[发明专利]一种矿物识别的方法和装置

说明书

本申请实施例提供一种矿物识别的方法和装置，该方法包括：获取目标采样区域的矿物样本数据；将所述矿物样本数据输入分类模型进行计算，获得属于各类矿物的概率值；在确定所述概率值均小于相应的判决阈值的情况下，将所述矿物样本数据存储至所述分类模型对应的数据库中，获得扩充分类模型；根据所述扩充分类模型识别矿物，获得所述矿物的类型，能够有效利用化学组分数据，对矿物进行识别。

技术领域

本申请涉及地质鉴定领域，具体涉及一种矿物识别的方法和装置。

背景技术

在地质工作中，岩矿鉴定是极为重要的一步。对于从野外取样的岩石样品需要进行初步加工以满足专业仪器鉴定要求，并观察其矿物组分以及相对含量，最后结合野外对其观察的记录来进一步确定岩石种类及相关成因信息。当前，岩矿鉴定多数基于矿物的物理和光学性质，少数由化学组分数据分析完成。基于矿物的物理和光学性质的岩矿鉴定由人工实现，经济与时间成本高，易受多种主客观因素影响。基于化学组分数据的方法获取的定量数据量大，且拓展应用性强。

因此，如何有效利用化学组分数据，对矿物进行识别成为了亟待解决的问题。

发明内容

本申请实施例提供一种矿物识别的方法和装置，通过本申请的技术方案，至少可以实现有效利用化学组分数据，对矿物进行识别。

第一方面，一种矿物样本数据库扩充的方法，所述方法包括：获取目标采样区域的矿物样本数据；将所述矿物样本数据输入分类模型进行计算，获得属于各类矿物的概率值；在确定所述概率值均小于相应的判决阈值的情况下，将所述矿物样本数据存储至所述分类模型对应的数据库中。

本申请实施例通过扩充矿物样本数据库，能够实现对个性化数据库的快速构建，解决由于数据库中样本数据的缺少，给精准识别带来的不便。

结合第一方面，在一种实施例中，所述目标采样区域是通过如下方式获得的：计算原始采样区域的信息熵，将小于等于信息熵阈值的所述原始采样区域作为所述目标采样区域。

本申请实施例通过对原始采样区进行信息熵计算，能够通过判断是否满足信息熵阈值来获取目标采样区域，从而能够有效衡量采样区元素含量数据的不确定性，减少肉眼观察选区产生的误差。

结合第一方面，在一种实施例中，所述矿物样本数据是通过如下方式获得的：根据所述目标采样区域的信息，获得原始矿物样本数据；将所述原始矿物样本数据的空值补充默认值，获得补充后的所述原始矿物样本数据；将所述补充后的所述原始矿物样本数据进行特征重要性排序，筛选出所述矿物样本数据。

本申请实施例通过对原始矿物样本数据的补充，能够将存在空值的原始矿物样本数据补充完整；通过对数据进行重要性排序，能够实现数据降维，以此在准确率和运行时间等方面提高分类模型的运行效率。

结合第一方面，在一种实施例中，所述将所述矿物样本数据输入分类模型进行计算，获得属于各类矿物的概率值，包括：根据所述分类模型获得的属于各类矿物的概率值集合组，获得目标分类结果，其中，所述分类模型包括决策树。

本申请实施例通过获得属于各类矿物的概率值集合组，从而获得目标分类结果，能够提高分类的准确性。

结合第一方面，在一种实施例中，所述分类模型包括一种所述决策树；所述根据所述分类模型获得的属于各类矿物的概率值集合组，获得目标分类结果，包括：通过所述决策树获得所述矿物样本属于各类矿物的概率值，得到概率值集合组，其中，所述概率值集合组中的最大概率值大于所述判决阈值；从所述概率集合组中选择所述最大概率值对应的矿物所属的类别作为所述目标分类结果。

本申请实施例通过包括一种决策树的分类模型获得的概率值集合组中的最大概率值，作为目标分类结果，能够提高分类结果的准确性。