜图像，确定样本高光谱图像；根据至少一个已标注矿产类别的像素点，确定各像素点的标注向量；根据样本高光谱图像以及各像素点的标注向量，训练模型。

根据第二方面，提供了一种矿产预测方法，包括：获取待预测区域的待预测高光谱图像；根据待预测高光谱图像以及通过第一方面所描述的方法训练得到的模型，预测待预测区域中包括的矿产类别。

根据第三方面，提供了一种模型训练装置，包括：第一获取单元，被配置成获取目标区域的目标高光谱图像，目标高光谱图像包括至少一个已标注矿产类别的像素点；掩膜确定单元，被配置成确定与目标高光谱图像对应的掩膜图像；样本确定单元，被配置成根据目标高光谱图像以及掩膜图像，确定样本高光谱图像；向量确定单元，被配置成根据至少一个已标注矿产类别的像素点，确定各像素点的标注向量；模型训练单元，被配置成根据样本高光谱图像以及各像素点的标注向量，训练模型。

根据第四方面，提供了一种矿产预测装置，包括：第二获取单元，被配置成获取待预测区域的待预测高光谱图像；矿产预测单元，被配置成根据待预测高光谱图像以及通过第一方面所描述的方法训练得到的模型，预测待预测区域中包括的矿产类别。

根据第五方面，提供了一种用于执行模型训练方法的电子设备，包括：至少一个处理器；以及与上述至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，上述指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面所描述的方法。

根据第六方面，提供了一种用于执行矿产预测方法的电子设备，包括：至少一个处理器；以及与上述至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，上述指令被至少一个处理器执行，以使至少一个处理器能够执行如第二方面所描述的方法。

根据第七方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，上述计算机指令用于使计算机执行如第一方面或第二方面所描述的方法。

根据第八方面，一种计算机程序产品，包括计算机程序，上述计算机程序在被处理器执行时实现如第一方面或第二方面所描述的方法。

根据本申请的技术提供了一种利用深度学习技术的矿产预测方法，提高了矿产探测的效率，保证了模型的预测结果的空间连续性。