[发明专利]一种基于宝石包裹体组合的宝石产地自动识别方法

说明书

本发明提供一种基于宝石包裹体组合的宝石产地自动识别方法，依据祖母绿产地判别的信息化、自动化与智能化要求，公开一种基于计算机视觉深度学习及符号主义算法的祖母绿产地自动检测集成方法。本发明利用显微镜+照相机对不同产地的祖母绿显微图像进行拍摄，并将同一产地的图片分为训练集与验证集，结合深度学习的方法，将不同产地中的训练集图片中包裹体进行分类并赋予标签；采用拉曼光谱对数据集中的包裹体进行确认，筛选出不同产地特征的包裹体组合，建立不同产地祖母绿包裹体组合专家判别标准，利用计算机语言编写相应代码，对不同产地祖母绿进行分类，输出产地分类结果。可较准确地解决含有包裹体的祖母绿的产地判别问题。

技术领域

本发明属于宝石鉴定以及人工智能算法领域，具体为一种基于宝石包裹体组合的宝石产地自动识别方法。

背景技术

不同产地的宝石价格差异较大。因此，产地溯源，一直是珠宝鉴定领域的研究热点与难点。目前，已有一些宝石鉴定机构，例如，瑞士古柏林宝石实验室（Gübelin）、瑞士宝石研究鉴定所（GRS）、瑞士珠宝研究院（SEFF）、国检珠宝集团（NGTC）等，主要依据祖母绿的放大观察、光谱学、地球化学等特征进行分类等，主要依赖于人工分析判断，从而提供带有原产地信息的鉴定证书。

目前，对于宝石产地分析的方法主要有微损-无损方法（XRF、LA-ICP-MS）测试宝石的化学成分通过应用统计选择不同分类方法，例如LDA；从而进行产地的划分，例如一种基于微量元素线性判别式分析祖母绿产地判定方法（专利申请号CN202210080733.5）公开了利用7种不同产地祖母绿微量元素进行LDA分析从而实现对祖母绿产地分类的目的；一种山东蓝宝石的产地鉴别方法（专利申请号CN201910081490.5）采用微损技术（LA-ICP-MS）以铝（Al）含量作为内标、美国NIST SRM 612 标样作为外标，以相对高的钒（V）和镓（Ga）元素为特征对山东蓝宝石进行区分。此外，也有通过自动鉴别祖母绿宝石的方法装置、设备以及存储介质（专利申请号CN201810803841.4），将实际形状、颜色与预设数据库中的进行对比，将祖母绿的切割、颜色进行评价，希望实现珠宝自动销售，管理信息化；确定宝石、矿物或其样本中的异物和/或杂质的位置的方法和系统（专利申请号CN201980029347.X）利用表面映射技术对宝石进行断层成像从而确定宝石中具体包裹体的位置；一种祖母绿颜色分级的液体标准样品及其制备方法（专利申请号CN202111422927.0）公开了一种通过绿色颜料调节，进而对祖母绿颜色分级的方法。

现有的宝石产地分类主要基于地球化学分析，即无损-微损测试宝石微量元素，并采用应用统计学进行分类。然而，市场上一些有经验的宝石经营者可以将宝石的产地进行大致的划分，主要依据是宝石的外观以及内部包裹体的特征，虽然其准确率未能量化，但在行业内具有一定的认可度。与现有技术完全不同，我们通过计算机模拟这些经营者的观察行为，将这些被观察的图片特征最大程度量化，从而做出产地判别。

由于放大观察存在人为的主观性；光谱检测采用的光谱设备检出限通常为几十个ppm，依靠光谱学性质对不同产地宝石分子结构测试，无法进行准确的产地区分；对于地球化学分析大多需要依赖有损分析，不同产地但相同地质成因宝石地球化学特征存在的相似性，使得上述方法仍然存在较大的局限性。

发明内容

现有的区分宝石产地的量化方法，主要有光谱测试法与地球化学元素测试应用统计法两种。宝石内含物—包裹体对于宝石产地的判别具有重要意义，但是目前需要人为匹配，无经验人员很难对其分析；无法满足目前珠宝检测实验室对智能化、数字化的需求。

针对现有的依靠宝石包裹体图像识别的技术难点，本发明采用了深度学习技术，利用语义分割方法labelimg将不同产地祖母绿中的包裹体进行锚定，采用目标检测的方法将祖母绿中包裹体进行识别，并采用不同产地祖母绿包裹体组合建立祖母绿产地识别标准，从而对不同产地祖母绿进行自动有效地区分。

本发明的具体内容为：