[发明专利]一种基于深度学习的地质特征检测识别方法及系统

权利要求书

1.一种基于深度学习的地质特征检测识别方法，其特征在于，包括以下步骤：

获取并发送目标区域的地质信息；

获取人为地质特征分类数据，并根据人为地质特征分类数据对地质信息进行分类标记，以得到初始地质特征信息；

采用基于深度学习算法得到的分类模型对初始地质特征信息进行分类，生成并发送地质特征类别信息；

将地质特征类别信息导入到采用基于深度学习算法得到的识别模型中，生成并发送地质特征识别信息。

2.根据权利要求1所述的一种基于深度学习的地质特征检测识别方法，其特征在于，所述采用基于深度学习算法得到的分类模型对初始地质特征信息进行分类，生成并发送地质特征类别信息的方法包括以下步骤：

获取地质特征类别数据，建立特征类别数据集；

根据特征类别数据集采用深度学习算法进行分类训练，生成分类模型；

将初始地质特征信息导入到分类模型中，生成并发送地质特征类别信息。

3.根据权利要求1所述的一种基于深度学习的地质特征检测识别方法，其特征在于，所述将地质特征类别信息导入到采用基于深度学习算法得到的识别模型中，生成并发送地质特征识别信息的方法包括以下步骤：

获取各个地质特征数据，建立各个地质特征对应的特征数据集；

根据各个特征数据集采用深度学习算法进行分类训练，生成各个地质特征对应的识别模型；

将地质特征类别信息导入到对应的识别模型中，生成并发送地质特征识别信息。

4.根据权利要求3所述的一种基于深度学习的地质特征检测识别方法，其特征在于，所述地质特征数据包括地质构造数据、地层数据、油气数据、油藏数据以及资源量数据。

5.根据权利要求4所述的一种基于深度学习的地质特征检测识别方法，其特征在于，所述将地质特征类别信息导入到对应的识别模型中，生成并发送地质特征识别信息的方法包括以下步骤：

提取地质特征类别信息中的地质构造数据、地层数据、油气数据、油藏数据以及资源量数据；

将地质构造数据、地层数据、油气数据、油藏数据以及资源量数据分别导入到对应的识别模型中，生成并发送构造识别信息、地层识别信息、油气信息、油藏信息和资源量信息；

根据构造识别信息、地层识别信息、油气信息、油藏信息和资源量信息生成并发送地质特征识别信息。

6.一种基于深度学习的地质特征检测识别系统，其特征在于，包括地质信息获取模块、初始分类模块、类别分析模块以及特征识别模块，其中：

地质信息获取模块，用于获取并发送目标区域的地质信息；

初始分类模块，用于获取人为地质特征分类数据，并根据人为地质特征分类数据对地质信息进行分类标记，以得到初始地质特征信息；

类别分析模块，用于采用基于深度学习算法得到的分类模型对初始地质特征信息进行分类，生成并发送地质特征类别信息；

特征识别模块，用于将地质特征类别信息导入到采用基于深度学习算法得到的识别模型中，生成并发送地质特征识别信息。

7.根据权利要求6所述的一种基于深度学习的地质特征检测识别系统，其特征在于，所述类别分析模块包括数据集子模块、模型生成子模块以及类别子模块，其中：

数据集子模块，用于获取地质特征类别数据，建立特征类别数据集；

模型生成子模块，用于根据特征类别数据集采用深度学习算法进行分类训练，生成分类模型；

类别子模块，用于将初始地质特征信息导入到分类模型中，生成并发送地质特征类别信息。

8.根据权利要求6所述的一种基于深度学习的地质特征检测识别系统，其特征在于，所述特征识别模块包括特征集子模块、识别模型子模块以及识别子模块，其中：

特征集子模块，用于获取各个地质特征数据，建立各个地质特征对应的特征数据集；

识别模型子模块，用于根据各个特征数据集采用深度学习算法进行分类训练，生成各个地质特征对应的识别模型；

识别子模块，用于将地质特征类别信息导入到对应的识别模型中，生成并发送地质特征识别信息。