[发明专利]一种基于NAS的岩石岩性识别方法、终端设备及存储介质

说明书

本发明涉及一种基于NAS的岩石岩性识别方法、终端设备及存储介质，该方法中包括：S1：采集岩石图片并对其岩性进行标注，根据标注后的岩石图片构建训练集；S2：构建分类模型，分类模型采用基于NAS的网络模型作为主干网络，之后依次串联全卷积网络和分类网络；S3：通过ImageNet图像数据集对分类模型进行预训练后，采用迁移学习算法，在分类模型中载入预训练后得到的权重参数后，再通过训练集对分类模型进行训练，训练后得到最终分类模型；S4：通过最终分类模型对待识别的岩石图片中的岩性进行识别。本发明相比于传统的机器视觉方法具有良好鲁棒性和泛化能力。

技术领域

本发明涉及计算机视觉领域，尤其涉及一种基于NAS的岩石岩性识别方法、终端设备及存储介质。

背景技术

岩石岩性识别指通过某些方法认识和区别岩石的颜色、成分、结构等特征。岩性识别在油气勘探、矿产资源勘探等不同工作中都起着举足轻重的作用，比如岩性识别在油气勘探中保证着孔隙度和含油饱和度的准确性。因此在地质学研究中，如何对岩石岩性进行有效且高效的识别与分类一直是个亟待解决的重要课题。

传统的岩石分类方法主要包括以下两种：1.物理试验方法，即运用物理测试手段进行检测识别与分析。2.数学统计分析方法，即通过传统的数学统计与计算分析对岩石岩性分类特征进行识别与提取。这两类方法虽然效果良好，但是想要达到较高的准确率需要工作人员具有良好的实验理论和实验能力以及拥有完备的实验设备，而实际的地质勘探工作中一般都无法提供良好的实验环境，通常难以保证岩石岩性识别的实时性和准确性。

发明内容

为了解决上述问题，本发明提出了一种基于NAS的岩石岩性识别方法、终端设备及存储介质。

具体方案如下：

一种基于NAS的岩石岩性识别方法，包括以下步骤：

S1：采集岩石图片并对其岩性进行标注，根据标注后的岩石图片构建训练集；

S2：构建分类模型，分类模型采用基于NAS的网络模型作为主干网络，之后依次串联全卷积网络和分类网络；

S3：通过ImageNet图像数据集对分类模型进行预训练后，采用迁移学习算法，在分类模型中载入预训练后得到的权重参数后，再通过训练集对分类模型进行训练，训练后得到最终分类模型；

S4：通过最终分类模型对待识别的岩石图片中的岩性进行识别。

进一步的，步骤S1还包括对标注后的岩石图片进行数据增强处理，将数据增强处理后的所有岩石图片组成训练集。

进一步的，数据增强处理包括：尺寸放大或缩小、旋转、翻转、调整亮度、像素平移和添加噪声中的一者或多者。

进一步的，步骤S1还包括对组成训练集的岩石图片进行均衡化处理。

进一步的，分类模型的主干网络的网络结构依次包括：1个卷积层、7个MBConv层、1个卷积层、1个池化层和一个全连接层。

进一步的，MBConv层的网络结构依次包括：一个用于升维的1x1的卷积层、一个kxk的Depthwise卷积层、一个SE模块、一个用于降维的1x1的卷积层和一个Droupout层。

一种基于NAS的岩石岩性识别终端设备，包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本发明实施例上述的方法的步骤。

一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现本发明实施例上述的方法的步骤。

本发明采用如上技术方案，与传统的机器视觉方法相比，具有以下优点：

1.模型通过搜索图像像素点提取物体特征，不需要手动提取待分类物体特征；