[发明专利]一种岩石分类方法、终端设备及存储介质

权利要求书

1.一种岩石分类方法，其特征在于，包括以下步骤：

S1：采集不同类型的纹理图像组成第一训练集，采集不同类型的岩石图像组成第二训练集；

S2：构建基于残差块堆叠网络的分类模型，采用迁移学习的方法，设定第一训练集为迁移学习的源域、第二训练集为迁移学习的目标域，在只改变分类模型中的全连接层的参数的情况下对模型进行训练，将训练后的分类模型作为岩石分类模型；

分类模型的网络结构由一层卷积层、一层最大池化层、32层残差块、一层平均池化层和一层全连接层组成，其中每个残差块由2个卷积核大小为3×3的卷积层组成，残差块的输出由残差块的输入x与经过残差块内的两层卷积层的残差映射F(x)相加得到；

S3：通过岩石分类模型对待识别岩石图像进行类型识别，得到待识别岩石图像对应岩石的类型。

2.根据权利要求1所述的岩石分类方法，其特征在于：步骤S1中采集的纹理图像为Texture Library纹理数据集中的图像。

3.根据权利要求1所述的岩石分类方法，其特征在于：步骤S1中第一训练集中的图像包括对纹理图像进行图像切分处理后的子图像；第二训练集中的图像包括对岩石图像切分处理后的子图像。

4.根据权利要求3所述的岩石分类方法，其特征在于：步骤S1中第一训练集中的图像还包括对纹理图像的子图像进行数据增强处理后的各图像；第二训练集中的图像还包括对岩石图像的子图像进行数据增强处理后的各图像。

5.根据权利要求1所述的岩石分类方法，其特征在于：分类模型的网络结构中的32层残差块分为4个模块，每个模块中残差块个数分别为3、4、6、3，分别为3个包含64个卷积核的残差块、4个包含128个卷积核的残差块、6个包含256个卷积核、3个包含512个卷积核的残差块。

6.根据权利要求1所述的岩石分类方法，其特征在于：分类模型的分类器采用Softmax，优化器采用自适应矩估计算法。

7.根据权利要求1所述的岩石分类方法，其特征在于：分类模型的网络结构中在每个卷积层后均设置一个BN层。

8.根据权利要求1所述的岩石分类方法，其特征在于：分类模型的评价指标采用分类准确度与损失值，损失值由损失函数计算获得，损失函数采用交叉熵函数。

9.一种岩石分类终端设备，其特征在于：包括处理器、存储器以及存储在所述存储器中并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如权利要求1～8中任一所述方法的步骤。

10.一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，其特征在于：所述计算机程序被处理器执行时实现如权利要求1～8中任一所述方法的步骤。