[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

说明书

本发明公开了一种基于深度学习的地质特征检测识别方法，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。本发明还公开了一种基于深度学习的地质特征检测识别系统。本发明可对不同的地质特征进行细化分析，快速有效的识别出准确的地质特征，为后续地质分析提供基础。

技术领域

本发明涉及地质勘察技术领域，具体而言，涉及一种基于深度学习的地质特征检测识别方法及系统。

背景技术

了解地质特征可以方便我们进行更精确更快速的地质勘察工作，可对勘察点周围的地质情况做出预测，能够有效降低勘察成本，节省财力。近年来，特别是2009年以来，借助机器学习领域深度学习研究的发展，识别技术得到突飞猛进的发展。将深度学习研究引入到识别领域，极大提高了识别的准确率降低了人的工作量。深度学习的实质是通过构建具有很多隐层的机器学习模型和海量的训练数据，来学习更有用的特征，从而最终提升分类或预测的准确性。

但是，现有技术中利用深度学习进行地质识别的方法的识别精度不高，只能进行简单大类的地质特征检测识别，无法进行深度分析，得到更为准确的识别数据。

发明内容

为了克服上述问题或者至少部分地解决上述问题，本发明实施例提供一种基于深度学习的地质特征检测识别方法及系统，可对不同的地质特征进行细化分析，快速有效的识别出准确的地质特征，为后续地质分析提供基础。

本发明的实施例是这样实现的：

第一方面，本发明实施例提供一种基于深度学习的地质特征检测识别方法，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。

为了对地质特征进行准确分析，提取到不同区域的地质特征，为后续地质分析提供数据基础，分析特定区域的构造演化史、沉积发育史、地表地貌等。首先，获取到目标区域的地质信息，针对不同的目标区域进行地质分析，保证分析的精准性，获取到地质信息后，人为的进行特征分类，获取并根据人为地质特征分类数据对地质信息进行分类标记，对不同类别的地质特征进行标记，以得到一个初始地质特征信息，该初始地质特征信息包括标记信息、特征类型以及各个类型的基本数据；得到初始地质特征信息后，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，该地质特征类别信息包括地层、构造、岩浆活动、成矿机制、资源量等不同类别的数据；上述分类模型是指根据历史训练集中的训练数据对实时的地质特征信息进行分类识别，以得到分类结果的数学模型；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进行识别，生成并发送地质特征识别信息，该地质特征识别信息包括地质构造信息、地层信息、油气信息、油藏信息以及资源量等全面的地质特征信息；上述识别模型是指根据历史特征训练的数据对实时的特征数据进行识别匹配，以得到具体特征识别结果的属数学模型。

本方法基于深度学习对地质信息进行分析，以得到准确的地质特征数据，对目标区域的地质特征进行全面分析，可对不同的地质特征进行细化分析，快速有效的识别出准确的地质特征，为后续地质勘察以及施工提供基础。

基于第一方面，在本发明的一些实施例中，上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：