[发明专利]一种碎屑岩矿物成分识别方法、岩性定名方法和相关装置

权利要求书

1.一种碎屑岩矿物成分识别方法，其特征在于，包括：

通过实例分割模型分别从薄片的多张不同光源图像中分割提取矿物颗粒对应的图像单元；

利用卷积神经网络模型得到图像单元的池化特征；

针对位置信息相同的各图像单元，根据光源类型与权重的对应关系和图像单元的池化特征及所属图像的光源类型，确定所述各图像单元的融合特征；

将所述融合特征输入时间循环神经网络模型，根据输出结果确定对应的矿物颗粒的类型。

2.如权利要求1所述的方法，其特征在于，所述利用卷积神经网络模型得到图像单元的池化特征，具体包括：

利用包括Darknet53网络的卷积神经网络模型得到图像单元的池化特征。

3.如权利要求2所述的方法，其特征在于，还包括：

所述Darknet53网络的卷积层中引入残差网络Resnet，所述Resnet用于得到所述池化特征中的残差特征。

4.如权利要求1所述的方法，其特征在于，所述将所述融合特征输入时间循环神经网络模型，具体包括：

将所述融合特征输入长短期记忆网络模型LSTM。

5.如权利要求1所述的方法，其特征在于，所述薄片的多张不同光源图像，包括薄片的下述图像：

单偏光图像，角度分别为0°、15°、30°、45°、60°和75°的正交偏光图像。

6.如权利要求1～5任一项所述的方法，其特征在于，所述通过实例分割模型分别从薄片的多张不同光源图像中分割提取矿物颗粒对应的图像单元后，还包括：

为提取的图像单元标注标识和所属图像的光源类型，所述标识表征图像单元的位置信息。

7.一种碎屑岩岩性定名方法，其特征在于，包括：

通过权利要求1～6任一项所述的方法识别薄片中的矿物颗粒的类型；

根据每种类型矿物颗粒的总面积，按设定命名规则确定薄片的岩性名称。

8.如权利要求7所述的方法，其特征在于，所述识别薄片中的矿物颗粒的类型后，还包括：

确定矿物颗粒的等效直径；相应的，

所述根据每种类型矿物颗粒的总面积，按设定命名规则确定薄片的岩性名称，具体包括：

根据每种类型矿物颗粒的总面积和所述等效直径，按设定命名规则确定薄片的岩性名称。

9.如权利要求8所述的方法，其特征在于，所述确定矿物颗粒的等效直径，具体包括：

利用轮廓检测方法确定矿物颗粒的等效直径。

10.一种碎屑岩矿物成分识别装置，其特征在于，包括：

分割提取模块，用于通过实例分割模型分别从薄片的多张不同光源图像中分割提取矿物颗粒对应的图像单元；

池化特征确定模块，用于利用卷积神经网络模型得到图像单元的池化特征；

融合特征确定模块，用于针对位置信息相同的各图像单元，根据光源类型与权重的对应关系和图像单元的池化特征及所属图像的光源类型，确定所述各图像单元的融合特征；

矿物类型识别模块，用于将所述融合特征输入时间循环神经网络模型，根据输出结果确定对应的矿物颗粒的类型。

11.一种碎屑岩岩性定名装置，其特征在于，包括：

矿物类型识别模块，用于通过权利要求1～6任一项所述的方法识别薄片中的矿物颗粒的类型；

岩性名称确定模块，用于根据每种类型矿物颗粒的总面积，按设定命名规则确定薄片的岩性名称。

12.一种具备碎屑岩矿物成分识别功能的计算机程序产品，包括计算机程序/指令，其中，该计算机程序/指令被处理器执行时实现权利要求1～6任一项所述的碎屑岩矿物成分识别方法，或实现权利要求7～9任一项所述的碎屑岩岩性定名方法。