[发明专利]一种基于深度学习的矿物质快速识别的方法

权利要求书

1.一种基于深度学习的矿物质快速识别的方法，其特征在于，

采用深度学习算法对矿物质的矿物质种类进行初步筛选，然后初步确定光谱库中可能的矿物质种类。

2.根据权利要求1所述的方法，其特征在于，

通过深度学习算法生成模型，通过模型去确定矿物质种类。

3.根据权利要求1所述的方法，其特征在于，

通过深度学习算法生成CNN模型。

4.根据权利要求3所述的方法，其特征在于，

主要包括如下步骤：

S1、将矿物质显微镜图像数据切分为相同像素大小；

S2、进行人工标记，标记矿物质的种类；

S3、将人工标记后的数据用深度学习算法进行训练；

S4、对人工标记后的数据进行深度学习算法进行分类训练，生成CNN模型，并将模型保存为本地文件；

S5、读取已经训练好的本地模型文件，将未标记的遥感图像数据输入到模型中，得到矿物质的种类。

S6、得到矿物质种类后建立矿物质种类的光谱库，使用光谱分析法精确得到岩石的种类和比例。

5.根据权利要求4所述的方法，其特征在于，

所述人工标记使用的工具为labelImg工具。

6.根据权利要求5所述的方法，其特征在于，

使用ResNet-152-CNN卷积神经网络模型作为矿物质种类的模型，进行分类训练，生成CNN模型。

7.根据权利要求6所述的方法，其特征在于，

所述的卷积层采用预训练的VGG16的卷积层，并将模型保存在本地。

8.根据权利要求4所述的方法，其特征在于，

将分类结果生成矿物质种类区域光谱库，根据区域地质成矿特征确定主要成岩矿物、成矿矿物种类及组合。