[发明专利]基于深度学习和贝叶斯网络的岩石类别自动识别方法

说明书

本发明涉及一种基于深度学习和贝叶斯网络的岩石类别自动识别方法。本发明的目的是提供一种基于深度学习和贝叶斯网络的岩石类别自动识别方法，以快速、准确的识别岩石岩性。本发明的技术方案是：一种基于深度学习和贝叶斯网络的岩石类别自动识别方法，其特征在于，包括以下步骤：获取待识别岩石图像中岩石的岩石大类和产状信息；将岩石大类和产状信息输入预先构建的ResNet_BN深度学习‑贝叶斯网络模型作为先验；将待识别的岩石图像输入所述ResNet_BN深度学习‑贝叶斯网络模型；输出待识别岩石的岩性。本发明适用于地质学以及人工智能领域。

技术领域

本发明涉及一种基于深度学习和贝叶斯网络的岩石类别自动识别方法。适用于地质学以及人工智能领域。

背景技术

岩石是地质学领域最频繁的研究对象，对于岩石类别的识别是所有以岩石为研究对象的科研和生产活动的基础。岩石类别的识别需要系统的岩石学知识和丰富的实际样品鉴定经验，因此对于普通大众或地质学领域新从业人员来说，很难准确确定岩石类别。

诸多学者通过岩石图像的特征化分析，人工提取各种岩石的岩相学特征，以期实现岩石类别划分的自动化，虽然取得了一定的进展，但是由于人为因素影响较大，交互操作太多，往往无法实现自动化的目的。

专利申请号为201710685681.3的中国专利“一种深度学习模式下的岩石岩性自动识别分类方法”，提供了一种通过卷积神经网络深度学习方法初步实现了岩石岩性自动化识别，但是由于该方法建立在大量的岩石图像样本基础上，因此由于缺乏样本数据支撑，识别准确率不高。

发明内容

本发明要解决的技术问题是：针对上述存在的问题，提供一种基于深度学习和贝叶斯网络的岩石类别自动识别方法，以快速、准确的识别岩石岩性。

本发明所采用的技术方案是：一种基于深度学习和贝叶斯网络的岩石类别自动识别方法，其特征在于，包括以下步骤：

获取待识别岩石图像中岩石的岩石大类和产状信息；

将岩石大类和产状信息输入预先构建的ResNet_BN深度学习-贝叶斯网络模型作为先验；

将待识别的岩石图像输入所述ResNet_BN深度学习-贝叶斯网络模型；

输出待识别岩石的岩性；

所述ResNet_BN深度学习-贝叶斯网络模型的构建方法如下：

获取若干不同类型的岩石图像；

确定岩石图像中岩石大类，并对不同大类进行编号；确定岩石图像中岩石产状，并对不同产状进行编号；确定岩石图像中岩石岩性，并对不同岩性进行编号；

将经编号的岩石图像分为训练集和测试集；

创建ResNet_BN深度学习-贝叶斯网络模型；

利用训练集和测试集，对ResNet_BN模型进行训练，并根据测试结果，调整ResNet_BN模型。

所述创建ResNet_BN深度学习-贝叶斯网络模型，包括：

确定ResNet50残差深度网络模型的输出数量N；

将ResNet50网络模型输出的每一个点作为贝叶斯网络的抽象特征节点，每个节点采用R2-GenOpt算法自动离散；抽象特征节点包括与岩石大类对应的岩石大类节点、与岩石产状对应的岩石产状节点和与岩石岩性对应的岩石岩性节点；

构建各节点之间的关系。

所述利用训练集和测试集，对ResNet_BN模型进行训练，并根据测试结果，调整ResNet_BN模型，包括：