[发明专利]一种基于激光诱导击穿光谱的岩石分类方法

说明书

本发明公开了一种基于激光诱导击穿光谱的岩石分类方法，包括以下步骤：1）制作岩石样品；2）用激光诱导击穿光谱装置采集岩石样品的光谱图像，将所得光谱图像进行图像预处理后分成三组数据集；3）将由光谱图像构成的数据集作为输入端建立卷积神经网络模型，并对卷积神经网络模型进行优化与测试；通过基于谱图图像识别的卷积神经网络结合激光诱导击穿光谱技术实现对岩石样品的准确分类。

技术领域

本发明涉及激光光谱分析技术、卷积神经网络技术等领域，具体的说，是一种基于激光诱导击穿光谱的岩石分类方法。

背景技术

激光诱导击穿光谱(Laser-Induced Breakdown Spectroscopy,LIBS)，是一种以高能激光脉冲直接聚焦于样品上，从而诱导样品产生等离子体的原子发射光谱分析方法，是基于激光与物质相互作用，从物理学及光谱学对物质成分及其含量分析的新型分析技术。LIBS技术的发展十分迅速，由于其具有远距离检测、多元素分析、原位测量、快速且无需复杂样品前处理等优势，弥补了传统元素分析方法的不足，在多个应用领域优势明显。近年来，结合光谱技术对地球化学的研究在地质领域越发的普遍，并且录井、钻探等地质勘探现场对快速、原位分析技术有着较大的需求，LIBS技术在岩石分析领域具有越来越广阔的发展前景和应用空间。

地质研究中，岩石种类的识别是一个非常重要的方面。在地质勘探现场，为了提高工作效率，快速实现岩性准确分类也显得尤为重要。由于岩石样品中包含的元素种类非常多，识别难度也很大，现有的传统模式识别的方法无法达到对分类准确率的要求。

卷积神经网络(Convolutional Neural Network,CNN)是一种前馈神经网络，对于图像处理有着出色的表现。与传统的分类方法不同，CNN可以学习到特征空间的局部模式，其独有的模式空间层次结构还可以随着卷积层的深入，有效地学习越来越复杂、越来越抽象的视觉概念，能够最大程度上提取出激光诱导击穿光谱图像中隐藏的数据信息，反映不同种类样本的特征。岩石样品的激光诱导击穿光谱图中富含复杂且海量的数据信息，因此基于光谱图像识别的卷积神经网络结合激光诱导击穿光谱技术非常适用于岩石样品的分类工作。

发明内容

本发明的目的是提供一种基于激光诱导击穿光谱的岩石分类方法，首次以光谱图像作为输入，通过卷积神经网络结合激光诱导击穿光谱技术实现对岩石样品快速且准确的分类，从而提高在地质勘探现场的工作效率，对录井、钻探等工作有着较大的实际意义。

本发明通过下述技术方案实现：一种基于激光诱导击穿光谱的岩石分类方法，包括以下步骤：

1)制作岩石样品；优选的将岩石碎屑研磨至粉末后制成片状样品；

2)用激光诱导击穿光谱装置采集岩石样品的光谱图像，将所得光谱图像进行图像预处理后分成三组数据集；

3)将由光谱图像构成的数据集作为输入端建立卷积神经网络模型，并对卷积神经网络模型进行优化与测试。

进一步的为更好地实现本发明，特别采用下述设置方式：所述步骤1)包括以下具体步骤：

1.1)将岩石碎屑放置于玛瑙研钵中研磨至粉末状；

1.2)将粉末状的岩石在6-20Mpa的压强下支撑片状的岩石样品；优选的，称取2.0g研磨后的岩石粉末，在8MPa的压强下制成片状。

进一步的为更好地实现本发明，特别采用下述设置方式：所述步骤2)包括以下具体步骤：

2.1)利用激光诱导击穿光谱装置对不同类别的岩石样品在多个不同测量位点进行激光诱导击穿光谱图像采集，采集波段为180nm～580nm，每个采样部位累积2次以上脉冲激光；优选的，每个采样部位(位点)都累积4次脉冲激光；

2.2)图像预处理：将采集到岩石样品的激光诱导击穿光谱图像进行灰度化和归一化处理；