[发明专利]地质异常体识别的方法及其模型训练方法、装置

权利要求书

1.一种用于地质异常体识别的模型训练方法，其特征在于，所述方法包括：

获取样本区域的地震绕射波数据以及地震反射波数据；

将所述地震反射波数据以及所述地震绕射波数据进行渲染，得到训练样本图像；

将所述样本图像输入至预设的神经网络模型中进行训练；

当所述预设的神经网络模型中的输出结果满足预设的期望阈值时停止所述模型的训练，得到所述用于地质异常体识别的模型；

所述将所述样本图像输入至预设的神经网络模型中进行训练的步骤之前，所述方法还包括：

获取所述样本区域中的地质异常体坐标，获得该所述坐标对应的地质异常体数据；

根据所述地质异常体数据，得到该所述坐标中相对应的剖面图；所述剖面图用于所述神经网络模型的训练；

根据所述地质异常体数据，得到该所述坐标中相对应的剖面图的步骤，包括：

通过对所述样本区域进行等距切取，获得所述剖面图；或者

通过对所述样本区域进行随机切取，获得所述剖面图。

2.根据权利要求1所述的模型训练方法，其特征在于，将所述地震反射波数据以及所述地震绕射波数据进行渲染，得到所述模型的样本图像的步骤，包括：

根据所述地震反射波数据中的能量数据，对所述地震反射波数据进行可视化图像渲染，得到所述地震反射波的数据图；

根据所述地震绕射波数据中的能量数据，对所述地震绕射波数据进行可视化图像渲染，得到所述地震绕射波的数据图；

将所述地震反射波的数据图与所述地震绕射波的数据图进行融合，得到所述模型的样本图像。

3.根据权利要求2所述的模型训练方法，其特征在于，将所述地震反射波的数据图与所述地震绕射波的数据图进行融合，得到所述模型的样本图像的步骤，包括：

将所述地震反射波的数据图设置为背景图层，所述背景图层设置在所述样本图像的底层；

将所述地震绕射波的数据图设置为普通图层，所述普通图层设置在所述背景图层的顶层；

根据所述地震反射波数据以及所述地震绕射波数据中的能量数据，调整所述普通图层的透明度和色彩参数，得到所述模型的样本图像。

4.根据权利要求1所述的模型训练方法，其特征在于，所述神经网络模型为CNN、AlexNet、ZFNet、VGGNet、GoogLeNet、ResNet、UNet以及SRCNN中的任意一种。

5.一种地质异常体识别的方法，其特征在于，所述方法包括：

获取待识别的地震波数据图像；所述地震波数据图像通过所述地震反射波数据以及所述地震绕射波数据经过可视化渲染得到；

将所述待识别的地震波数据图像输入至预先完成训练的地质异常体识别模型中，输出所述地质异常体识别的结果；所述地质异常体识别模型通过权利要求1-4任一项所述的用于地质异常体识别的模型训练方法训练得到。

6.一种用于地质异常体识别的模型训练装置，其特征在于，所述装置包括：

数据采集模块，用于获取样本区域的地震绕射波数据以及地震反射波数据；

样本图像生成模块，用于将所述地震反射波数据以及所述地震绕射波数据进行渲染，得到所述模型的训练样本图像；

模型训练模块，用于将所述样本图像输入至预设的神经网络模型中进行训练；

模型获取模块，用于当所述预设的神经网络模型中的输出结果满足预设的期望阈值时停止所述模型的训练，得到所述用于地质异常体识别的模型；

所述装置，还包括：地质异常体数据训练模块；所述地质异常体数据训练模块，用于获取所述样本区域中的地质异常体坐标，获得该所述坐标对应的地质异常体数据；根据所述地质异常体数据，得到该所述坐标中相对应的剖面图；所述剖面图用于所述神经网络模型的训练；

所述地质异常体数据训练模块还用于：通过对所述样本区域进行等距切取，获得所述剖面图；或者通过对所述样本区域进行随机切取，获得所述剖面图。