[发明专利]一种矿物智能识别分类系统与方法

说明书

本发明实施例公开了一种矿物智能识别分类系统与方法，所述矿物智能识别分类系统包括深度学习算法的卷积神经网络模块和全连接网络模块，利用带有类别标签和莫氏硬度标签的矿物图片输入卷积神经网络模块和全连接网络模块进行预先训练，训练完成后将采集的矿物实物图片和莫氏硬度值输入智能识别分类系统，智能识别分类系统结合输入的图片和莫氏硬度值对矿物所属类别进行比对分析预测，输出矿物所属不同类别的概率大小，取概率最大值所属类别为该矿石的类别，本发明解决了现有仅使用矿物的实物图片进行识别导致的识别准确率低或者使用高光谱图片识别导致效率低的问题。

技术领域

本发明实施例涉及矿物智能识别技术领域，具体涉及一种矿物智能识别分类系统与方法。

背景技术

在矿产研究、矿物开采以及矿产科研方面，需要对矿产进行识别，传统识别方法需要结合现有记载的矿物图片和测量的矿物硬度值进行比对，进行识别，通常存在着效率低，误差大的问题。

随着科技进步，逐渐出现矿物智能识别技术，矿物智能识别技术，是一种通常采用图像识别方法的数字化智能识别分类矿物的技术。多使用深度学习算法对矿物的高光谱图片或实物图片进行识别分类。通常先采集大量矿物的高光谱图片或实物图片用于深度学习算法中卷积神经网络的训练，训练好后即可用于完成矿物的识别任务。但由于矿物的高光谱图片不易直接获取，还需要借助一些仪器，过程麻烦耗时。而矿物的实物图片不同类别之间没有较为明显的特征区别，导致直接使用矿物的实物图片进行深度学习算法的训练得到的准确率较低。

发明内容

为此，本发明实施例提供一种矿物智能识别分类系统与方法，以解决现有仅使用矿物的实物图片进行识别导致的识别准确率低或者使用高光谱图片识别导致效率低的问题。

为了实现上述目的，本发明实施例提供如下技术方案：

根据本发明实施例的第一方面，公开了一种矿物智能识别分类系统，所述矿物智能识别分类系统包括深度学习算法的卷积神经网络模块和全连接网络模块，利用带有类别标签和莫氏硬度标签的矿物图片输入卷积神经网络模块和全连接网络模块进行预先训练，训练完成后将采集的矿物实物图片和莫氏硬度值输入智能识别分类系统，智能识别分类系统结合输入的图片和莫氏硬度值对矿物所属类别进行比对分析预测，输出矿物所属不同类别的概率大小，取概率最大值所属类别为该矿石的类别。

进一步地，所述卷积神经网络模块包括分类器预训练单元和分析判断单元，分类器预训练阶段包括人工神经网络训练用数据集生成模块和人工神经网络训练模块，分析判断单元包括人工神经网络推理预测模块和人机交互模块，所述人工神经网络训练用数据集生成模块对用于训练人工神经网络的示例图像数据进行预处理和图像数据集的创建，所述人工神经网络训练模块以人工神经网络训练用数据集生成模块输出的图像数据集为输入，进行神经网络计算，输出人工神经网络分类器，所述人工神经网络推理预测模块以实际现场采集的原始数据图像为输入，人工神经网络分类器对每张图所代表的类别进行批量自动的推理预测，输出每一张图像对应的类别标识，所述人机交互模块实现操作人员输入待分析的原始矿物图像。

进一步地，所述人工神经网络推理预测模块以实际现场采集的原始矿物图像为输入，通过内置的图像预处理器过滤后，输送给人工神经网络训练模块输出的人工神经网络分类器，人工神经网络分类器对每一张图所代表的类别进行批量自动的推理预测。

进一步地，所述卷积神经网络模块训练完成后，输入采集的矿物图片，得到一维特征值向量或未归一化的一维概率值向量。

进一步地，所述全连接网络模块设置有多层，将矿物的莫氏硬度值输入两层或两层以上的全连接网络，输出未归一化的一维概率值向量。

根据本发明实施例的第二方面，公开了一种矿物智能识别分类方法，所述矿物智能识别分类方法为：将采集的矿物图片输入至卷积神经网络，得到一维特征值向量或未归一化的一维概率值向量；